PDF_1306_BOOKS

kaggle2026-06-06 更新2026-06-17 收录

电子书文档

PDF处理

数据链接：

https://www.kaggle.com/datasets/azmaysameen/pdf-1306-books 数据链接链接失效反馈

官方服务：

资源简介：

pdf_ book_dataset with pages 101

包含101页的PDF图书数据集（pdf_ book_dataset）

创建时间：

2026-06-06

PaperPDF

多模态模型

PDF处理

PDF-WuKong数据集是一个用于高效长PDF阅读的大型多模态模型，包含从PDF文档中提取的文本和图像信息。数据集分为训练集和测试集，每个数据实例包括PDF名称、类别、查询、两个答案和证据对象。训练集和测试集的答案格式不同，训练集包含一个简洁答案和一个详细答案，而测试集包含两个简洁答案，分别使用少量关键词和一句话。数据集的创建使用了Gemini 1.5 Flash和GPT-4及GPT-4v。

Hugging Face2024-10-20 更新2850

PDF.co

PDF处理

文档技术

Converts, splits and merges PDF, adds virtual signatures, makes PDF searchable, generates and reads barcodes, fill in forms and more.

RapidAPI2019-07-30 更新210

uv-scripts/dataset-creation

数据集构建

PDF处理

这是一个可以将本地PDF文件目录转换为Hugging Face数据集的脚本。它支持从文件夹结构自动标记，无需配置即可使用，并能直接上传数据集到Hugging Face Hub。适用于处理大量PDF文件，并可以根据需要进行文本提取、图像转换等操作。

Hugging Face2025-07-23 更新140

PDF to OCR

PDF处理

OCR

The "PDF to OCR" API is a powerful tool that allows developers to convert regular PDF documents into PDFs with an OCR (Optical Character Recognition) layer. This API combines the functionalities of PD

RapidAPI2024-03-14 更新340

PDF识别OCR

OCR

PDF处理

PDF识别能力可以对PDF上的文字进行结构化识别。基于创新的算法模型，准确率可达99%以上！

华为云市场2026-01-05 更新180