llamaindex/p1m-table-benchmark-easy

---
dataset_info:
features:
- name: filename
dtype: string
- name: split
dtype: string
- name: imgid
dtype: int64
- name: table_bbox
list: int64
- name: dataset
dtype: string
- name: cells
list:
list:
- name: bbox
list: int64
- name: tokens
list: string
- name: otsl
list: string
- name: html
list: string
- name: html_restored
list: string
- name: html_with_text
list: string
- name: cols
dtype: int64
- name: rows
dtype: int64
- name: html_len
dtype: int64
- name: otsl_len
dtype: int64
- name: image
dtype: image
splits:
- name: train
num_bytes: 2202299
num_examples: 100
download_size: 1761019
dataset_size: 2202299
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：filename（文件名），数据类型：字符串
- 字段名：split（数据集划分），数据类型：字符串
- 字段名：imgid（图像ID），数据类型：int64
- 字段名：table_bbox（表格边界框），数据类型：int64类型列表
- 字段名：dataset（数据集来源），数据类型：字符串
- 字段名：cells（单元格信息），数据类型为嵌套列表，列表中每个元素为包含以下两个属性的单元：
- bbox（边界框）：int64类型列表
- tokens（词元（Token））：字符串类型列表
- 字段名：otsl，数据类型：字符串列表
- 字段名：html（超文本标记语言（HTML）），数据类型：字符串列表
- 字段名：html_restored（还原后HTML），数据类型：字符串列表
- 字段名：html_with_text（带文本HTML），数据类型：字符串列表
- 字段名：cols（列数），数据类型：int64
- 字段名：rows（行数），数据类型：int64
- 字段名：html_len（HTML内容长度），数据类型：int64
- 字段名：otsl_len（otsl内容长度），数据类型：int64
- 字段名：image（图像），数据类型：图像类型
数据集划分：
- 划分名称：train（训练集），占用字节数：2202299，样本数量：100
下载大小：1761019 字节
数据集总大小：2202299 字节
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分：train（训练集），路径：data/train-*