scholarly360/indian_ipo_prospectus_data

招股说明书文本挖掘对于投资者社区识别主要风险因素和评估IPO期间筹集资金的使用非常重要。该数据集的作者从印度市场监管机构网站下载了100份招股说明书。数据集包含100份招股说明书的URL和OCR文本。此外，作者还发布了一个Roberta语言模型和句子转换器供使用。

原始信息汇总

数据集卡片 for Dataset Name

数据集描述

数据集概述

Prospectus文本挖掘对于投资者社区识别主要风险因素和评估IPO期间筹集金额的使用非常重要。该数据集作者从印度市场监管机构网站下载了100份prospectus。数据集包含100份prospectus的URL和OCR文本。此外，作者发布了一个Roberta语言模型和句子转换器供使用。

支持的任务和排行榜

N.A.

语言

ENGLISH

数据集结构

数据实例

[更多信息需要]

数据字段

数据集包含4列：

• title_prospectus: IPO prospectus的标题
• href_prospectus: HTML的位置
• pdf_prospectus: prospectus的PDF文件
• content_whole_prospectus: prospectus的OCR文本

数据分割

N.A.

数据集创建

策划理由

Prospectus文本挖掘

源数据

初始数据收集和规范化

[更多信息需要]

源语言生产者

[更多信息需要]

注释

注释过程

[更多信息需要]

注释者

[更多信息需要]

个人和敏感信息

[更多信息需要]

使用数据的考虑因素

数据集的社会影响

这将帮助投资者和商业银行社区以更自动化的方式探索prospectus，从而节省时间。

偏见的讨论

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集策展人

[更多信息需要]

许可信息

[更多信息需要]

引用信息

bibtex @misc{ROBERTA GOES FOR IPO: PROSPECTUS ANALYSIS WITH LANGUAGE MODELS FOR INDIAN INITIAL PUBLIC OFFERINGS, author = {Abhishek Mishra and Yogendra Sisodia}, title = {ROBERTA GOES FOR IPO: PROSPECTUS ANALYSIS WITH LANGUAGE MODELS FOR INDIAN INITIAL PUBLIC OFFERINGS}, year = {2022}, url = {https://aircconline.com/csit/papers/vol12/csit121905.pdf}, }

贡献

由作者Scholarly360制作。