Kansallisarkisto/finnish_court_records

该数据集包含20世纪早期芬兰的法院记录样本。这些法院记录的文本内容是通过使用芬兰法院记录数据训练的HTR模型从扫描的文档图像中提取的。样本中的法院记录日期为1901年至1919年，涵盖了芬兰的8个城市（赫尔辛基、海门林纳、约恩苏、于韦斯屈莱、库奥皮奥、米凯利、奥卢、图尔库）。文本数据是从超过167,000张扫描的文档图像中提取的，每张图像包含一页或两页法院记录。该数据集包含20世纪早期芬兰的法院记录样本。这些法院记录的文本内容是通过使用芬兰法院记录数据训练的HTR模型从扫描的文档图像中提取的。样本中的法院记录日期为1901年至1919年，涵盖了芬兰的8个城市（赫尔辛基、海门林纳、约恩苏、于韦斯屈莱、库奥皮奥、米凯利、奥卢、图尔库）。文本数据是从超过167,000张扫描的文档图像中提取的，每张图像包含一页或两页法院记录。

原始信息汇总

数据集概述

数据集名称

Early 20th century court records from Finland

数据集语言

• fi
• sv

数据集大小

100K<n<1M

数据集内容

该数据集包含20世纪初芬兰法院记录的样本。文本内容通过训练有素的HTR模型从超过167,000份扫描文档图像中提取，每份文档包含一到两页法院记录。记录涵盖1901至1919年间，来自芬兰8个城市（赫尔辛基、海门林纳、约恩苏、于韦斯屈莱、库奥皮奥、米凯利、奥卢、图尔库）。

数据集结构

数据实例

每个数据实例包含以下字段：

• data_id: 定义文档所属的档案单元集合的字符串
• archival_id: 标识包含文档的档案单元的字符串
• document_id: 标识文档的字符串（每个实例唯一）
• start_year: 记录集合的起始年份
• end_year: 记录集合的结束年份
• text: 使用HTR模型提取的文档页/页的文本内容