Datasets:
File size: 5,185 Bytes
0f19965 8733676 0f19965 f9d95b5 0f19965 ef88054 272c76d f9d95b5 55a6a58 f9d95b5 3d4d087 f9d95b5 55a6a58 f9d95b5 3d4d087 8733676 3d4d087 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 | ---
license: odc-by
tags:
- 文档解析
- 文档智能
- OCR Bench
- Doc Parsing
- OCR
- pdf
- markdown
---
DocParsingBench是一个包含1400张图片的文档智能测评数据集，系统性地采集并标注了来自真实业务流程的文档样本，首次系统性总结企业高频的文档元素，涵盖金融、法律、科研、工业、教育五大领域。
[](https://huggingface.co/datasets/SoMarkAI/DocParsingBench)
[](https://modelscope.cn/datasets/SoMark/DocParsingBench)
[](LICENSE)
[]()
---
## 🆕 最新资讯
**[2026.03.09]** DocParsingBench v1.0 正式发布！首个**面向真实行业场景**的智能文档解析数据集，涵盖金融、法律、科研、工业、教育五大领域。现已上线 Hugging Face！🔥🔥🔥
---
## 🎯 核心亮点
### ✅ 1. 五大真实行业场景
我们系统性地采集并标注了来自**真实业务流程**的文档样本，保留了**扫描噪声、印章遮挡、模糊字符**:
| 行业 | 文档类型 | 场景特征 |
|------|---------|---------|
| **金融** | 券商研报、上市公司财报、招股说明书 | 多栏报表、带印章的PDF扫描件、复杂表格 |
| **法律** | 法律文书、合同条款、行业标准规范 | 页眉页脚规范化、脚注密集、参考文献交叉引用 |
| **科研** | 学术论文、编程教材、专利全文 | 双栏/三栏混合、公式密集、代码段、化学式 |
| **工业制造** | 操作SOP、表格单据 | 扫描件模糊、手写填空项、二维码/条形码 |
| **教育** | 书籍教材、英文、化学、数学 | 化学结构式、化学反应式、选择题选项、填空空白 |
### ✅ 2. 复杂版面全覆盖
- **单栏**：教材、法律文书
- **双栏**：学术论文、部分研报
- **三栏及以上**：券商财报、数据报表
- **混合布局**：图文混排、表格跨栏、侧边栏嵌套
---
## 📊 数据构成
| 维度 | 分类 |
|------|------|
| **总样本量** | 1400页 |
| **语言** | 中文、英文、中英混合|
| **行业分布** | 金融 / 法律 / 科研 / 工业 / 教育 |
| **版面分布** | 单栏 / 双栏 / 三栏 / 混合 |
| **标注格式** | Markdown
| **化学标注** | 采用 [SoMarkdown](https://github.com/SoMarkAI/SoMarkDown) 规范，将 SMILES 与 LaTeX 结合进行表达，可完整渲染化学结构式
---
## 🏗️ 数据处理与标注理念
- **坚持全人工标注**，因为文档解析的“正确答案”不该是模型猜出来的。因为我们在实践中发现：模型预标注的误差会被标注员“惯性接受”。标注员面对已有markdown结果时，倾向于微调而非重画，导致模型错误被固化。每一根框线，都是一笔一笔画出来的；每一个字都是通过键盘输入的。这不是效率最高的方式，但这是质量最高的方式。
- 这是本项目投入时间最长的环节。我们为每一类文档元素制定了详细的边界判定规则，逐类试标、迭代、定稿。
- 每一类规范都经过3轮以上试标+全员培训+一致性测试，确保不同标注员对同一页面的判定差异<5%。累计退回重标批次6轮，标注-复核工时比1 : 0.8
## 📈 评测基准（待发布）
我们同期发布的DocParsingBench**行业文档解析评测基准**欢迎社区参与评测！📊
## ❤️ 致谢
这是一个需要极大耐心的工作。一个复杂页面的化学式+表格混排，可能耗时数小时；一次边界分歧导致的整批次退回，意味着数百小时的重来。每一页标注的背后，都是人眼对文档结构的理解，是人手对markdown的确认。感谢所有标注团队的坚持。
同时感谢 [SoMarkdown](https://github.com/SoMarkAI/SoMarkDown) 项目提供的化学结构式标注规范，使我们能够用精确表达大模型可读的化学内容。
---
## 📖 引用
如果您在研究中使用了DocParsingBench，请按如下格式引用：
```bibtex
@misc{DocParsingBench-2026,
title={DocParsingBench},
author={SoMark},
year={2026},
publisher={Hugging Face,ModelScope},
howpublished={\url{https://modelscope.cn/datasets/SoMark/DocParsingBench}}
}
```
---
## 📜 许可证
本项目采用 **ODC-BY (Open Data Commons Attribution License)** 许可证，开放学术研究和商业应用。
---
> 🌟 如果您觉得这个数据集有价值，欢迎在 modelscope/Hugging Face 上给我们 ⭐！
#### 下载方法
**🤗 Hugging Face**
```python
from datasets import load_dataset
ds = load_dataset("SoMarkAI/DocParsingBench")
```
**☁️ ModelScope**
```python
from modelscope.msdatasets import MsDataset
ds = MsDataset.load('SoMark/DocParsingBench')
```
**Git Clone**
```bash
# Hugging Face
git clone https://huggingface.co/datasets/SoMarkAI/DocParsingBench
# ModelScope
git clone https://www.modelscope.cn/datasets/SoMark/DocParsingBench.git
```
|