---
title: XFUND-Chinese
canonical_url: "https://www.modelscope.cn/datasets/yangkong/XFUND-Chinese"
md_url: "https://www.modelscope.cn/datasets/yangkong/XFUND-Chinese.md"
repository: yangkong/XFUND-Chinese
chinese_name: XFUND-Chinese
last_updated: 2026-02-28
license: "Apache License 2.0"
downloads: 6430
stars: 3
---

# XFUND-Chinese

> XFUND-Chinese - yangkong 在 ModelScope 开源的数据集。XFUND（Cross-lingual Fundus）数据集的中文子集，专注于中文票据和文档的版面分析与关键信息抽取，使用qwen3.5-plus构建，格式sharegpt格式，这直接配置到llama_factory使用。数据集内容：包含中文票据、发票、收据等文档类型的图像文件、提供详细的JSON格式标注文件，包含文本位置（bounding box）、文本内容、实体类别等信息、支持版面分析（Layout…

yangkong/XFUND-Chinese 是 ModelScope 魔搭社区上的数据集，采用 Apache License 2.0 许可。

- **Repository**: yangkong/XFUND-Chinese
- **License**: Apache License 2.0
- **Downloads**: 6430
- **Stars**: 3
- **Last updated**: 2026-02-28

Source: https://www.modelscope.cn/datasets/yangkong/XFUND-Chinese

---

# XFUND-Chinese 数据集

## 数据集简介
XFUND（Cross-lingual Fundus）数据集的中文子集，专注于中文票据和文档的版面分析与关键信息抽取，使用qwen3.5-plus重新优化构建，数据集格式为sharegpt格式。

## 数据集内容
- 包含中文票据、发票、收据等文档类型的图像文件
- 提供详细的JSON格式标注文件，包含文本位置（bounding box）、文本内容、实体类别等信息
- 支持版面分析（Layout Analysis）和命名实体识别（NER）任务

## 标注格式
- 图像格式：原始扫描图像
- 标注格式：JSON，包含每个文本块的坐标、内容、标签类别

## 适用任务
- 中文文档图像文字识别（OCR）
- 版面分析（Layout Analysis）
- 关键信息抽取（Key Information Extraction）
- 视觉问答（Visual Question Answering）

## 数据来源
基于XFUND原始数据集的中文部分构建

## 许可协议
Apache License 2.0

## 数据划分
- **训练集**：119 条数据，包含中文票据、发票、收据等文档类型的标注数据
- **测试集**：30 条数据，用于模型评估和验证
- **划分比例**：训练集 80%，测试集 20%

## 数据格式
- **格式**：ShareGPT 格式
- **字段说明**：
  - `messages`：包含用户和助手的对话信息
  - `images`：包含对应的图像文件路径

## 使用方法
1. 直接使用 `train_data.json` 和 `test_data.json` 进行模型训练和评估
2. 可通过 ModelScope SDK 或 Git 克隆方式下载数据集

## LlamaFactory 使用说明

如果您使用 LlamaFactory 框架进行训练，请按照以下步骤配置：

### 1. 在 LlamaFactory 的 `dataset_info.json` 中添加数据集配置

```json
{
  "train_data": {
    "file_name": "train_data.json",
    "formatting": "sharegpt",
    "columns": {
      "messages": "messages",
      "images": "images"
    },
    "tags": {
      "role_tag": "role",
      "content_tag": "content",
      "user_tag": "user",
      "assistant_tag": "assistant"
    }
  },
  "test_data": {
    "file_name": "test_data.json",
    "formatting": "sharegpt",
    "columns": {
      "messages": "messages",
      "images": "images"
    },
    "tags": {
      "role_tag": "role",
      "content_tag": "content",
      "user_tag": "user",
      "assistant_tag": "assistant"
    }
  },
}
```

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