Datasets:

NomaDamas
/

ko-vdr-train-public-v2.0

query_id int64 9 271k	source_type stringclasses 2 values	query_type stringclasses 7 values	query_format stringclasses 3 values	query stringlengths 0 226	doc_id stringclasses 49 values	image_id int64 3 8.9k	markdown stringlengths 69 44.7k	elements stringlengths 225 44.6k	page_number_in_doc int64 1 768
41,859	summary	boolean	instruction	30인 이상 상용근로자를 보유한 기업의 1인당 평균 월별 법정외 복지비용이 10~29인 규모 기업보다 높은지 판단해 주세요.	2024_회계연도_기업체노동비용조사_보고서	3,818	122 3. 기업규모·산업 · 내역별 근로자 1인당 Average monthly non-statutory welfare benefits per \| 기 업 규 모 Enterprise size \| 1 규모(상용근로자 10~29인) <br>10 to 29 permanent employees \| \| --- \| --- \| \| 산 업 Industry \| 법정외 복지비용 Non-statutory welfare benefits \| 법정외 복지비용 Non-statutory welfare benefits \| 법정외 복지비용 Non-statutory welfare benefits...	{'category': 'header', 'content': {'html': '', 'markdown': '122', 'text': ''}, 'coordinates': array([{'x': 0.1285, 'y': 0.0648}, {'x': 0.163, 'y': 0.0648}, {'x': 0.163, 'y': 0.08}, {'x': 0.1285, 'y': 0.08}], dtype=object), 'id': 0.0, 'page': 1.0}	131
123,982	summary	multi-hop	question	CAP 기반 조정이 Jensen‑Shannon 발산을 활용한 분포 유사성 검증에 어떤 영향을 미치는가?	합성데이터_생성활용_안내서(2024.12)	3,950	# ② 연결(Linkability) 위험도 - ▶공격자가 원본데이터의 준식별자를 알고 있을 때, 합성데이터를 통해 개인의 민감정보를 유추해 - 낼 위험성을 나타냄 - ▶ 연결 위험도는 아래 CAP(Correct Attribution Probability)8)으로 측정할 수 있음 - ▶ CAP은 준식별자, 민감정보는 모두 범주형일 때 적용할 수 있음(수치형은 적절한 범주화후 계산해야 함) $$\begin{array}{c}{{\Phi^{\begin{array}{c}{{\alpha}}}\end{array}}}\\ {{\Phi^{\begin{array}{c}{{\sum...	{'category': 'paragraph', 'content': {'html': '', 'markdown': '5. CAP은 원본 레코드 단위로 계산되고, 임계값 기준보다 높은 레코드는 해당 합성 레코드를 일부 삭제\n하여 CAP을 임계값 이내로 낮출 수 있음', 'text': ''}, 'coordinates': array([{'x': 0.1561, 'y': 0.5133}, {'x': 0.8593, 'y': 0.5133}, {'x': 0.8593, 'y': 0.5473}, {'x': 0.1561, 'y': 0.5473}], dtype=obje...	66
236,759	summary	boolean	question	소상공인 음식점업 체감경기 회복세가 온라인 음식서비스 성장률 확대와 소매판매액 내 비내구재 성장세 강화에 기여했는가?	내지-KOSI_중소기업동향_2026년_2월호	6,891	I. 부문별 중소기업 동향 \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| 온라인쇼핑 거래액(상품군별) \| \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| ...	{"category": "paragraph", "content": {"html": "", "markdown": "주: 1) 서비스는 여행 및 교통서비스, 문화 및 레저서비스, e쿠폰서비스, 음식서비스, 기타서비스로 구분\n2) 음식서비스는 온라인 주문 후 조리되어 배달되는 음식(피자, 치킨 등)\n3) 괄호는 전년동기대비 증가율\n자료: 국가데이터처, 온라인쇼핑동향조사", "text": ""}, "coordinates": [{"x": 0.0949, "y": 0.5981}, {"x": 0.7466, "y": 0.5981}, {"x": 0.7466, "y": 0.6506...	15
269,909	context	numerical	question	기동화력 무기체계와 유도무기 무기체계의 1단계(2019~2021) 부품 국산화율 목표치와 달성치는 각각 어떻게 달랐나요?	2022년도국가연구개발사업상위평가보고서(중간평가)_최종	5,877	2022년도 국가연구개발사업 상위평가 보고서 -중간평가- \| 구 분 \| 내용 \| 내용 \| 내용 \| 내용 \| \| --- \| --- \| --- \| --- \| --- \| \| 단계별 성과지표 \| 1단계 (2019~2021) 성과지표명 \| 단위 \| 목표치 \| 달성 \| \| 단계별 성과지표 \| 계획 대비 진척도 \| % \| 96.0 \| 96.0 \| \| 단계별 성과지표 \| 요구 성능 달성도 \| % \| 100.0 \| 99.3 \| \| 단계별 성과지표 \| 연구개발 결과 신뢰도 \| % \| 100.0 \| 100.0 \| \| 단계별 성과지표 \| 부품 국산화율 \| % \| 89.8 \| 75.0 \|...	[{'category': 'header', 'content': {'html': '', 'markdown': '2022년도 국가연구개발사업 상위평가 보고서 -중간평가-', 'text': ''}, 'coordinates': [{'x': 0.1508, 'y': 0.0873}, {'x': 0.5521, 'y': 0.0873}, {'x': 0.5521, 'y': 0.1046}, {'x': 0.1508, 'y': 0.1046}], 'id': 0, 'page': 1}, {'category': 'table', 'content': {'html': '', 'markdown': '\| 구...	206
91,857	summary	enumerative	instruction	음성 기반 생체인식정보를 인증·식별 목적 외에 감정·상태 분석에만 사용할 경우 원본 음성과 추출된 특징점은 각각 어떤 보호 조치를 받아야 하나요?	생체정보_보호_안내서(2024.12)	4,034	III. 생체인식정보 보호 조치(개인정보처리자 및 제조사) 39 # 13 원본정보 보관 시 분리보관 권장 안전성 특징정보 생성시 원본정보를 파기하지 않고 보관하는 경우, 원본정보 유출에 따른 피해를 최소화 하기 위하여 원본정보는 해당 이용자의 다른 개인정보와 분리하여 별도로 저장·관리 권장 - ● 물리적으로 분리하여 보관하는 것을 원칙으로 하고, 불가피한 경우 물리적 분리와 대등한 수준으로 - 논리적으로 분리하여 보관 가능 - ● 분리 보관된 원본정보에 대한 접근권한을 최소화하고 접근 통제 및 외부 해킹방지 등의 보호조치 이행 - ● 이용자의 원본정보...	{'category': 'paragraph', 'content': {'html': '', 'markdown': '권장', 'text': ''}, 'coordinates': array([{'x': 0.7843, 'y': 0.1386}, {'x': 0.8155, 'y': 0.1386}, {'x': 0.8155, 'y': 0.1534}, {'x': 0.7843, 'y': 0.1534}], dtype=object), 'id': 2.0, 'page': 1.0}	40
