Ground-truth-Unified-Tabular-Set (GUTS)

Ground-truth-Unified-Tabular-Set (GUTS): A novel benchmark for table header recognition.

Version

1.0

Preliminaries

#TODO: надо описать постановку задачи с точками зрения на разметку

Dataset statistics

#TODO: надо описать статистику набора в виде сводной таблицы (кол-во таблиц, столбцов, строк, ячеек, средняя длина значений ячеек, кол-во числовых ячеек и символьно-буквенных и т.п.)

Directory Structure

• sources contains a labeled dataset from three viewpoints on header identification:
  • expert contains labeled tables made by an independent expert (a data analyst);
  • measurement contains labeled tables in terms of measurement;
  • table_normalization contains labeled tables in terms of table normalization (converting tables to the first and second normal form):
    • example contains one example of manual table labeling from the viewpoint of table normalization;
    • generated_normalized_tables contains fragments of normalized tables generated by LLM (Qwen3.6-Plus and Qwen3.7-Plus) as examples;
    • rdf contains RDF data schemas in the RDF/XML format;
    • visual_schemes contains visual data schemas;
    • xlsx contains labeled tables with marked headers.

Usage

#TODO: надо описать для чего может использоваться данный набор

Authors

• Ilia I. Okhotin
• Nikita O. Dorodnykh
• Aleksandr Yu. Yurin

References

#TODO: тут потом надо будет вставить ссылку на публикацию