数据集概述
该数据集包含16世纪意大利古籍的OCR文本及样本图像，用于支撑历时性分析方法论研究，追踪16世纪意大利思想辩论中核心概念的语义变迁。数据集包含压缩包文件、文本文件和图像文件，文本来源标注于文件首行，当前提供部分文档样本及初始页图像。
文件详解
- 压缩包文件：
- corpus.zip：压缩包格式，包含来自BNF（gallica文件夹）和archive.org（internetarchive文件夹）的16世纪意大利古籍OCR文本，每个文本文件首行标注来源URL；文档内页面顺序可能与源文件不同，但每页行序保留；压缩包受密码保护，将随同名研究论文发表公开。
- 文本文件：
- t1qg2bc5n.txt、bpt6k585787.txt、bpt6k601532.txt：共三个TXT格式文件，为古籍OCR文本内容
- 图像文件：
- t1qg2bc5n.jpeg、bpt6k585787.jpeg、bpt6k601532.jpeg：共三个JPEG格式文件，为对应文档初始页的图像样本
适用场景
- 历史语义学研究：追踪16世纪意大利思想辩论中核心概念的语义变迁
- 古籍数字化方法论验证：验证历时性分析方法论在古籍OCR文本中的应用效果
- 数字人文研究：支撑基于古籍文本的自然语言处理（NLP）分析
- 出版史研究：分析16世纪意大利古籍的文本特征与传播规律
