马萨里克大学 发布 AHISTO项目数据库 数据集, 应用在 历史文本分析、命名实体识别 领域

马萨里克大学 本次发布的数据集 AHISTO项目数据库, AHISTO项目数据库是由捷克马萨里克大学的信息学院和文学院共同创建的，专注于收集和分析中世纪晚期的文本数据。该数据集包含4,182个摘要和872本书，总计3.6百万个句子，主要使用捷克语、拉丁语和德语。数据集的创建过程涉及使用光学字符识别（OCR）技术和专家标注，以自动引导命名实体识别（NER）标注的语料库。该数据集主要用于训练和评估历史文本中的命名实体识别模型，旨在解决历史文本处理中的语言差异和OCR错误问题，提高模型在历史文本上的性能。

查看AHISTO项目数据库

关于 马萨里克大学 , 马萨里克大学位于捷克共和国的布尔诺，是一所综合性大学，提供包括信息学院和文学院在内的多个学院的教育和研究。

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。