OCR error with certain numbers

オープン 初心者向け
  • 何か問題がありますか？
#51 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
78/100
issue の種類
バグ
明瞭さ
明確に書かれている
活発さ
静か
技術スタック
huggingface
領域
data

調査の方向性

固定されたリビジョンで treasury_bulletins_parsed/transformed/treasury_bulletin_1954_02.txt を開き、Table 2 とリンクされた FRASER ページと併せて Table 3 を調べてください。同じ値について、対応する解析済み JSON を確認してください。January 1953 が 3632、February 1953 が 3501 であり、ベンチマーク計算が修正後の月間合計を反映していれば完了です。

索引モデルが issue の本文から書いたものです。

説明

Parsed February 1954 bulletin misreads January/February defense totals

Summary

At Hugging Face revision 763a8366abf2a3605c381d53586d844dc60fa756, the transformed February 1954 Treasury Bulletin contains two incorrect cells in Table 3.

Affected file

treasury_bulletins_parsed/transformed/treasury_bulletin_1954_02.txt

Pinned Hugging Face file

Original FRASER page

Incorrect values

The transformed Table 3 reports:

  • January 1953: 3532
  • February 1953: 3531

The original PDF visibly reports:

  • January 1953: 3,632
  • February 1953: 3,501

Table 2 in the same transformed file also contains the correct 3632 and 3501 values.

Benchmark impact

The incorrect values produce a 1953 monthly sum of 44,393, resulting in 1496.87% for UID0004.

The PDF values produce 44,463, resulting in 1499.39%, matching the benchmark ground truth.

Suggested fix

Please correct or regenerate these two transformed-text cells and check whether the corresponding parsed JSON contains the same error.

##screenshot:

Image
主要言語
Jupyter Notebook
スター
205
フォーク
17
30日以内にマージされた PR はありません

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

databricks/officeqa のほかの issue

databricks/officeqa の issue をすべて見る

似ている issue

Data Engineering の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。