CharlesMoslonka/finance_pdfs_OCR_tests
收藏Hugging Face2026-04-28 更新2026-05-03 收录
下载链接：
https://hf-mirror.com/datasets/CharlesMoslonka/finance_pdfs_OCR_tests
下载链接
链接失效反馈官方服务：
资源简介：
一个全面的OCR处理金融文档数据集，包含来自NYSE、NASDAQ、LSE、ASX、TSX和OTC市场的年度报告和SEC文件。数据集包含100个文档，时间跨度为2000年至2024年。每个文档文件夹包含原始PDF文件、元数据文件、OCR输出文件（HTML和Markdown格式）以及每页的WebP图像。文档命名遵循{EXCHANGE}_{TICKER}_{YEAR}的格式。
A comprehensive dataset of OCRd financial documents (annual reports, SEC filings) from various stock exchanges including NYSE, NASDAQ, LSE, ASX, TSX, and OTC markets. The dataset contains 100 documents spanning from 2000 to 2024. Each document folder includes the original PDF file, metadata file, OCR output files (HTML and Markdown formats), and WebP images of each page. Document naming follows the pattern: {EXCHANGE}_{TICKER}_{YEAR}.
提供机构：
CharlesMoslonka
