Estados textuais e perguntas de decisão tipada para treinar um extrator no formato Jev. A fonte cobre timelines processuais, documentos de timeline, fragmentos OCR e questões de concurso.
Dataset Card
Estados textuais e perguntas de decisão tipada para treinar um extrator no formato Jev. A fonte cobre timelines processuais, documentos de timeline, fragmentos OCR e questões de concurso. Os exemplos foram gerados por um único modelo professor, com filtros locais; este release não é uma avaliação humana. Validação: 0.9999% dos estados, no máximo 1%. Todas as linhas da mesma família documental ou processo ficam no mesmo split. Não há splits de calibração ou teste. O snapshot termina no ID 327039 do banco e está descrito em manifest.json. state é o texto de entrada. questionsjson é um array JSON de perguntas com id, type, instructions, criteria, target, labelsource="dataset" e weight=0.5.…
Excerpt from the card by Potelo.
Structure
default 265,915 rows
| Split | Rows | Size |
|---|---|---|
| train | 263,256 | 3.4 GB |
| validation | 2,659 | 31.5 MB |
Details
- Repository
- potelo/extracao_estruturada
- Publisher
- Potelo
- Task category
- Text classification
- Tags
- Not stated by the source
- Size category
- 100K<n<1M
- Languages
- pt
- Revision
- f70501895b8a22d0207b2762c9d6391cc7de479e
- Last updated
- 2026-09-26
Files
5 files, 991.6 MB in total.
Every file
| File | Type | Size | SHA-256 |
|---|---|---|---|
| manifest.json | Data | 2.3 KB | — |
| train.parquet | Data | 983.1 MB | 0ee41860ad7b |
| validation.parquet | Data | 8.5 MB | 848f39eb2b49 |
| README.md | Documentation | 2.7 KB | — |
| .gitattributes | Repository | 2.5 KB | — |
License and Download
- License
- Not stated by the source
- Access
- No access gate
Released by Potelo through its official repository on Hugging Face.