21,547	context	compare-contrast	instruction	안전보장이사회와 경제사회이사회의 의결 절차 및 투표권 구조를 비교하라.	(최종)UN개황(2019)-내지-최종(웹용)	3,075	UNITED NATIONS # 4. 경제사회이사회의 각 이사국은 1인의 대표를 가진다. # 임무와 권한 # 제 62 조 - 1. 경제사회이사회는 경제, 사회, 문화, 교육, 보건 및 관련 국제사항에 관한 연구 및 보고를 하거나 - 또는 발의할 수 있으며, 아울러 그러한 사항에 관하여 총회, 국제연합 회원국 및 관계전문기구에 - 권고할 수 있다. - 2. 이사회는 모든 사람을 위한 인권 및 기본적 자유의 존중과 준수를 촉진하기 위하여 권고할 수 있다. - 3. 이사회는 그 권한에 속하는 사항에 관하여 총회에 제출하기 위한 협약안을 작성할 수 있다. - 4. 이사...	[{'category': 'header', 'content': {'html': '', 'markdown': 'UNITED NATIONS', 'text': ''}, 'coordinates': [{'x': 0.0647, 'y': 0.0753}, {'x': 0.1316, 'y': 0.0753}, {'x': 0.1316, 'y': 0.0903}, {'x': 0.0647, 'y': 0.0903}], 'id': 0, 'page': 1}, {'category': 'heading1', 'content': {'html': '', 'markdown': '# 4. 경제사회이사회의 각 이...	135
224,586	summary	enumerative	keyword	잔류농약 분석 기관 친환경 재배 방법 저장 용기별 부패율 병원균 기주 특성	경상북도_(PDF)인삼재배전서_20210825	7,065	인삼재배전서 214 제8장 인삼 병해충 과 방제 215 # 1) 기주 기주()는 병원균이 양분을 섭취하 면서 기생할 때 양분을 빼앗기는 쪽의 생명체를 이르는 말이다. 식물 병원균의 기주는 식물체이며, 인삼 병 원균의 기주는 인삼 식물체가 되는 것이다. 식물체는 그 종류나 품종에 따 라서 특정한 미생물 종에 대하여 기주가 되기도 하고 비기주가 되기도 한 다. 즉, 어떤 미생물이 인삼에 기생하여 병을 일으킬 수 있는 성질을 가진 다면 기주가 되는 인삼은 이 미생물에 대하여 감수성 (感受性)을 가진다고 말한다. 어떤 환경에서도 이 미생물에 감염되거나 피해를 받지 않는...	{"category": "paragraph", "content": {"html": "", "markdown": "기주()는 병원균이 양분을 섭취하 면서 기생할 때 양분을 빼앗기는\n쪽의 생명체를 이르는 말이다. 식물 병원균의 기주는 식물체이며, 인삼 병\n원균의 기주는 인삼 식물체가 되는 것이다. 식물체는 그 종류나 품종에 따\n라서 특정한 미생물 종에 대하여 기주가 되기도 하고 비기주가 되기도 한\n다. 즉, 어떤 미생물이 인삼에 기생하여 병을 일으킬 수 있는 성질을 가진\n다면 기주가 되는 인삼은 이 미생물에 대하여 감수성 (感受性)을 가진다고\n말한다. 어떤 환...	115
919	context	open-ended	instruction	다면평가 익명성 보장 절차와 평가자에게 제공해야 할 구체적 정보를 설명하시오.	2025년_지방공무원_인사실무	3,464	」 평가척도 구간 설명 예시 \| 평가 척도 \| 수 준 \| 설 명 \| \| --- \| --- \| --- \| \| 10~9점 \| 탁월한 수준 \| 모든 기대수준을 훨씬 상회하여 매우 우수함 \| \| 8~7점 \| 우수한(높은) 수준 \| 기대수준을 대부분 충족시키며 일부에서는 기대수준을 훨씬 뛰어넘음 \| \| 6~5점 \| 보통(적절한) 수준 \| 기대수준을 충족시킴 \| \| 4~3점 \| 미흡(낮은)한 수준 \| 기대수준에 미치지 못하나 일부에 대해서는 기대수준을 충족함 \| \| 2~1점 \| 불량(전혀 없는 수준) \| 기대수준에 전혀 도달하지 못함 \| \| N \| 무응답(알수 없음) \| 평가...	[{'category': 'paragraph', 'content': {'html': '', 'markdown': '」 평가척도 구간 설명 예시', 'text': ''}, 'coordinates': [{'x': 0.1392, 'y': 0.1302}, {'x': 0.3624, 'y': 0.1302}, {'x': 0.3624, 'y': 0.1508}, {'x': 0.1392, 'y': 0.1508}], 'id': 0, 'page': 1}, {'category': 'table', 'content': {'html': '', 'markdown': '\| 평가 척도 \| 수 준 \| ...	298
38,427	summary	enumerative	question	서부산·중부산·동부산 각 권역의 조사 완료 현황을 월별로 나열하고, 해당 지역의 주요 관광 특성은 무엇인가요?	1.조사요약(2024부산방문관광객실태조사)	517	# 2024 부산방문 관광객 실태조사 \| 제1장, 조사개요 2) 조사 장소별 완료 현황 ① 내국인 [표1-7] 조사월 * 조사장소별 조사완료 현황(내국인) \| 구 분 \| 구 분 \| 7월 \| 8월 \| 9월 \| 10월 \| 11월 \| 12월 \| 월별 합계 \| 권역별 합계 \| \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| \| 전 체 \| 전 체 \| 213 \| 200 \| 150 \| 150 \| 200 \| 150 \| 1063 \| 1063 \| \| A. 서부산 권역 \| 김해공항 \| 25 \| 12 \| 12 \| 7 \|...	{'category': 'footer', 'content': {'html': '', 'markdown': '- 8 -', 'text': ''}, 'coordinates': array([{'x': 0.4758, 'y': 0.9353}, {'x': 0.5249, 'y': 0.9353}, {'x': 0.5249, 'y': 0.95}, {'x': 0.4758, 'y': 0.95}], dtype=object), 'id': 5.0, 'page': 1.0}	24
21,060	context	extractive	instruction	완전 합성 데이터와 부분 합성 데이터가 각각 어떤 법적 성격을 가지며, 이를 구분하기 위해 어떤 기준을 설정해야 하나요?	합성데이터_생성활용_안내서(2024.12)	3,905	데이터의 안전한 활용을 위한 합성데이터 생성·활용 안내서 # 4. 합성데이터 생성·활용 시 고려사항 1 (법적 성격) 합성데이터는 개인정보 보호 강화기술(PET, Privacy Enhancing Technology)의 하나로, 개인정보 침해 위험 없이 안전하게 데이터를 활용하는 방법임 ·현행법 체계 상 완전 합성데이터의 경우 설정된 안전성 수준에 따라 익명정보 또는 가명정 보로 판단될 수 있음 ※ 부분 합성데이터는 개인정보가 포함돼 있을 가능성 때문에 단순히 익명 또는 가명정보로 분류하는 것이 적절치 않음 ·합성데이터는 유형에 맞는 생성방법론, 정량·정성 검...	[{'category': 'header', 'content': {'html': '', 'markdown': '데이터의\n안전한\n활용을\n위한\n합성데이터\n생성·활용\n안내서', 'text': ''}, 'coordinates': [{'x': 0.0424, 'y': 0.0544}, {'x': 0.0667, 'y': 0.0544}, {'x': 0.0667, 'y': 0.2806}, {'x': 0.0424, 'y': 0.2806}], 'id': 0, 'page': 1}, {'category': 'heading1', 'content': {'html': '', 'markdo...	21
