TPDL_2020_Based_古籍OCR噪声命名实体识别评估基准数据
收藏海数据2026-06-25 收录
官方服务：
资源简介：
本数据集为古籍命名实体识别（NER）评估基准数据，基于CoNLL-02（西班牙语、荷兰语）和CoNLL-03（英语）NER语料库，通过模拟OCR噪声生成多语言含噪文本，包含原始文本转图像、添加扫描噪声、Tesseract OCR提取及文本对齐等处理环节，用于评估OCR质量对NER任务的影响。 TPDL 2020论文“Assessing and Minimizing the Impact of OCR Quality on Named Entity Recognition”
提供机构：
公开数据创建时间：
2026-01-26
