DocBank 텍스트 데이터 세트

DocBank는 텍스트 데이터 세트입니다. 이 데이터 세트에는 문서 레이아웃 분석을 위한 세분화된 용어 수준 주석이 포함된 50만 개의 문서 페이지가 포함되어 있습니다. 이 데이터 세트는 arXiv.com에서 제공되는 \LaTeX{} 문서의 약한 감독을 통해 간단하면서도 효과적인 방식으로 구성되었습니다.