Hugging Face 上线近 10 万页历史报纸数据集

Daniel van Strien 将一份覆盖 1700 年代至 1940 年代、共计 98,877 页的历史报纸数据集上传至 Hugging Face Hub。数据集中每页均附有原始 OCR 识别文本，并包含词级框标注及置信度信息，为历史文本挖掘与文档识别研究提供了大规模素材。该数据集的开放上线有望推动数字人文与机器学习在历史文献处理领域的应用。

2026-10-01 ~ 2026-10-01 · 2 条相关

• Hugging Face 上新：9.9 万页 1700-1940 年历史报纸含 OCR 与词框数据 — vanstriendaniel · 2026-10-01
• 98877 页历史报纸数据集上线,含 OCR 文本与置信度标注 — vanstriendaniel · 2026-10-01