243,816	summary	numerical	instruction	서울시 심야 자율주행버스 노선의 정류장 수가 전체 시내버스 정류소 수에서 차지하는 비율을 계산하라.	데이터에_담긴_서울교통_2023	8,872	자율주행자동차 운영 현황 # 청계천 자율주행셔틀버스 청계천에서는 3대의 자율주행셔틀버스가 청계광장부터 청계5가(광장시장) 까지 왕복 운행을 하고 있습니다. ![image](/image/placeholder) <figcaption> <p class="figure-type">map,diagram,infographic</p> <p class="figure-description">This is a stylized, color-coded route map of a major urban area in South Korea, likely Seoul, sh...	{"category": "figure", "content": {"html": "", "markdown": "![image](/image/placeholder)\n\n <figcaption>\n <p class=\"figure-type\">natural image,vehicle,urban scene,nighttime photograph,public transportation</p>\n <p class=\"figure-description\">A white SUM brand city bus is captured at night, stopped at a bus...	10
224,343	summary	compare-contrast	instruction	한국 전통 의서의 인삼 명칭 '심'과 현대 수삼 드레싱·삼계탕 조리법의 건강 기능성 활용 방식을 비교 분석하라.	경상북도_(PDF)인삼재배전서_20210825	7,101	인삼재배전서 282 밤은 겉껍질만 벗기고 대추는 씻는다. 잣은 마른 행주로 깨끗이 닦는 다. 마늘은 껍질을 벗겨 씻는다. # (5) 닭 뱃속에 부재료 넣기 닭의 뱃속에 밤, 대추, 잣, 은행, 마늘을 넣어 양다리를 서로 엇갈리게 고정시켜 내용물이 밖으로 나오지 않게 한다. # (6) 삼계탕 끓이기 솥에 닭을 앉히고 닭이 넉넉히 잠길 정도로 물을 붓는다. 당귀와 미삼 을 넣고, 불려놓은 찹쌀과 수삼은 거즈에 싸서 국물에 넣어 쌀이 푹 퍼질 때까지 끓인다. 처음에는 센 불에서 끓인 뒤 불을 약하게 줄여 푹 무르도록 2시간 정도 끓인다. 마른 삼을 쓸 때는 물에 ...	{"category": "heading1", "content": {"html": "", "markdown": "# (6) 삼계탕 끓이기", "text": ""}, "coordinates": [{"x": 0.0728, "y": 0.294}, {"x": 0.1645, "y": 0.294}, {"x": 0.1645, "y": 0.3159}, {"x": 0.0728, "y": 0.3159}], "id": 4.0, "page": 1.0}	151
7,718	context	extractive	instruction	수송용 에너지소비에서 화물운송업, 철도운송업, 수상운송업 중 경유 사용량이 가장 많은 부문과 전력 사용량이 가장 높은 부문은 각각 무엇인가요?	기후에너지환경부_에너지총조사_20241130	2,544	1. 운수업 # 1-1-2-2. Energy Consumption for Building \| 수상운송업 \| 내항여객 \| 내항화물 \| 외항여객 \| 외항화물 \| \| \| --- \| --- \| --- \| --- \| --- \| --- \| \| \| \| \| \| \| Briquette \| \| \| \| \| \| \| Kerosene \| \| 7.2 \| \| \| \| \| Diesel \| \| \| \| \| \| \| Bunker-A \| \| \| \| \| \| \| Bunker-B \| \| \| \| \| \| \| Bunker-C \| \| \| \| \| \| \| JA...	[{'category': 'header', 'content': {'html': '', 'markdown': '1. 운수업', 'text': ''}, 'coordinates': [{'x': 0.8072, 'y': 0.0561}, {'x': 0.8751, 'y': 0.0561}, {'x': 0.8751, 'y': 0.0715}, {'x': 0.8072, 'y': 0.0715}], 'id': 0, 'page': 1}, {'category': 'heading1', 'content': {'html': '', 'markdown': '# 1-1-2-2. Energy Consump...	429
267,868	context	multi-hop	keyword	스튜디오드래곤 CJ ENM계열 채널과 제이콘텐트리 JTBC 계열사 간 수직계열화 양상 비교	(최종보고서)_디지털미디어_허브_조성을_위한_빛마루_중장기_전략_연구	6,276	작하였으며, 그 이후 2011년부터는 JTBC 드라마만을 제작하였고, 2012년 부터는 연간 4편 정도를 꾸준히 제작함 0 2014년에는 총 6편의 드라마를 제작하여 방영하였으며, 2008년 이후로 가 장 많은 드라마를 제작한 것으로 집계되었고, 제이콘텐트리가 2008년부터 제작한 드라마는 총 29편으로 JTBC 드라마의 비중이 93.1% 차지하여, 전형적인 계열사 내부 공급 중심의 가치사슬을 보여주는 것이라 할 수 있음 \| 방송사 \| 2008 \| 2009 \| 2010 \| 2011 \| 2012 \| 2013 \| 2014 \| 2015 \| 2016 \| 2017 \| 20...	[{'category': 'paragraph', 'content': {'html': '', 'markdown': '작하였으며, 그 이후 2011년부터는 JTBC 드라마만을 제작하였고, 2012년\n부터는 연간 4편 정도를 꾸준히 제작함', 'text': ''}, 'coordinates': [{'x': 0.1659, 'y': 0.1118}, {'x': 0.8718, 'y': 0.1118}, {'x': 0.8718, 'y': 0.1596}, {'x': 0.1659, 'y': 0.1596}], 'id': 0, 'page': 1}, {'category': 'paragraph...	103
256,865	summary	compare-contrast	keyword	이대남 용어 확산 경로와 청년 공약 중요도의 연령대별·정치성향별 비교	한국언론진흥재단_미디어이슈_이대남_현상에_대한_인식_20220323	5,022	4 MEDIA ISSUE 8권 2호 응답자들이 어떤 경로를 통해 '이대남'이라는 용어를 많이 접했는지를 알아보기 위해 용어를 알고 있었던 647명에 게 총 7개의 보기를 제시하고 자신에게 해당되는 것을 모두 선택하게 했다. 그 결과, TV뉴스, 신문기사, 온라인기사 등 의 언론 보도를 선택한 비율이 73.4%로, 다른 경로들 대비 눈에 띄게 높은 경향이 관찰됐다. 2위부터는 모두 절반 이 하의 비율을 보였는데, 방송 시사·토론 프로그램(45.6%), SNS나 블로그 게시물(38.2%), 온라인 카페/커뮤니티 게 시물(34.0%) 등이 언론 보도의 뒤를 이었다. 이...	{"category": "paragraph", "content": {"html": "", "markdown": "(단위: %)", "text": ""}, "coordinates": [{"x": 0.8432, "y": 0.3189}, {"x": 0.8963, "y": 0.3189}, {"x": 0.8963, "y": 0.3333}, {"x": 0.8432, "y": 0.3333}], "id": 4.0, "page": 1.0}	4
