admin 公司文档数据集
一、数据集概述
本数据集包含超过 2000 份公司文档图像，分为发票（Invoice）、库存报告（Inventory Report）、采购订单（Purchase Order）和发货标签（Shipping Label）四大类。适用于文档分类、OCR 文字识别和信息提取等任务。
二、基本信息
Kaggle 链接: https://www.kaggle.com/datasets/ayoubcherguelaine/company-documents-dataset
三、数据内容详情
文件夹结构
本数据集包含 1 个子文件夹，共计 2,676 个文件。
文件夹：CompanyDocuments
数据统计汇总
文件: company-document-text.csv
字段说明
数据样本（前3行）
四、数据类型与标注情况
五、应用场景
• OCR 光学字符识别模型训练与评估
• 文档自动分类与信息提取
• 营业执照、发票等证件文字自动化识别
• 企业文档数字化管理系统开发
• 智能审批与自动化办公流程
• 深度学习文档理解模型训练
六、使用建议
• 使用前请进行必要的数据清洗和预处理
• 建议查看数据集原始说明文档了解标注规范
• 表格数据请先检查缺失值和异常值
| 属性 | 值 |
|---|---|
| 数据集名称 | 公司文档数据集 |
| 本地文件数 | 2,677 个 |
| 类型 | 数量 |
|---|---|
| 文件总数 | 2,676 个 |
| 其他 | 2,676 个 |
| 子文件夹 | Inventory Report、invoices、PurchaseOrders、Shipping orders |
| 统计项 | 数值 |
|---|---|
| 子文件夹数 | 1 个 |
| 总文件数 | 2,676 个 |
| CSV总行数 | 2,676 行 |
| 属性 | 值 |
|---|---|
| 记录数 | 2,676 行 |
| 字段数 | 3 个 |
| 文件大小 | 12.7 MB |
| 字段名 | 说明 |
|---|---|
| text | |
| label | |
| word_count |
| text | label | word_count |
|---|---|---|
| order id 10718 shipping details ship name königlich essen ship address maubelstr. 90 ship city brandenburg ship region western europe ship postal code 14776 ship country germany customer details customer id koene customer name königlich essen employee details employee name nancy davolio shipper details shipper id 3 shipper name federal shipping order details order date 2017-10-27 shipped date 2017-10-29 products ————————————————————————————————– product queso manchego la pastora quantity 36 unit price 38 0 total 1368 0 ————————————————————————————————– product pavlova quantity 20 unit price 17 45 total 349 0 ————————————————————————————————– product inlagd sill quantity 40 unit price 19 0 total 760 0 ————————————————————————————————– product tarte au sucre quantity 20 unit price 49 3 total 986 0 total price total price 3463 0 | ShippingOrder | 120 |
| invoice order id 10707 customer id arout order date 2017-10-16 customer details contact name thomas hardy address 120 hanover sq. city london postal code wa1 1dp country uk phone 171 555-7788 fax 171 555-6750 product details product id product name quantity unit price 55 pâté chinois 21 24 0 57 ravioli angelo 40 19 5 70 outback lager 28 15 0 totalprice 1704 0 page 1 | invoice | 66 |
| order id 10448 shipping details ship name rancho grande ship address av. del libertador 900 ship city buenos aires ship region south america ship postal code 1010 ship country argentina customer details customer id ranch customer name rancho grande employee details employee name margaret peacock shipper details shipper id 2 shipper name united package order details order date 2017-02-17 shipped date 2017-02-24 products ————————————————————————————————– product gumbär gummibärchen quantity 6 unit price 24 9 total 149 39999999999998 ————————————————————————————————– product boston crab meat quantity 20 unit price 14 7 total 294 0 total price total price 443 4 | ShippingOrder | 96 |
| 属性 | 说明 |
|---|---|
| 数据格式 | CSV 表格数据 |
| 标注情况 | 结构化数据，字段即标签 |
