Open-source 发布 DocBank 数据集, 应用在 文档理解、自然语言处理 领域

Open-source 本次发布的数据集 DocBank, 该数据集由 500,000 份文档组成，每份文档具有独特的版式，并且每份文档仅包含一页。该数据集已被充分利用，以提升训练效率。从规模上看，它涵盖了 500,000 份文档，其主要任务集中在文档理解上。

查看DocBank

README 内容： 

关于 Open-source , -

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。