120,951	summary	multi-hop	instruction	합성데이터 생성 후처리 절차와 교육용으로 만든 가상 차주 시계열 데이터의 품질 유지 방법은 어떻게 연계되는가?	합성데이터_생성활용_안내서(2024.12)	3,900	# 2 (처리 목적) 공개용, 특정 기관 내부에서 분석 및 AI 학습용, 교육용, 기술 검증용 등으로 구분1) 공개용 합성데이터 : 불특정 다수가 사용할 수 있도록 공개용으로 만들어진 데이터 # ※ 공개용 사례 (통계청) - ▶ (활용목적) 정보공개로 인한 개인정보 노출 최소화 등을 위한 합성데이터 활용방안 연구 - ▶ (합성데이터 내용) 기업통계등록부에 포함된 숙박 및 음식점 사업체로 합성데이터 생성 - ▶ (공개 서비스 기간) '23. 6. 28(수) ~ 9.30(토) 기간에 한시적으로 다운로드 허용 통계 분석 및 학습용 합성데이터 : 특정 기관 내부 활...	{'category': 'heading1', 'content': {'html': '', 'markdown': '# ※ 교육용 사례 (B사)', 'text': ''}, 'coordinates': array([{'x': 0.1846, 'y': 0.4844}, {'x': 0.314, 'y': 0.4844}, {'x': 0.314, 'y': 0.4981}, {'x': 0.1846, 'y': 0.4981}], dtype=object), 'id': 8.0, 'page': 1.0}	16
86,195	summary	open-ended	question	식품·음료 제조업과 수상 운송 부문에서 주요 에너지원으로 사용되는 연료는 각각 무엇이며, 두 부문의 에너지 사용 패턴이 크게 차이나는 이유는 무엇인가요?	기후에너지환경부_에너지총조사_20241130	2,544	1. 운수업 # 1-1-2-2. Energy Consumption for Building \| 수상운송업 \| 내항여객 \| 내항화물 \| 외항여객 \| 외항화물 \| \| \| --- \| --- \| --- \| --- \| --- \| --- \| \| \| \| \| \| \| Briquette \| \| \| \| \| \| \| Kerosene \| \| 7.2 \| \| \| \| \| Diesel \| \| \| \| \| \| \| Bunker-A \| \| \| \| \| \| \| Bunker-B \| \| \| \| \| \| \| Bunker-C \| \| \| \| \| \| \| JA...	{'category': 'table', 'content': {'html': '', 'markdown': '\| 수상운송업 \| 내항여객 \| 내항화물 \| 외항여객 \| 외항화물 \| \|\n\| --- \| --- \| --- \| --- \| --- \| --- \|\n\| 31.2 \| 3.6 \| 4.0 \| 0.1 \| 20.6 \| Total \|\n\| \| \| \| \| \| Briquette \|\n\| 0.1 \| \| \| \| \| Sub-total(Petroleum) \|\n\| \| \| \| \| \| Kerosene \|\n\| 0.1 \| \| \| \| \| Diesel \|\n\| \|...	429
118,570	summary	enumerative	instruction	2024년 공공기관 및 공공시스템 운영기관에서 발생한 개인정보 유출 신고에 대한 보안 위반 항목과 각 항목에 대응되는 예방 대책을 모두 나열하시오.	한국인터넷진흥원_개인정보_유출_신고_동향_및_예방_방법_20241231	3,866	# 사례 원인 해커가 웹 셸(Web Shell) 공격을 통해서 개인정보 유출 위반 웹 셸 등 악성 파일이 설치되지 않도록 업로드 파일의 확장자 제한, 누리집 보안 취약점 점검·개선 등을 이행하지 않음 # 사례 \| 원인 \| 크리덴셜 스터핑(Credential Stuffing) 공격과 크로스 사이트 스크립팅(XSS, Cross Site Scripting) 공격으로 개인정보 유출 \| \| --- \| --- \| \| 위반-① \| 누리집에 침입탐지·차단시스템 등 보안시스템을 설치하였으나, 보안정책 설정·운영 소홀 등으로 단시간 발생한 과도한 로그인 시도 등을 탐지·차단하지 ...	{'category': 'heading1', 'content': {'html': '', 'markdown': '# 사례', 'text': ''}, 'coordinates': array([{'x': 0.139, 'y': 0.6365}, {'x': 0.2013, 'y': 0.6365}, {'x': 0.2013, 'y': 0.6544}, {'x': 0.139, 'y': 0.6544}], dtype=object), 'id': 8.0, 'page': 1.0}	26
44,647	summary	numerical	instruction	2023년 전 세계 국방비와 페루가 한국으로부터 수입한 방산물자 규모를 비교하여 페루가 차지하는 비중을 계산하라.	2025_산업보고서(방위산업)_라틴아메리카_협력센터	1,986	I. 세계 방산시장 현황 (세계 국방비 현황) - <label><input type="checkbox"> 2023년 전 세계 국방비는 전년 대비 6.8% 증가하여 2조 4,430억 달러를 기록하였으며 이는 전 세계 국가 GDP의 2.3% 수준</label> 0 세계 국방비는 최근 지속적인 증가세를 보여왔으며, ▲ 러-우 전쟁, ▲ 이스라엘-하마스 분쟁 및 ▲ 미-중 패권 경쟁 등과 같은 지정학적 불안이 지속되어 2023년 국방비는 2009년 이후 가장 높은 증가율을 기록 - 가장 많은 국방비를 지출한 권역은 미주(북미 및 중남미 · 카리브 지역)로 전체 국방...	{'category': 'paragraph', 'content': {'html': '', 'markdown': 'I. 세계 방산시장 현황', 'text': ''}, 'coordinates': array([{'x': 0.1077, 'y': 0.049}, {'x': 0.4062, 'y': 0.049}, {'x': 0.4062, 'y': 0.076}, {'x': 0.1077, 'y': 0.076}], dtype=object), 'id': 0.0, 'page': 1.0}	2
49,720	summary	enumerative	question	에콰도르 제약 산업에서 GMP 인증을 받은 상위 5개 기업 중 국내 생산 비중이 높은 제품군은 무엇인가요?	2025_산업보고서(제약바이오)_라틴아메리카_협력센터	3,878	- - 장기간에 걸친 제네릭의약품 확대 전략은 공공 및 민간 의료부문에 제네릭 - 의약품 중심의 대량 소비(유통) 구조를 형성했으며, 동 의약품에 대한 환자들의 - 신뢰 기반 구축에 기여21) 0 콜롬비아 제약 시장에서 활동하는 400여 개의 제약사 중 67%가 현지 기업이며, 소비하는 의약품의 80%를 국내에서 생산할 정도로 탄탄한 산업 기반 구축22) - 그러나, 바이오의약품을 포함한 고가의 전문의약품 등의 수입 의존도가 높음. 특히, 의약품 활성성분(API)23), 용기 및 포장재료에 대한 수입 의존도가 80%에 달하며 국제가격 및 환율 변동, 물류비용 등...	{'category': 'paragraph', 'content': {'html': '', 'markdown': '- 한편, 에콰도르 국가필수의약품에 등재된 900개의 의약품 중 약 절반가량은\n국내에서 제조되나, 주로 일반의약품(OTC) 및 진통제, 항생제, 연고 등 일상적으로\n사용되는 의약품 군으로 구성', 'text': ''}, 'coordinates': array([{'x': 0.1387, 'y': 0.6833}, {'x': 0.9083, 'y': 0.6833}, {'x': 0.9083, 'y': 0.7588}, {'x': 0.1387, 'y': ...	6
