-
基于柏林国家图书馆历史报纸的OCR_OLR系统训练与评估真实数据集
2026年1月27日 30 45 19
数据集概述 本数据集包含柏林国家图书馆50页数字化历史报纸的真值数据，用于OCR/OLR系统的训练与评估，由欧盟ICT-PSP项目Europeana Newspapers产出。数据集含PAGE-XML格式真值文件、全分辨率及二值化扫描图像、对应OCR结果等5个压缩包，为历史报纸文本识别技术提供标准化测试资源。 文件详解 gt_page.zip...
-
Swinemünder_Badeanzeiger_历史报纸表格OCR人工标注数据集
2026年1月18日 30 109 55
数据集概述 本数据集为历史报纸《Swinemünder Badeanzeiger》表格信息提取的人工标注真值数据，按年份组织文件夹，每个年份文件夹含原始图像ID命名的子文件夹，包含分割表格图像、人工转录的结构化JSON标注及条目与表格行关联的索引JSON，另有汇总所有条目的JSON文件，用于OCR信息提取模型训练与评估。 文件详解...
-
HIPE_2022共享任务命名实体数据集
2025年12月22日 30 135 46
数据集概述 本数据集是HIPE-2022共享任务的专用数据，用于多语言历史文档中的命名实体识别与分类（NERC）及实体链接（EL）任务。基于六个原始数据集构建，涵盖约两百年的历史报纸和经典评注，包含多种语言和实体标注方案。 文件详解 文件名称: HIPE-2022-data-2.1-test-all-unmasked.zip 文件格式: ZIP压缩包...
-
爱沙尼亚历史报纸众包OCR校正数据集
2025年12月11日 30 201 80
数据集概述 该数据集包含爱沙尼亚国家图书馆DIGAR档案中的历史报纸文章及其对应的众包OCR校正内容，涵盖校正数据、统计图表及说明文档，为研究历史报纸文本数字化处理提供支持。 文件详解 文件名称: README.md，文件格式: Markdown，内容说明: 数据集说明文档，包含数据来源、预处理方法（如原始文本逆向工程、过滤规则）等核心信息。...
-
多语言历史报纸命名实体识别实体链接与立场检测数据集2021
2025年12月11日 30 181 67
数据集概述 该数据集为多语言历史报纸资源，包含1850-1950年法语、德语、芬兰语和瑞典语的历史报纸材料，涵盖命名实体识别、实体链接及实体立场检测标注，用于开发和评估历史文档的命名实体处理系统。 文件详解 文件名称: NewsEye-GT-NER_EL_StD-v1.zip 文件格式: ZIP压缩包 内容说明:...
