发布bne-hemeroteca-ocr-xix数据集,应用在OCR处理、历史文献领域

本次发布的数据集bne-hemeroteca-ocr-xix,BNE Hemeroteca OCR数据集（19世纪）包含来自西班牙国家图书馆数字报刊库的19世纪西班牙出版物的全文OCR和页面图像。该数据集是从原始BNE Hemeroteca出版物数据集中筛选出的19世纪出版物，排除了多栏布局的报纸。数据集包含25个主题集合，如农业、艺术、科学、文化等。每份出版物通过PDF转换和OCR处理生成图像和文本（Markdown格式）。数据集适用于OCR基准测试和微调、文本检索和RAG系统构建，以及LLM预训练，特别是捕捉19世纪的语言和主题。

查看bne-hemeroteca-ocr-xix

Dataset card内容：

Files and versions内容：

关于,国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于HuggingFace,Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。