布拉格工业大学 发布 TextBite 数据集, 应用在 历史文献处理、文本分析 领域

布拉格工业大学 本次发布的数据集 TextBite, TextBite是一个包含18至20世纪历史捷克文献的页面图像数据集，共有8449页，每页都有78,863个逻辑上和主题上连贯的文本段落的注释。数据集的特点是多样化的布局，既有简单的书籍页面和词典，也有复杂的报纸和多栏格式。数据集由布拉格工业大学信息学院提供，旨在支持文档逻辑页面分割的研究，包括文本区域检测和关系预测的基线方法。

查看TextBite

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。