kaihe/chinese_insurance_doc_parsing

本数据集清洗自天池实验室公共数据集 结合原数据集的标注和pdf文档解析工具，构造了alpaca格式的数据： Instuction: 下列是直接从pdf原文件中提取出的某保险条款原文，pdf文件的字体排版存在一些空间结构，直接转换成字符串后会导致条款原文非常难以阅读。请把内容重新组织成清晰可读的格式。要求如下： 第一行是保险公司的全称 第二行是保险产品名 章节和子章节的序号统一用数字1-9表示 章节序号和章节名写在同一行，用空格进行间隔；章节具体内容放在下一行 章节和章节之间空一行 input: 使用pdfminer直接提取的字符串 中国太平洋人寿保险股份有限公司 个人税收递延型养老年金保险（2018 版） 产品基本条款 第一条 合同构成 个人税收递延型养老年金保险（2018 版）产品合同（以下简称“本合同”）由保险单及 所附个人税收递延型养老年金保险（2018 版）产品基本条款（以下简称“本合同基本条款 （2018 版）”）、个人税收递延型养老年金保险（2018 版）产品账户利益条款（以下简称“本 合同账户利益条款（2018… See the full description on the dataset page: https://huggingface.co/datasets/kaihe/chinese_insurance_doc_parsing.