К содержимому

Датасет · RevolutionCrossroads

Архивные пенсионные дела Войны за независимость США

RevolutionCrossroads/nara_revolutionary_war_pension_files_PDFs

От 10 до 100 тыс. оцифрованных многостраничных документов Национального архива США на английском языке.

Что внутри

Набор данных на английском языке объёмом от 10K до 100K записей, полученный из серии дел о пенсиях и земельных грантах ветеранам Войны за независимость США Национального архива (NARA, серия NAID 300022). В датасете отдельные отсканированные страницы объединены на уровне целых архивных дел, сочетая модальности документов и текста.

Что можно сделать

  • Обучение и проверка систем OCR и распознавания исторических документов (image-to-text)
  • Построение систем поиска (text-retrieval) и классификации по крупным архивным фондам
Задачи
Картинка → текст, Поиск по текстам, Классификация текста, Эмбеддинги
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
23,6 тыс.
Лайков
0

Как загрузить

from datasets import load_dataset

ds = load_dataset("RevolutionCrossroads/nara_revolutionary_war_pension_files_PDFs")