Mann-Whitney U test for different document types.

NIAID Data Ecosystem2026-03-10 收录

非参数检验

文档分析

数据链接：

https://figshare.com/articles/dataset/Mann-Whitney_U_test_for_different_document_types_/5320525 数据链接链接失效反馈

官方服务：

资源简介：

Mann-Whitney U test for different document types.

创建时间：

2017-08-18

pixparse/pdfa-eng-wds

文档分析

机器学习

PDFA数据集是从SafeDocs语料库中筛选出来的文档数据集，主要用于视觉-语言模型的机器学习。数据集包含PDF文档及其对应的JSON文件，JSON文件中包含了OCR注释和元数据信息。数据集经过过滤，去除了过大或渲染过慢的文件，并限制为英语文档。数据集以webdataset格式提供，适用于大规模的多模态机器学习任务。

Hugging Face2024-03-29 更新860

Europeana Newspapers

语言处理

文档分析

Europeana Newspapers 由四个数据集组成，每个数据集有 100 页，用于荷兰语、法语、德语（包括奥地利语）作为 Europeana Newspapers 项目的一部分，预计将有助于进一步开发和改进以历史内容为重点的命名实体识别系统.

OpenDataLab2026-07-12 更新170

IaraMed/Pergunta_notas_v10

问答系统

文档分析

该数据集包含了一系列的问题和回答，以及与这些问题相关的多个版本文档和注释。具体内容未在README中描述，但从字段名称可以推断，数据集可能用于某种问答系统或文档分析任务。

Hugging Face2025-03-13 更新70

XFUND and FUNSD