发布 HierDoc 数据集, 应用在 科学文献处理、信息提取 领域

本次发布的数据集 HierDoc, 该数据集名为HierDoc，包含了650篇科学论文的图像样本及其内容标签，提供了文档级别和实体级别的注释。这些文档涵盖了物理、数学、计算机科学和定量生物学等8个领域。每篇文档均可在遵循知识共享署名4.0许可协议的前提下自由分发。该数据集的规模包括350张训练图像和300张测试图像，其任务是提取目录内容。

查看HierDoc

README 内容： 

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。