EtashGuha/DocQA_XML

该数据集主要用于处理包含图像和文本的问题，包含多个特征如问题ID、问题文本、图像、文档ID等。数据集分为训练集，包含5188个样本，总大小为3659729036.5字节。

This dataset is primarily used for handling questions that include both images and text, featuring multiple attributes such as question ID, question text, image, document ID, etc. The dataset is divided into a training set containing 5188 samples, with a total size of 3659729036.5 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• questionId: 字符串类型
• question: 字符串类型
• question_types: 空类型
• image: 图像类型
• docId: 64位整数类型
• ucsf_document_id: 字符串类型
• ucsf_document_page_no: 字符串类型
• answers: 空类型
• data_split: 字符串类型
• page_text: 字符串类型

数据分割

• train:
  • 样本数量: 5188
  • 数据大小: 3659729036.5 字节

数据集大小

• 下载大小: 1111425619 字节
• 数据集总大小: 3659729036.5 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*