MLP-KTLim/etri-chunking
收藏Hugging Face2025-10-22 更新2025-10-25 收录
下载链接：
https://hf-mirror.com/datasets/MLP-KTLim/etri-chunking
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含了文档的文本块信息，每个样本包括文档的ID、PDF路径、PDF名称、年份、起始页码、结束页码、块索引、起始标记索引、结束标记索引和文本内容。数据集仅包含训练集部分，大小为106,066,876字节，共有24,540个样本。
The dataset contains information about text chunks from documents, with each sample including document ID, PDF path, PDF name, year, start page, end page, chunk index, start token index, end token index, and text content. The dataset only includes the training split, which is 106,066,876 bytes in size and contains 24,540 samples.
提供机构：
MLP-KTLim