89,304	summary	boolean	question	자율주행차 카메라 시스템이 운전자의 피로도·졸음 데이터를 수집·저장할 경우, 생체인식정보와 동등한 보호조치를 적용하려면 어떤 별도 동의 절차와 암호화 관리가 필요한가요?	생체정보_보호_안내서(2024.12)	4,032	III. 생체인식정보 보호 조치(개인정보처리자 및 제조사) 37 # 4 생체인식정보 보관·파기 단계 - ● 생체인식정보의 보관 시 안전한 알고리즘으로 암호화하여 저장 - · 특징정보가 생성된 경우, 원본정보는 그 목적이 달성된 것으로 볼 수 있으므로 지체 없이 복구 - 또는 재생되지 않도록 파기하는 것이 원칙 - · 법적 근거가 있거나 이용자의 동의를 받아 원본정보를 보관하는 경우, 해당 이용자의 다른 개인 - 정보와 분리하여 저장·관리 # 11 생체인식정보 저장 시 암호화 의무 안전성 생체인식정보 보관 시, 제3자에 의한 위·변조, 유출 등의 침해 방지...	{'category': 'paragraph', 'content': {'html': '', 'markdown': '안전성', 'text': ''}, 'coordinates': array([{'x': 0.8314, 'y': 0.3849}, {'x': 0.8718, 'y': 0.3849}, {'x': 0.8718, 'y': 0.3997}, {'x': 0.8314, 'y': 0.3997}], dtype=object), 'id': 5.0, 'page': 1.0}	38
78,095	summary	boolean	question	베트남에서 복리후생 급여가 근로소득으로 간주될 경우 반드시 신고해야 하며, 인도에서 고정사업장이 아닌 경우에도 외국세액공제를 받을 수 있는가?	국토교통부_해외건설_세무업무_매뉴얼_20220404	52	104 제3부 해외진출 국가별 주요 세무 · 베트남 세무 제3장 개인소득세 105 3.2 과세연도 베트남의 과세연도(Tax year)는 1역년(1.1~12.31) 기준이다. 그러나 첫 입국일로부터 연 말까지 베트남 체류가 183일 미만인 경우에는 입국 첫해에 한하여 개인의 과세연도는 입 국일로부터 첫 12개월 기간이며, 이후부터 과세연도는 1역년(1.1~12.31) 기준이 된다. 거주자의 과세기간은 다음과 같이 적용한다(개인소득세법 7조1항) - ① 1년 단위 합산과세 : 사업소득, 근로소득 - ② 소득발생시 개별과세 : 자본투자소득, 자본양도소득, 부동산...	{'category': 'paragraph', 'content': {'html': '', 'markdown': '세무 Tip 복리후생 급여 중 근로소득으로 간주되는 지급에 대하여 개인소득세 신고를 해\n야 한다. 회사는 현지 파견 직원의 개인소득세 신고를 대행해 주어야 한다. 개인소득세 신고를\n누락하면 세무조사의 대상이 된다.', 'text': ''}, 'coordinates': array([{'x': 0.6233, 'y': 0.243}, {'x': 0.9555, 'y': 0.243}, {'x': 0.9555, 'y': 0.3091}, {'x': 0.6...	53
53,694	summary	extractive	question	에콰도르에서 의약품이 공공조달에 참여하려면 어떤 GMP 요건을 충족해야 하고, 그 GMP 요건이 건강보험 급여 대상 목록에 등재되는 과정과 어떤 연관이 있나요?	2025_산업보고서(제약바이오)_라틴아메리카_협력센터	3,879	# 에콰도르는 SERCOP(조달청) 전자플랫폼을 통해 의약품 공공조달을 시행 - 보건부 및 IESS(사회보장청)이 전국 공공의료기관의 수요를 모아 대규모 단일 입찰을 시행함. 또한, 동일한 품질 조건 하에서 공급업체들이 점점 낮은 가격을 제시하며 경쟁하고 최저가 제시업체가 낙찰되는 역경매(reverse auction)도 존재 0 에콰도르 의약품 시장 상위 5개 기업 . 중 3곳은 글로벌 제약사로, 특허 및 오리지널의약품 부분을 주도하고 있음. 한편, 5대 기업 중 1위는 국내 유통업체로, 의약품 수입 의존도가 높은 에콰도르의 시장 특성상 시장 네트워크, 물류 · ...	{'category': 'footnote', 'content': {'html': '', 'markdown': '28) Ranking Las 10 empresas que lideran la industria farmaceutica en Ecuador, Revista EKOS, 2025.1.23.\n29) GMP(Good Manufacturing Practice): 의약품의 안전성과 품질을 국제적으로 보장하는 최소한의 규제 기준\n30) 건강보험 급여 대상으로 고시한 의약품 목록', 'text': ''}, 'coordinates': array([{'x': 0.0907, ...	7
232,491	summary	open-ended	question	블랙잭의 기하학적 로고가 페어 베팅 규칙과 딜러의 리프링 과정에서 어떻게 상징적 연관성을 가지나요?	그랜드코리아레저(주)_블랙잭_게임의_이해_20250617	6,161	# B/J Card의 Value ![image](/image/placeholder) <figcaption> <p class="figure-type">logo,stamp,emblem,graphic design</p> <p class="figure-description">This is a high-contrast, black-and-white graphic of the Ace of Spades playing card, presented in a stylized, ornate emblem format. The card features a large, ...	{"category": "figure", "content": {"html": "", "markdown": "![image](/image/placeholder)\n\n <figcaption>\n <p class=\"figure-type\">diagram,logo,infographic</p>\n <p class=\"figure-description\">A stylized diagram or logo featuring a symmetrical arrangement of black spade and heart symbols on a white background...	11
19,858	context	numerical	instruction	항만물동량 연평균 증가율과 해양레저관광 부가가치 연평균 성장률의 차이를 계산하라.	제3차_해양수산발전기본계획(2021-2030)	870	IV. 전략별 추진계획 # 2. 여건 변화와 전망 <label><input type="checkbox"> 세계무역 증가 둔화에 따른 경쟁격화 대비, 시장 확대 및 정책 방안 마련 필요</label> 。 WTO에 따르면 코로나19가 지속 악화될 경우, 향후 세계해상물동량은 하락할 것으로 전망 * 2020년 세계무역규모가 전년대비 13%에서 최악의 경우 32%까지 감소할 수 있다고 분석하며 코로나19가 빠르게 통제될 경우 무역이 재개되면서 교역규모가 반등할 수 있을 것으로 예측 - 。 글로벌 경제 및 무역의 둔화, 해운업 불황이 지속되면서 글로벌 선사들의 종합물...	[{'category': 'header', 'content': {'html': '', 'markdown': 'IV. 전략별 추진계획', 'text': ''}, 'coordinates': [{'x': 0.7399, 'y': 0.0649}, {'x': 0.8729, 'y': 0.0649}, {'x': 0.8729, 'y': 0.0808}, {'x': 0.7399, 'y': 0.0808}], 'id': 0, 'page': 1}, {'category': 'heading1', 'content': {'html': '', 'markdown': '# 2. 여건 변화와 전망', 't...	155
