Queria
DatasetsShowcaseAI chatArea analysis
⌘K
All datasets府省の文書の全文検索
全文検索3
  • 文書
  • 文書のページの 2-gram
  • 文書のページ
About QueriaPricingGeocoderCompany ResolverTerms of ServicePrivacy PolicyCommercial TransactionsContactCommunity (Discord)

© 2026 FLOPS

gov_documents/search/pages文書のページ

Description

search.documents の PDF の本文をページごとにまとめたテーブルです。1 行が 1 つの PDF の 1 ページです。同じ中身の PDF は 1 回だけ持ちます。

  • text は各府省のデータセットが PDF から取り出して NFKC で正規化した本文です。段組みや図の中の文字は、読む順になっていないことがあります
  • chars は空白と改行を除いた文字数で、BM25 の文書の長さに使います
  • page_id は search.page_bigrams がページを指す番号です。ビルドのたびに振り直すので、ほかのデータセットからは sha256 と page で指してください
  • page_url で PDF の該当ページを開けます

Columns

Column name
Data type
Description
ページの番号
INTEGER
search.page_bigrams がページを指す番号。ビルドのたびに振り直す
PDF の sha256
VARCHAR
-
ページ
INTEGER
PDF の 1 始まりのページ番号
ページラベル
VARCHAR
PDF に付いている印刷上のページ番号
本文
VARCHAR
-
文字数
INTEGER
空白と改行を除いた本文の文字数
ページの URL
VARCHAR
-
Type
Table
License
  • 公共データ利用規約(第1.0版)
Original data
https://rssystem.go.jp

Table definition

CREATE TABLE search.pages (
  page_id INTEGER,
  sha256 VARCHAR,
  page INTEGER,
  page_label VARCHAR,
  text VARCHAR,
  chars INTEGER,
  page_url VARCHAR
);
Tables3LineageHistoryIssuesChange requests
queria/gov_documents府省の文書の全文検索
Star0