Hugging Face 上新：9.9 万页 1700-1940 年历史报纸含 OCR 与词框数据
vanstriendaniel · x · 2026-10-01
Daniel van Strien 向 Hugging Face Hub 上传了 98,877 页历史报纸（1700 年代-1940 年代）数据集 biglam/europeananewspapersimages（源自 Europeana）。每页包含：
- 原始 OCR 文本
- 词级 bbox 坐标框（ALTO 格式）
- OCR 置信度分数
数据为 parquet 格式，公共领域许可，涵盖德语、爱沙尼亚语、塞尔维亚语等十余种语言，适合文档版面分析、图像转文本等历史文献研究任务。
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
- Surge AI 发布 GDP.xlsx 基准：70 个真实任务考验 Agent 玩转复杂表格 — echen · 2026-10-01
- GDP.xlsx 基准发布:70 个真实表格任务,最强 agent 仅得 38.3% — echen · 2026-10-01
- Stanford HAI 免费研讨会:Arena CEO 讲 AI 真实世界测量 — StanfordHAI · 2026-10-01
- _ctjlewis 手握 1.5 万美元 Astra 额度，公开招募数学研究者 — ctjlewis · 2026-10-01
- 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