Датасет · tegridydev
Коллекция научных статей в PDF и Markdown
tegridydev/research-papers
Небольшой набор англоязычных научных статей, размеченных по темам, для тестов OCR и классификации документов.
Что внутри
Небольшая коллекция (менее 1000 примеров) научных публикаций на английском языке, распределенных по основным исследовательским темам. Файлы представлены в форматах PDF и Markdown (MD).
Что можно сделать
- Тестирование систем OCR и парсинга сложной научной верстки
- Обучение моделей классификации документов по тематикам
- Дообучение мультимодальных моделей для понимания структуры документов
- Задачи
- Классификация картинок, Классификация текста
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 22,9 тыс.
- Лайков
- 19
Как загрузить
from datasets import load_dataset
ds = load_dataset("tegridydev/research-papers")