Post-OCR correction
收藏OpenDataLab2026-05-17 更新2024-05-09 收录
下载链接：
https://opendatalab.org.cn/OpenDataLab/Post-OCR-correction
下载链接
链接失效反馈官方服务：
资源简介：
OCR 后校正是一个包含 10 亿个单词的大型语料库，其中包含具有不同数量 OCR 错误的原始文本以及 Pleias 创建的实验性多语言 OCR 校正输出
提供机构：
OpenDataLab
创建时间：
2024-04-30
搜集汇总
数据集介绍
背景与挑战
背景概述
Post-OCR correction是一个由Pleias发布的大型多语种语料库，包含约10亿单词的原始文本及其后OCR校正版本，旨在提升OCR错误文本的质量以支持AI模型训练和研究。该数据集基于Common Corpus构建，涵盖法语、英语、意大利语和德语，可用于辅助手动校正、分类和去重等下游任务。
以上内容由遇见数据集搜集并总结生成
