NewsEye_READ_AS_19世纪芬兰报纸训练数据集

数据集概述

该数据集包含19世纪芬兰报纸页面的带注释文本数据，共200页训练集页面图像由芬兰国家图书馆（NLF）提供，数据按PAGE格式构建，通过Transkribus平台生成，附带相关指南文档，为报纸文本识别模型训练提供支持。

文件详解

• 文件名称: Article GT guidelines for Newseye.pdf：PDF格式文档，包含创建该数据集标注指南的详细内容。
• 文件名称: AS_TrainingSet_NLF_NewsEye_v2.zip：ZIP格式压缩包，包含按PAGE格式构建的19世纪芬兰报纸训练集数据。

数据来源

芬兰国家图书馆（NLF）、NewsEye项目、READ项目、Transkribus平台

适用场景

• 历史文本识别研究: 用于训练和优化19世纪芬兰报纸页面的自动文本识别（AS）模型。
• 数字人文研究: 支持对19世纪芬兰报纸内容的数字化挖掘与分析。
• 文档分析技术开发: 为基于PAGE格式的文档处理算法提供训练数据。
• 历史语言学研究: 辅助探究19世纪芬兰语言使用特征及演变。