Zenng2812/vietnamese-financial-report-page-classifier

Vietnamese Financial Report Page Classifier Dataset

Dataset này dùng để huấn luyện mô hình phân loại từng trang trong báo cáo tài chính doanh nghiệp Việt Nam đã được OCR/convert sang Markdown.

Dataset Format

Mỗi dòng là một JSON object:

{"text": "...", "label": "balance_sheet", "important": 3}

Fields text: nội dung một trang báo cáo tài chính ở dạng Markdown/OCR text. label: loại trang. important: mức độ quan trọng của trang. Labels cover toc companyinformation managementreport auditreport balancesheet incomestatement cashflowstatement accountingpolicynotes financialdetailnotes revenueexpensenotes equityrelatedpartysegmentnotes blankor_unusable other Important Scale 0: không quan trọng, có thể bỏ. 1: ít quan trọng, chủ yếu là thông tin nền. 2: quan trọng, có số liệu hoặc thuyết minh tài chính nên giữ. 3: rất quan trọng, bắt buộc giữ để phân tích tài chính. Splits Train: 757 Validation: 89 Test: 108 Total: 954 Intended Use

Dataset được thiết kế cho bài toán:

Phân loại trang báo cáo tài chính. Chọn trang quan trọng trước khi trích xuất số liệu. Xây dựng pipeline tóm tắt báo cáo tài chính có kiểm soát dữ liệu. Notes

Dữ liệu được sinh/gán nhãn từ các trang báo cáo tài chính OCR/Markdown. Cần kiểm tra thủ công thêm nếu dùng cho hệ thống sản xuất.