Europeana historical newspapers: Germany

SSH Open MarketPlace2023-10-13 更新2024-08-03 收录

下载链接：

https://marketplace.sshopencloud.eu/dataset/3eKml9

下载链接

链接失效反馈

官方服务：

资源简介：

This corpus contains 126,564 issues of 11 newspapers published in Germany (chiefly Berlin and Hamburg) between 1792 and 1945.

创建时间：

2023-10-13

新华日报历史报全量数据集

汇聚超3万站点、1.7亿条数据，沉淀1800余个专题库，覆盖六大模态数据，构建了包括《新华日报》历史报全量数据集、智能媒体资源数据集、深度报道长文档数据集等10个高质量数据集。通过本地化算法自主训练与多模态检索技术，实现“以文搜图/视频”的秒级响应，结合可视化分析工具，全面支撑采编运营决策，显著提升内容生产与传播效能。

江苏数据交易所1120

Newspaper Navigator Dataset

Newspaper Navigator Dataset是由美国国会图书馆创建的大型数据集，包含超过1600万页的历史美国报纸页面。该数据集通过深度学习模型提取了包括标题、照片、插图、地图、漫画、社论漫画和广告在内的7类视觉内容。创建过程涉及使用Beyond Words众包项目中的边界框注释来训练视觉内容识别模型，并自动从METS/ALTO OCR中提取文本内容。该数据集的应用领域广泛，旨在通过数字

arXiv2020-05-04 更新480

PleIAs/NewZealand-PD-Newspapers-XML

新西兰公共领域报纸数据集包含新西兰的历史报纸，按年份组织成Parquet文件。每个文件包含从XML文件中提取的详细元数据，包括文档的唯一标识符、字数统计和全文内容。数据集主要用于分析历史报纸趋势、研究词汇分布、开发自然语言处理模型以及提取历史事件的相关见解。数据集主要包含英文文档，总文档数为1,772,785，总字数为10,178,602,316，平均每篇文档的字数为5,741.59。

Hugging Face2024-06-26 更新200

biglam/newspaper-navigator

Newspaper Navigator数据集提供了超过1600万页美国历史报纸的Parquet格式版本，包含边界框、预测的视觉类型（例如，照片、地图）和OCR内容的注释。该数据集按预测的视觉内容类型分为不同的配置，例如卡通、漫画、插图、地图和照片。每个配置都包括出版日期、地点、LCCN、边界框、OCR文本、IIIF图像链接和源URL等元数据。数据集适用于图像分类、目标检测和图像特征提取等任务，可用

Hugging Face2025-05-20 更新690

HistoricalNewspapersCorpus

这是一个包含数字化历史报纸全文的数据集，目前包含欧洲报纸数据集的一个子集，未来将提供完整的欧洲报纸数据集。数据集中的报纸包括Jaunākās Ziņas、Berliner Tageblatt和LUnivers等，每个报纸都有详细的年份、来源图书馆和文本许可信息。

github2017-12-19 更新260