MultiHATHI

This dataset provides detailed metadata on ca. 10.2 million works of fiction and non-fiction written after 1799 in 521 different languages. The dataset bolsters the May 2022 Hathifile by supplying missing fiction metadata with a bespoke BERT-based multilingual classifier.本数据集提供了约1020万部于1799年之后以521种不同语言创作的虚构与非虚构作品的详细元数据。本数据集通过定制化的基于BERT的多语言分类器，为2022年5月发布的Hathifile补全了其中缺失的虚构作品元数据，从而对该文件进行了增强完善。