ichikara-ai/

ichikara-pdf2summary

2025 年 4 月 4 日株式会社いちから

ichikara-pdf2summary の定義を行う。ichikara-pdf2summary とは、文章イメージデータ（本データでは PDF ファイル）からその要点・要約を作る LLM の学習データである。文章イメージデータは日本の官公庁が発行しているものを使っており、官公庁のリストは以下の通りである。各官公庁から「データ数」に示されている PDF データを利用している。

組織名 英訳（フォルダ名） データ数

デジタル庁 DigitalAgency 15

内閣府 CAO 3

農林水産省 MAFF 1

文部科学省 MEXT 11

厚生労働省 MHLW 35

総務省 MIC 7

外務省 MOFA 13

法務省 MOJ 30

復興庁 ReconstructionAgency 10

バージョンは、ファイル名及びデータ… See the full description on the dataset page: https://huggingface.co/datasets/ichikara-ai/ichikara-pdf2summary.