KuoKuoYeah/dcd-pdf-parse-demo
DCD arXiv Parse Demo Dataset arxiv、libgen、xiaoyi 等来源的原始 PDF 和 MinerU解析结果示例数据集，以 LanceDB 格式存储。 每个数据源包含五个 LanceDB 数据集及一份平台元数据文件： 数据集 / 文件 内容 pdfs.lance 原始 PDF 字节与可选追加的 layout PDF（id、pdf_bytes、sha256） pdf_labels.lance PDF 侧元数据与标注（id、info JSON、tags） text.lance MinerU Markdown 正文与 info（pdf_ids、image_ids 等） images.lance 图片原始字节（id / sha256 为图片字节摘要） image_labels.lance 图像内禀字段（info 含宽高、通道、字节数） dataset.yaml DCD 用数据集元数据 注意：各 *.lance 均为 目录，不是单个文件，这是 LanceDB 的存储格式。… See the full description on the dataset page: https://huggingface.co/datasets/KuoKuoYeah/dcd-pdf-parse-demo.
| Author / organization | KuoKuoYeah |
|---|---|
| License (as declared) | other |
| Downloads | 893 (as reported by Hugging Face) |
| Likes | 0 |
| Created | 17 April 2026 |
| Last updated at source | 5 May 2026 |
Popularity, last 2 days
893 now (-29 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.
Recent changes
- 16 Oct 2026 Description: DCD arXiv Parse Demo Dataset arxiv、libgen、xiaoyi 等来源的原始 PDF 和 MinerU解析结果示例数据集，以 LanceDB 格式存储。 每个数据源包含五个 LanceDB 数据集及一份平台元数据文件： 数据集 / 文件 内容 pdfs.lance 原始 PDF 字节与可选追加的 layout PDF（id、pdf_bytes、sha256） pdf_labels.lance PDF 侧元数据与标注（id、info JSON、 → DCD arXiv Parse Demo Dataset arxiv、libgen、xiaoyi 等来源的原始 PDF 和 MinerU解析结果示例数据集，以 LanceDB 格式存储。 每个数据源包含五个 LanceDB 数据集及一份平台元数据文件： 数据集 / 文件 内容 pdfs.lance 原始 PDF 字节与可选追加的 layout PDF（id、pdf_bytes、sha256） pdf_labels.lance PDF 侧元数据与标注（id、info JSON、
Changes detected by Silytics between refreshes of the source.
More from KuoKuoYeah
Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 17 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.