OGC_Geotechnie

# VDR - Organized, Grouped, Cleaned # Geotechnie Vision DSE > **Intended for image/text to vector (DSE)** ## Dataset Composition Made with https://github.com/RacineAIOS/VDR_pdf-to-parquet This dataset was created by scraping PDF documents from online sources and generating relevant synthetic queries. We used Google's Gemini 2.0 Flash Lite model in our custom pipeline to produce the queries, allowing us to create a diverse set of questions based on the document content. ## Dataset Statistics | Metric | Value | |--------|-------| | Total rows | ≈ 69k | ## Language Distribution | Language | Ratio (%) | |--------|-------| | French (fr) | 90 | | English (en) | 10 | ## Creators Dataset curated by: - **Paul Lemaistre** - **Léo Appourchaux**# VDR——整理、分组、清洗后的数据集 # 岩土工程视觉DSE > **适用于图像/文本向量化（DSE）任务** ## 数据集构成 本数据集依托工具 https://github.com/RacineAIOS/VDR_pdf-to-parquet 生成。 本数据集通过从在线资源中抓取PDF文档，并生成对应的合成查询语句构建而成。我们在自定义处理流水线中使用谷歌Gemini 2.0 Flash Lite模型生成查询语句，从而能够基于文档内容生成多样化的问题集合。 ## 数据集统计指标 | 指标 | 数值 | |--------|-------| | 总数据行数 | ≈69,000 | ## 语言分布 | 语言 | 占比（%） | |--------|-------| | 法语（fr） | 90 | | 英语（en） | 10 | ## 数据集制作人员 本数据集由以下人员整理： - **Paul Lemaistre** - **Léo Appourchaux**

搜集汇总

背景与挑战

背景概述

该数据集名为OGC_Geotechnie，由racineai创建，专为图像/文本到向量转换（DSE）设计，包含约6.9万行数据，主要语言为法语（占90%），英语占10%。它通过爬取PDF文档并生成合成查询构建，采用Apache-2.0许可证。