52,700	summary	open-ended	instruction	브라질의 PDP 제도가 제네릭·바이오시밀러 시장 비중 확대에 어떤 영향을 미쳤는지 분석하라.	2025_산업보고서(제약바이오)_라틴아메리카_협력센터	3,875	# II. 역내 주요국의 제약·바이오 시장 동향 중남미 3개국(브라질, 멕시코, 콜롬비아)은 역내 제약 ● 바이오 시장의 약 60%를 차지3) 0 브라질과 멕시코는 세계 20대 의약품 시장 순위권에 들며(브라질 12위 · 멕시코 14위), 역내뿐만 아니라 글로벌 차원에서도 중요한 제약 시장 く 중남미 국가별 제약 시장 규모 > (단위: 억 불) \| 순위 \| 국가 \| 2021 \| 2022 \| 2023 \| 2024(e) \| 2025(e) \| \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| \| 1 \| 브라질 \| 249 \| 254 \| ...	{'category': 'paragraph', 'content': {'html': '', 'markdown': '중남미 3개국(브라질, 멕시코, 콜롬비아)은 역내 제약 ● 바이오 시장의\n약 60%를 차지3)', 'text': ''}, 'coordinates': array([{'x': 0.0914, 'y': 0.1159}, {'x': 0.9067, 'y': 0.1159}, {'x': 0.9067, 'y': 0.1672}, {'x': 0.0914, 'y': 0.1672}], dtype=object), 'id': 1.0, 'page': 1.0}	3
35,908	summary	boolean	question	2024년 외국인 관광객 비중 상승이 국내 관광객의 과거 경험 기반 정보 활용 비중 증가와 동시에 발생했는가?	1.조사요약(2024부산방문관광객실태조사)	531	2024 부산방문 관광객 실태조사 \| 제3장, 연도별 조사 결과 분석 - 내국인 관광객 # 5) 부산을 여행 목적지로 선택한 이유 - 연도별로 부산을 여행 목적지로 선택한 주요 이유를 살펴보면, '음식(맛집 탐방)'이 3개년 동안 60.2%, - 55.7%, 81.7%로 가장 높은 수준을 유지하고 있는 것으로 나타남 - '자연풍경 감상'의 경우 80.7%로, 2023년(37.5%) 값 대비 43.2%p 상승한 것으로 나타남 [그림3-5] 연도별 부산을 여행 목적지로 선택한 이유(내국인) (n= 1,063, 중복응답, 단위 : %) ![image](/imag...	{'category': 'caption', 'content': {'html': '', 'markdown': '[그림3-6] 연도별 부산여행에 대한 정보 습득 경로(내국인)', 'text': ''}, 'coordinates': array([{'x': 0.2922, 'y': 0.6264}, {'x': 0.7075, 'y': 0.6264}, {'x': 0.7075, 'y': 0.6438}, {'x': 0.2922, 'y': 0.6438}], dtype=object), 'id': 9.0, 'page': 1.0}	38
262,798	summary	compare-contrast	question	2023년 경주 인근 우유 샘플의 90Sr 및 14C 검출 수준이 2019~2023년 평균 변동 범위와 비교하여 어떤 유사점과 차이점을 보였나요?	한국원자력환경공단_처분시설_부지주변_방사선환경조사_보고서_20250831	5,470	[표 7-2] 우유 방사능 분석결과 [ 조사기관 : 한국원자력 환경공단A, 경북대B, 월성원전C ] 〔단위 : Bq/L단, 14C : Bq/g-C, k=1.96(신뢰수준 95%) ] \| 채취지점 \| 채취 일자 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 비고 \| \| --- \| --- \| --- \| --- \| --- \| --- \| ...	{"category": "table", "content": {"html": "", "markdown": "\| 채취지점 \| 채취 일자 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 방 사 능 농 도 \| 비고 \|\n\| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --- \| --...	92
10,749	context	extractive	instruction	개인정보 유출 사고 발생 시 72시간 이내 통지 의무와 동시에 적용해야 하는 주요 보안 조치들을 비교하여 설명하라.	개인정보_유출_등_사고_대응_매뉴얼(2024.3)	3,138	IV. 개인정보 유출 등 통지 및 신고 \| 19 # IV # 개인정보 유출 등의 통지 및 신고 # 1 개인정보 유출 등의 통지 (통지 주체) 개인정보를 처리하는 "개인정보처리자", 개인신용정보를 처리하는 "신용정보 회사등"에서의 상거래기업 및 법인이 해당 \| 근거 법률 \| 개인정보 보호법 \| 신용정보법 \| \| --- \| --- \| --- \| \| 근거 법률 \| 제34조 (개인정보 유출 등의 통지·신고) \| 제39조의4 (개인신용정보 누설통지 등) \| \| 통지 주체 \| 개인정보처리자 \| 신용정보회사등에서의 상거래기업 및 법인에 한정 \| # (통지 시점) 개인...	[{'category': 'header', 'content': {'html': '', 'markdown': 'IV. 개인정보 유출 등 통지 및 신고 \| 19', 'text': ''}, 'coordinates': [{'x': 0.6699, 'y': 0.0554}, {'x': 0.897, 'y': 0.0554}, {'x': 0.897, 'y': 0.0724}, {'x': 0.6699, 'y': 0.0724}], 'id': 0, 'page': 1}, {'category': 'heading1', 'content': {'html': '', 'markdown': '# IV', ...	20
50,807	summary	extractive	question	ANVISA 인증 절차와 SUS 입찰을 활용한 브라질 시장 진출에서 PDP를 통한 기술 이전 및 현지 생산 체계 구축이 비용 효율성을 어떻게 개선하나요?	2025_산업보고서(제약바이오)_라틴아메리카_협력센터	3,881	III. 전망 및 시사점 # 式 <label><input type="checkbox"> 중남미 국별 특성에 맞는 진출 전략 수립 필요</label> 0 중남미 최대 제약시장인 브라질의 경우, 정부조달 비중이 높아 SUS(공공의료시스템) 입찰을 사업 타겟으로 설정하여 장기적이고 안정적인 공급 대상을 모색할 수 있는 기회 요인과 규제 당국(ANVISA)의 엄격한 인증 절차로 인한 비용 요인을 동시에 고려 필요 - 또한, 의약품 생산개발파트너십(PDP)을 통한 기술 이전 및 현지 생산 체계 구축 병행 전략 모색 필요32) - 0 제약 시장이 급성장 중인 멕시코의 경...	{'category': 'paragraph', 'content': {'html': '', 'markdown': '0 중남미 최대 제약시장인 브라질의 경우, 정부조달 비중이 높아 SUS(공공의료시스템)\n입찰을 사업 타겟으로 설정하여 장기적이고 안정적인 공급 대상을 모색할 수 있는\n기회 요인과 규제 당국(ANVISA)의 엄격한 인증 절차로 인한 비용 요인을 동시에\n고려 필요', 'text': ''}, 'coordinates': array([{'x': 0.1272, 'y': 0.1263}, {'x': 0.9096, 'y': 0.1263}, {'x': 0....	9

