中国科学技术大学 本次发布的数据集 HRDoc, HRDoc是由中国科学技术大学构建的大型数据集，专注于多页文档的细粒度和文档级结构重建任务。该数据集包含2,500个多页文档，近200万个语义单元，每份文档都有线级标注，包括类别和关系，这些信息由基于规则的提取器和人工标注者获取。HRDoc数据集的创建旨在推动文档结构重建的研究，特别是在处理多页文档时，通过提供丰富的标注数据，支持自然语言处理和计算机视觉领域的研究。数据集的应用领域包括文档自动化处理，如将PDF文件转换为可编辑格式，以及其他需要文档结构信息的场景。
README 内容：
关于 中国科学技术大学 , 中国科学技术大学是一所专注于培养高等学历理工人才的高等学府，致力于促进科技发展。学校提供从高等专科到博士研究生的全方位学历教育，涵盖理学、工学、管理学、经济学、文学、法学、农学等多个学科领域。此外，学校还开展博士后培养、相关科学研究以及继续教育、专业培训和学术交流等活动。近期，中国科学技术大学旗下的ABACUS原子轨道基组数据资源在浙江省数据知识产权登记平台完成了登记，这一数据集可能涉及原子轨道基组的理论与计算，对于科学研究与实际应用具有重要意义。
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。
_1769672084863.jpg)