布拉格工业大学 发布 unlabeled dataset 数据集, 应用在 历史文献、机器学习 领域

布拉格工业大学 本次发布的数据集 unlabeled dataset, 该数据集由布拉格工业大学信息工程学院提供，包含从3千份历史文献中检测出的5千万行文本，这些文献主要是19世纪末至今的捷克语和德语手写页面，包括编年史、教区记录、土地登记等。数据集通过现有的VGG-like模型处理文本行，使用K-Means聚类方法生成离散标签，用于预训练编码器。

查看unlabeled dataset

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。