End of preview. Expand in Data Studio

🔎 Ko-VDR Train Public v2

Korean VDR Train

Changes from v1

Collected more diverse documents to increase the number of queries.

Partially revised prompts to improve generation quality.

Applied relevance mapping in both the generation and filtering stages, retaining only queries where relevance mapping was consistently performed in both stages.

Applied rule-based filtering to remove low-quality queries.

For a high-level overview of how the dataset was generated, see PIPELINE.md.

This dataset is a training dataset for Korean Visual Document Retrieval. It includes 310,226 query-page pairs (146,752 unique queries) generated from 49 Korean government and public institution PDF documents using LLM-based (Solar Pro 3) synthetic query generation. Queries are generated from two sources: page-level summaries (87%) and direct page context (13%), covering 7 query types (compare-contrast, open-ended, enumerative, multi-hop, extractive, numerical, boolean) in instruction, question, and keyword formats.

Links

Github: https://github.com/whybe-choi/kovidore-data-generator

Dataset Summary

Description: Training data for Korean Visual Document Retrieval, generated from Korean government and public institution reports
Language: ko
Document Types: Government reports, guidelines, manuals, survey reports

Dataset Statistics

Total Documents : 49
Total Pages : 7,548
Total Queries : 146,752
Average number of pages per query : 2.0

Number of Relevant Pages per Query

# Relevant Pages	# Queries
1	44,244
2	69,339
3	24,138
4	6,319
5	1,814
6	552
7	204
8	101
9	41

Queries per Document

Doc ID	Context	Summary	Count
기후에너지환경부_에너지총조사_20241130	2,987	2,630	5,617
25년_주요업무계획(게시용)	2,603	2,665	5,268
2025년_지방공무원_인사실무	2,048	2,720	4,768
(최종보고서)_국제_OTT_산업_실태조사_및_국내_OTT_글로벌_진출_방안_연구	1,694	2,706	4,400
2023-2024_항만업무편람	631	3,177	3,808
내지-KOSI_중소기업동향_2026년_2월호	96	3,382	3,478
해양수산부_무인도서_100선_20221231	183	3,273	3,456
국토교통부_해외건설_세무업무_매뉴얼_20220404	750	2,657	3,407
2019년_제6차_작업환경실태조사_최종보고서(지사_제외)	374	2,896	3,270
2024_회계연도_기업체노동비용조사_보고서	506	2,727	3,233
국토교통부_해외건설_법률컨설팅_사례_20240628	486	2,729	3,215
2022년도국가연구개발사업상위평가보고서(중간평가)_최종	503	2,691	3,194
경상북도_(PDF)인삼재배전서_20210825	147	3,025	3,172
2025_산업보고서(방위산업)_라틴아메리카_협력센터	41	3,119	3,160
1.조사요약(2024부산방문관광객실태조사)	222	2,912	3,134
국토안전관리원_스마트_안전유지관리_시설물_확대방안_마련_용역_보고서_2024	680	2,414	3,094
2026년_공무원_인재개발_종합계획	285	2,774	3,059
생체정보_보호_안내서(2024.12)	285	2,740	3,025
2025년_교육운영계획	103	2,919	3,022
그랜드코리아레저(주)_카지노_비즈니스와_제도_20140219	64	2,923	2,987
제3차_해양수산발전기본계획(2021-2030)	701	2,272	2,973
2025_산업보고서(제약바이오)_라틴아메리카_협력센터	44	2,893	2,937
한국인터넷진흥원_개인정보_유출_신고_동향_및_예방_방법_20241231	132	2,754	2,886
(최종)UN개황(2019)-내지-최종(웹용)	650	2,220	2,870
한국원자력환경공단_처분시설_부지주변_방사선환경조사_보고서_20250831	255	2,585	2,840
(최종보고서)_디지털미디어_허브_조성을_위한_빛마루_중장기_전략_연구	170	2,599	2,769
합성데이터_생성활용_안내서(2024.12)	388	2,372	2,760
개인정보_유출_등_사고_대응_매뉴얼(2024.3)	177	2,572	2,749
2024년도하반기국가연구개발사업특정평가보고서(다부처공동추진사업군)	393	2,351	2,744
제1차_대한민국_공공외교_기본계획(2017-2021)_(최종본)	50	2,673	2,723
한국노인인력개발원_노인_일자리_및_사회활동_지원사업_시행_20년의_성과	30	2,682	2,712
수도권매립지관리공사_관리형매립지_조사결과보고서_20230102	245	2,467	2,712
과학기술정보통신부_국립전파연구원_ICT_융복합_시설의_안전한_전자파_환경_기반_조성_연구_20241231	221	2,461	2,682
(최종보고서)_국내외_온라인_동영상_미디어콘텐츠_시장_전망_및_정책_추진방향_연구	113	2,503	2,616
제3차_환경관리해역_기본계획	419	2,191	2,610
데이터에_담긴_서울교통_2023	47	2,562	2,609
지점별_인입가능량_최종_분석_결과	8	2,591	2,599
한국수력원자력(주)_i_SMR_및_SSNC_설명자료_20250829	111	2,413	2,524
한국언론진흥재단_미디어이슈_광고요금제_도입을_앞둔_넷플릭스에_대한_인식_및_이용_조사_20220928	15	2,502	2,517
(최종보고서)_디지털미디어_신산업_진흥_방안_및_인력수급_기초조사에_관한_연구	134	2,364	2,498
행정안전부_모바일_전자정부서비스_앱_소스코드_검증_가이드라인_20211029	169	2,278	2,447
제2차_환경관리해역_기본계획	79	2,367	2,446
한국언론진흥재단_미디어이슈_이대남_현상에_대한_인식_20220323	14	2,423	2,437
한국언론진흥재단_미디어이슈_코로나19_관련_정보_이용_및_인식_현황_20200326	19	2,360	2,379
한국무역보험공사_해외시장_신용위험_보고서_20240510	17	2,361	2,378
과학기술정보통신부_국립전파연구원_전자파_흡수전력밀도_등_전자파_인체노출량_평가기술_연구_20241231	251	2,066	2,317
2025년_4분기_위성정보_서비스_현황	19	2,218	2,237
농지개량행위신고업무지침	24	2,175	2,199
그랜드코리아레저(주)_블랙잭_게임의_이해_20250617	38	1,777	1,815
Total	19,621	127,131	146,752

Query Type

Query Type	Count
Compare-Contrast	22,211
Numerical	21,774
Extractive	21,243
Multi-Hop	20,726
Enumerative	20,382
Open-Ended	20,317
Boolean	20,099

Query Format

Query Format	Count
Instruction	62,264
Question	60,145
Keyword	24,343
Total	146,752

Dataset Structure

Each row represents a query-page pair with the following fields:

{
  "query_id": <int>,
  "source_type": <str>,
  "query_type": <str>,
  "query_format": <str>,
  "query": <str>,
  "doc_id": <str>,
  "image_id": <int>,
  "image": <PIL.Image>,
  "markdown": <str>,
  "elements": <str>,
  "page_number_in_doc": <int>
}

query_id <int> : A unique numerical identifier for the query.
source_type <str> : "summary" or "context", metadata about the type of information used by the annotation pipeline to create the query.
query_type <str> : The type of query (e.g., "compare-contrast", "open-ended", "enumerative", "multi-hop", "extractive", "numerical", "boolean").
query_format <str> : The syntactic format of the query ("instruction", "question", or "keyword").
query <str> : The actual text of the search question or instruction used for retrieval.
doc_id <str> : Name of the source document.
image_id <int> : A unique numerical identifier for the matched page.
image <PIL.Image> : The matched page image.
markdown <str> : Extracted text from the page using an OCR pipeline.
elements <str> : JSON-serialized list of extracted layout elements with bounding boxes and text from the page using an OCR pipeline.
page_number_in_doc <int> : Original page number inside the document.

