---
title: SmartBookkeeping_OCRExtracts
canonical_url: "https://www.modelscope.cn/datasets/JasonWJC/SmartBookkeeping_OCRExtracts"
md_url: "https://www.modelscope.cn/datasets/JasonWJC/SmartBookkeeping_OCRExtracts.md"
repository: JasonWJC/SmartBookkeeping_OCRExtracts
chinese_name: "OCR智能记账提取账单数据集"
last_updated: 2025-05-25
license: "Apache License 2.0"
storage_size: "58 KB"
downloads: 54
stars: 3
---

# SmartBookkeeping_OCRExtracts

> SmartBookkeeping_OCRExtracts - JasonWJC 在 ModelScope 开源的数据集。## 概述 \n 该数据集旨在帮助大型语言模型（如Qwen系列）进行智能记账任务的微调。数据来源于日常消费账单的OCR识别结果，目标是从OCR文本中准确提取关键的账单信息。

JasonWJC/SmartBookkeeping_OCRExtracts 是 ModelScope 魔搭社区上的数据集，存储大小 58 KB，采用 Apache License 2.0 许可。

- **Repository**: JasonWJC/SmartBookkeeping_OCRExtracts
- **License**: Apache License 2.0
- **Storage size**: 58 KB
- **Downloads**: 54
- **Stars**: 3
- **Last updated**: 2025-05-25

Source: https://www.modelscope.cn/datasets/JasonWJC/SmartBookkeeping_OCRExtracts

---

## 概述

该训练数据集旨在帮助大型语言模型（如Qwen系列）进行智能记账任务的微调。数据来源于日常消费账单的OCR识别结果，目标是从OCR文本中准确提取关键的账单信息。
第一批 50 条，更新中...

**核心任务与提取字段：**

模型需要学习从输入的OCR文本中，准确地提取或推断出以下结构化信息：

1. **金额 (amount)**: 交易的具体数额（数字类型）。
2. **交易时间 (transaction_time)**: 交易发生的日期和时间（格式：YYYY年MM月DD日 HH:MM:SS）。
3. **商品说明 (item_description)**: 对购买的商品或服务的描述。
4. **交易分类 (category)**: 预定义的交易类别（如：餐饮美食, 交通出行, 休闲娱乐, 购物消费, 生活服务等）。
5. **收入/支出 (transaction_type)**: 标记交易是"收入"还是"支出"。
6. **付款方式 (payment_method)**: 支付时使用的账户或方式。
7. **备注 (notes)**: 额外需要记录的相关信息。

**数据格式：**

数据集采用JSON Lines (JSONL) 格式，每行一个JSON对象。每个JSON对象遵循多轮对话的指令微调格式，包含`messages`字段，其中包括`system`、`user`和`assistant`角色：

- `system`: 定义了AI助手的角色和任务。
- `user`: 包含原始的OCR账单文本。
- `assistant`: 包含从OCR文本中提取的、以JSON字符串形式表示的结构化账单信息。

**应用场景：**

此数据集可用于微调语言模型，使其能够自动化处理OCR识别后的账单文本，实现智能化的个人或小微企业记账，提高记账效率和准确性。

**数据来源与说明：**

本数据集包含模拟生成的以及用户提供的真实账单OCR文本样本，覆盖了餐饮、交通、购物、娱乐等多种日常消费场景。所有数据均经过处理，以适应模型微调的需求。

注意：本数据集包含模拟生成的账单OCR文本样本，覆盖了餐饮、交通、购物、娱乐等多种日常消费场景。