Update README.md

README.md

@@ -36,3 +36,109 @@ VTQA是一个新的数据集，包含关于图像-文本对的开放式问题。
 
 数据集支持英文(en)和中文(zh)。
 
+## 数据集使用方法
+
+### 安装
+
+```python
+# 从Hugging Face安装数据集
+from datasets import load_dataset
+
+# 加载VTQA数据集
+dataset = load_dataset("CalfKing/vtqa2023")
+```
+
+### 配置参数
+
+VTQA数据集提供了多种配置选项，可以根据需要选择不同的语言和图像类型：
+
+#### 语言配置
+
+- `en`: 仅加载英文数据
+- `zh`: 仅加载中文数据
+- `all`: 同时加载英文和中文数据（默认）
+
+#### 图像类型配置
+
+- `image`: 仅加载原始图像
+- `region`: 仅加载区域图像
+- `grid`: 仅加载网格图像
+- `all`: 加载所有图像类型（默认）
+
+#### 组合配置
+
+可以组合语言和图像类型，例如：
+- `en-image`: 英文数据和原始图像
+- `zh-region`: 中文数据和区域图像
+- `en-grid`: 英文数据和网格图像
+
+### 高级参数
+
+在使用`VTQAConfig`类时，可以设置以下参数：
+
+- `use_cws`: 是否使用中文分词（默认为False）
+- `local_url`: 本地数据路径，如果提供则优先使用本地数据
+- `get_test_split`: 是否获取测试集（默认为False）
+
+### 数据集结构
+
+每个样本包含以下字段：
+
+```
+{
+    "question": 问题文本,
+    "question_id": 问题ID,
+    "context": 上下文文本,
+    "image_id": 图像ID,
+    "image_path": 图像路径(可能包含image/region/grid),
+    "answers": [
+        {
+            "answer_type": 答案类型,
+            "answer": 答案文本
+        }
+    ],
+    "cws_path": 中文分词路径
+}
+```
+
+### 使用示例
+
+```python
+# 加载英文数据和原始图像
+dataset = load_dataset("CalfKing/vtqa2023", "en-image")
+
+# 查看训练集的第一个样本
+print(dataset["train"][0])
+
+# 加载中文数据和所有图像类型
+dataset = load_dataset("CalfKing/vtqa2023", "zh")
+
+# 使用中文分词
+from datasets import load_dataset
+from vtqa2023 import _build_config
+
+config = _build_config("zh", use_cws=True)
+dataset = load_dataset("path/to/vtqa2023.py", config=config)
+```
+
+### 数据集分割
+
+数据集包含以下分割：
+- `train`: 训练集
+- `validation`: 验证集
+- `test_dev`: 开发测试集
+- `test`: 测试集（仅当`get_test_split=True`时可用）
+
+## 引用
+
+如果您使用了VTQA数据集，请引用以下论文：
+
+```
+@inproceedings{chen2024vtqa,
+  title={VTQA: Visual Text Question Answering via Entity Alignment and Cross-Media Reasoning},
+  author={Chen, Kang and Wu, Xiangqian},
+  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
+  pages={27218--27227},
+  year={2024}
+}
+```