License Information

All annotations, query-document relevance judgments (qrels), and related metadata generated for this corpus are distributed under the Creative Commons Attribution 4.0 International License (CC BY 4.0).

The licensing status of the original source documents (the corpus) and any parsed text (markdown column in the corpus) are inherited from their respective publishers. For detailed metadata of each source document (title, doc_id, page count, URL, and license), refer to document_metadata.csv.

For documents subject to the Korea Open Government License (KOGL) Type 1, the sources are attributed as follows:

Title	Doc ID	Type	Attribution Text
개인정보 유출 등 사고 대응 매뉴얼	개인정보_유출_등_사고_대응_매뉴얼(2024.3)	Type 1	본 저작물은 개인정보보호위원회에서 2024년 작성하여 공공누리 제 1유형으로 개방한 '개인정보 유출 등 사고 대응 매뉴얼'을 이용하였으며, 해당 저작물은 개인정보보호위원회 발간자료에서 무료로 다운받으실 수 있습니다.
생체정보 보호 안내서	생체정보_보호_안내서(2024.12)	Type 1	본 저작물은 개인정보보호위원회에서 2024년 작성하여 공공누리 제 1유형으로 개방한 '생체정보 보호 안내서'를 이용하였으며, 해당 저작물은 개인정보보호위원회 발간자료에서 무료로 다운받으실 수 있습니다.
합성데이터 생성활용 안내서	합성데이터_생성활용_안내서(2024.12)	Type 1	본 저작물은 개인정보보호위원회에서 2025년 작성하여 공공누리 제 1유형으로 개방한 '합성데이터 생성·활용 안내서'를 이용하였으며, 해당 저작물은 개인정보보호위원회 발간자료에서 무료로 다운받으실 수 있습니다.
해양수산부 무인도서 100선	해양수산부_무인도서_100선_20221231	Type 1	본 저작물은 해양수산부에서 2021년 작성하여 공공누리 제 1유형으로 개방한 '무인도서 백서'를 이용하였으며, 해당 저작물은 해양수산부 무인도서종합정보시스템"에서 무료로 다운받으실 수 있습니다.
위성정보 서비스 현황	2025년_4분기_위성정보_서비스_현황	Type 1	본 저작물은 과학기술정보통신부 중앙전파관리소에서 2026년 작성하여 공공누리 제 1유형으로 개방한 '2025년 4분기 위성전파 감시동향'을 이용하였으며, 해당 저작물은 중앙전파관리소 위성전파김시센터 위성전파감시정보'에서 무료로 다운받으실 수 있습니다.
한국원자력환경공단 처분시설 부지주변 방사선환경조사 보고서	한국원자력환경공단_처분시설_부지주변_방사선환경조사_보고서_20250831	Type 1	본 저작물은 한국원자력환경공단에서 2025년 작성하여 공공누리 제 1유형으로 개방한 '방사성폐기물 처분시설 부지주변 방사선환경보고서'를 이용하였으며, 해당 저작물은 공공데이터포털에서 무료로 다운받으실 수 있습니다.
한국언론진흥재단 미디어이슈 이대남 현상에 대한 인식	한국언론진흥재단_미디어이슈_이대남_현상에_대한_인식_20220323	Type 1	본 저작물은 한국언론진흥재단에서 2022년 작성하여 공공누리 제 1유형으로 개방한 '이대남 현상에 대한 인식'을 이용하였으며, 해당 저작물은 공공데이터포털에서 무료로 다운받으실 수 있습니다.
한국언론진흥재단 미디어이슈 코로나19 관련 정보 이용 및 인식 현황	한국언론진흥재단_미디어이슈_코로나19_관련_정보_이용_및_인식_현황_20200326	Type 1	본 저작물은 한국언론진흥재단에서 2020년 작성하여 공공누리 제 1유형으로 개방한 '코로나19(COVID-19) 관련 정보 이용 및 인식 현황'을 이용하였으며, 해당 저작물은 공공데이터포털에서 무료로 다운받으실 수 있습니다.
한국언론진흥재단 미디어이슈 광고요금제 도입을 앞둔 넷플릭스에 대한 인식 및 이용 조사	한국언론진흥재단_미디어이슈_광고요금제_도입을_앞둔_넷플릭스에_대한_인식_및_이용_조사_20220928	Type 1	본 저작물은 한국언론진흥재단에서 2022년 작성하여 공공누리 제 1유형으로 개방한 '광고요금제 도입을 앞둔 넷플릭스에 대한 인식 및 이용 조사'를 이용하였으며, 해당 저작물은 공공데이터포털에서 무료로 다운받으실 수 있습니다.
과학기술정보통신부 국립전파연구원 전자파 흡수전력밀도 등 전자파 인체노출량 평가기술 연구	과학기술정보통신부_국립전파연구원_전자파_흡수전력밀도_등_전자파_인체노출량_평가기술_연구_20241231	Type 1	본 저작물은 과학기술정보통신부 국립전파연구원에서 2024년 작성하여 공공누리 제 1유형으로 개방한 '전자파 흡수전력 밀도 등 전자파 인체노출량 평가기술 연구'를 이용하였으며, 해당 저작물은 공공데이터포털에서 무료로 다운받으실 수 있습니다.
과학기술정보통신부 국립전파연구원 ICT 융복합 시설의 안전한 전자파 환경 기반 조성 연구	과학기술정보통신부_국립전파연구원_ICT_융복합_시설의_안전한_전자파_환경_기반_조성_연구_20241231	Type 1	본 저작물은 과학기술정보통신부 국립전파연구원에서 2024년 작성하여 공공누리 제 1유형으로 개방한 'ICT 융・복합 시설의 안전한 전자파 환경 기반 조성 연구'를 이용하였으며, 해당 저작물은 공공데이터포털에서 무료로 다운받으실 수 있습니다.

Acknowledgements

This dataset was generated using the kovidore-data-generator pipeline. We acknowledge the datasets provided by the Public Data Portal(공공데이터포털), which were utilized to construct this training dataset.

Downloads last month: 253

Size of downloaded dataset files:

252 GB

Size of the auto-converted Parquet files:

252 GB

Number of rows:

310,226