数据集概述
本数据集聚焦化学专利中的表格分类任务，包含七百八十八个带有内容类型标签的化学专利表格，提供分层划分的训练/验证/测试集及XML格式表格数据，支持自动化表格分类方法的研究与评估。
文件详解
- 文档文件：
- README.md：Markdown格式的说明文档，提供数据集JSON格式示例及字段说明，XML版本在'data'字段使用XML字符串替代三维列表。
- 压缩文件：
- 5-Folds目录：包含ChemTables_5_folds.zip（五折划分的表格数据）、ChemTables_xml_5_folds.zip（五折划分的XML格式表格数据）
- Full目录：包含ChemTables_full.zip（完整表格数据集）、ChemTables_xml_full.zip（完整XML格式表格数据集）
- Standard Split目录：包含ChemTables_standard_split.zip（标准划分的表格数据）、ChemTables_xml_standard_split.zip（标准划分的XML格式表格数据）
适用场景
- 自然语言处理研究：用于化学专利表格内容的自动分类算法开发与评估
- 化学信息学分析：辅助化学专利中关键表格信息（如光谱数据、药理作用）的快速检索
- 专利信息挖掘：提升化学专利文献中结构化数据的自动化处理效率
- 机器学习应用：作为表格分类任务的标准数据集，支持模型性能对比与优化
