К содержимому

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")