1,586,458组文档OCR及结构化解析数据｜OCR识别数据

1,586,458组文档OCR及结构化解析数据，包含中文教材、中文电子书、中文教辅书等，标注文件包含OCR标注和结构化解析。

数据规格

数据量

1,586,458 组，其中包含1,466,168 组基础解析数据，15,289组精标解析数据，5,001组精准解析数据，10万组说明书原始文档

数据类型

解析数据（中文教材、中文电子书、中文期刊、中文教辅书），中文说明书原始文档

数据格式

原始文档文件格式为pdf，文档图像文件格式为.png，OCR标注文件格式为json，结构化解析文件格式为markdown（表格及公式采用的为Latex格式或截图链接）