---
title: OutlineGuidedTextSegmentationDataset
canonical_url: "https://www.modelscope.cn/datasets/nlpfuture/OutlineGuidedTextSegmentationDataset"
md_url: "https://www.modelscope.cn/datasets/nlpfuture/OutlineGuidedTextSegmentationDataset.md"
repository: nlpfuture/OutlineGuidedTextSegmentationDataset
chinese_name: "高质量pdf大纲分段文本预训练数据"
last_updated: 2024-07-31
license: "Apache License 2.0"
storage_size: "119 MB"
downloads: 182
stars: 6
---

# OutlineGuidedTextSegmentationDataset

> OutlineGuidedTextSegmentationDataset - nlpfuture 在 ModelScope 开源的数据集。**OutlineSeg 数据集**OutlineSeg 数据集是一个高质量的预训练数据集，专门用于从PDF文档中提取和分段文本。数据集通过利用文档中的目录大纲，将长篇内容切分为合适的段落，以确保每段文本既有完整的语义，又能在模型训练过程中被充分利用。该数据集的主要特点包括：1.…

nlpfuture/OutlineGuidedTextSegmentationDataset 是 ModelScope 魔搭社区上的数据集，存储大小 119 MB，采用 Apache License 2.0 许可。

- **Repository**: nlpfuture/OutlineGuidedTextSegmentationDataset
- **License**: Apache License 2.0
- **Storage size**: 119 MB
- **Downloads**: 182
- **Stars**: 6
- **Last updated**: 2024-07-31

Source: https://www.modelscope.cn/datasets/nlpfuture/OutlineGuidedTextSegmentationDataset

---

数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。

当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集

#### 下载方法 
:modelscope-code[]{type="sdk"}
:modelscope-code[]{type="git"}