卢森堡大学 发布 TRIDIS (Tria Digita Scribunt) 数据集, 应用在 手稿研究、文本识别 领域

卢森堡大学 本次发布的数据集 TRIDIS (Tria Digita Scribunt), TRIDIS是一个开源的中世纪和早期现代手稿综合语料库，由多个开放许可的子集组成，并包含大量元数据描述。该数据集旨在促进手写文本识别和命名实体识别的联合研究，覆盖了12至17世纪的主要西欧手写体和语言。数据集通过统一的模式组织，并以Apache Parquet格式包装，以确保高效的访问和分析。它包括近200,000行文本和超过200万个标记，跨越不同的机构和时期，为文档资料提供了平衡和具有挑战性的基准。

查看TRIDIS (Tria Digita Scribunt)

Dataset card 内容： 

Files and versions 内容： 

关于 卢森堡大学 , 卢森堡大学是卢森堡的一所公立研究型大学，提供多个学科的教育与研究项目，是该国最重要的高等教育机构之一。

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。