К содержимому

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")