XFUND

该数据集是一个多语言基准数据集，包含了7种语言（中文、日语、西班牙语、法语、意大利语、德语、葡萄牙语）的人工标注的199种表格形式。具体来说，该数据集被划分为149份用于训练和50份用于测试，其中实体被标注为'问题'、'答案'、'标题'或'其他'。规模上，数据集包含199份表格，任务重点在于零样本实体标注和关系提取。

This dataset is a multilingual benchmark dataset comprising 199 manually annotated tables across 7 languages: Chinese, Japanese, Spanish, French, Italian, German, and Portuguese. Specifically, it is divided into 149 training splits and 50 test splits, where entities within the tables are annotated as "Question", "Answer", "Title", or "Other". The core tasks of this dataset focus on zero-shot entity annotation and relation extraction.

搜集汇总

背景与挑战

背景概述

XFUND是一个包含7种语言标注数据的多语言表单理解基准数据集，提供详细的训练测试集统计信息，主要用于评估多模态预训练模型在多语言文档理解任务上的性能表现。