Датасет · hyperbots-inc
Датасет извлечения данных из документов
hyperbots-inc/synthetic-enterprise-doc-extraction
372 синтетических корпоративных документа разных типов с JSON-шаблонами для бенчмаркинга.
Что внутри
Набор включает 372 синтетических документа 31 типа (счета, накладные, формы KYC, больничные листы и др.). Каждая запись содержит эталонные значения полей и JSON-шаблон для извлечения данных. Данные на английском языке, объем менее 1K примеров.
Что можно сделать
- Бенчмаркинг систем извлечения структурированных данных из документов
- Тестирование схемоориентированных пайплайнов обработки документов
- Задачи
- Генерация текста, document question answering
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 273
- Лайков
- 44
Как загрузить
from datasets import load_dataset
ds = load_dataset("hyperbots-inc/synthetic-enterprise-doc-extraction")