实体
Institutional Newspapers Pipeline
Institutional Newspapers Pipeline
PulseAugur coverage of Institutional Newspapers Pipeline — every cluster mentioning Institutional Newspapers Pipeline across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新管道从历史报纸中提取数十亿词元
研究人员开发了机构报纸管道（Institutional Newspapers Pipeline），这是一个模块化系统，旨在从历史报纸扫描件中提取高质量、结构化数据。该管道与波士顿公共图书馆合作开发，通过分割、OCR和各种文本分析步骤处理扫描件，以分类类型、检测阅读顺序、识别命名实体并生成嵌入。该系统应用于1795年至1930年间发布的超过140万份公共领域报纸扫描件，产生了163亿词元，并形成了一个开放数据集。
-
管道从历史报纸中提取数十亿词元
研究人员开发了机构报纸管道（Institutional Newspapers Pipeline），这是一个模块化系统，旨在从历史报纸扫描件中提取高质量、结构化数据。该管道与波士顿公共图书馆合作开发，对扫描件进行分段，执行光学字符识别（OCR），然后分析文本的各种特征，如命名实体和主题分类。由此产生的开放数据集包含来自近150万份1795年至1930年间出版的报纸扫描件的超过160亿个词元，使得历史公共生活记录在计算上更易于访问。