ashwiniai/anatomy-corpus-chunks

该数据集包含多个字段，如文档索引（document_idx）、文本内容（text）、页面索引（page_idx）、文档名称（document_name）、文件路径（file_path）、文件URL（file_url）和加载器名称（loader_name）。数据集被分为三个部分：pdfplumbertextloader、pypdf2textloader和pymupdf4llmtextloader，每个部分都有不同的字节大小和示例数量。这些特征表明数据集可能用于处理和分析PDF文档中的文本内容。

The dataset includes multiple fields such as document index (document_idx), text content (text), page index (page_idx), document name (document_name), file path (file_path), file URL (file_url), and loader name (loader_name). The dataset is divided into three parts: pdfplumbertextloader, pypdf2textloader, and pymupdf4llmtextloader, each with different byte sizes and numbers of examples. These features suggest that the dataset is likely used for processing and analyzing text content in PDF documents.