Deep Search 发布 SemTabNet 数据集, 应用在 表格数据提取、ESG报告分析 领域

Deep Search 本次发布的数据集 SemTabNet, 该数据集包含了超过10万个标注的表格，专为从ESG报告中提取定量事实及相关信息而设计。该数据集支持使用深度学习模型进行直接和间接陈述的提取，并包含了一种通过随机排列行和列来增强数据的方法。其规模宏大，包含超过10万个表格、84,890个独立单元格以及42,982条陈述。该数据集的任务是实现对表格中通用信息的提取。

查看SemTabNet

Dataset card 内容： 

Files and versions 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。