98877 页历史报纸数据集上线,含 OCR 文本与置信度标注
vanstriendaniel · x · 2026-10-01
作者将一份覆盖 1700 年代至 1940 年代、共 98,877 页的历史报纸数据集上传至 Hugging Face Hub。
- 每页均附带原始 OCR 识别文本
- 包含词级边界框(word boxes)与对应的置信度分数
- 数据来源与 Europeana(欧洲数字文化遗产平台)报纸资源相关
对历史文本识别、OCR 模型评估、多模态文档理解等研究都是可直接使用的公开语料。
所属事件:Hugging Face 上线近 10 万页历史报纸数据集(2 条相关)→
「研究」频道最新
- Gemini 4 Argon 优化量子计算子程序,几分钟内超已发表基线 40% — LinusEkenstam · 2026-10-01
- Hugging Face 博客介绍 Qwen3.8-27B-pi:按努力程度排序的智能体编码推理 — paf1138 · 2026-10-01
- BMJ 发表《临床 AI 现状 2026》同行评审报告 — davidjhwu · 2026-10-01
- 芝加哥大学播客：脑机接口让瘫痪者用意念重获触觉 — plopesresearch · 2026-10-01
- CLM 作者回应 RLM 讨论：把上下文当变量，二者可结合成更强智能体 — RulinShao · 2026-10-01
- 微调 GliNER Decision 用约 3000 条样本在实体链接上追平大模型 — wjb_mattingly · 2026-10-01