storytracer/hathi_full_20240501

Name: storytracer/hathi_full_20240501
Creator: storytracer
Published: 2024-06-12T03:13:32+08:00

Hugging Face2024-05-31 更新2024-06-12 收录

数据链接：

https://hf-mirror.com/datasets/storytracer/hathi_full_20240501 数据链接链接失效反馈

官方服务：

资源简介：

--- license: cc0-1.0 ---

许可证：CC0 1.0

提供机构：

storytracer

原始信息汇总

数据集许可证信息

许可证类型: CC0-1.0

storytracer/US-PD-Books

公共领域书籍

文本生成

该数据集包含超过65万本英文书籍（约610亿字），这些书籍被认为在美国属于公共领域，并由Internet Archive数字化，作为Open Library项目的一部分进行编目。数据集由Sebastian Majstorovic编译，包含来自Internet Archive（IA）各种收藏的653,983个OCR文本（约2亿页）。为了尽可能限制数据集为书籍，仅包含具有Open Library（OL

Hugging Face2024-03-13 更新920

storytracer/LoC-PD-Books

文化数字化

自然语言处理

该数据集包含超过140,000本英文书籍（约80亿字），这些书籍由美国国会图书馆数字化，并在美国属于公共领域。数据集通过LoC JSON API筛选并整理，包含OCR文本和基本元数据字段，如标题、作者和出版年份。数据集的总大小为47GB（未压缩）和26GB（压缩后的Parquet文件）。每本书的主要语言被分类为英语，OCR由国会图书馆生成。数据集的使用和重用遵循公共领域的版权规定，数据集本身（不包

Hugging Face2024-03-13 更新210

storytracer/public_library_1929_dolma

--- license: cc0-1.0 ---

Hugging Face2024-06-13 更新60

storytracer/openlibrary_dump_2024-04-30

图书馆数据

数据分析

--- license: unknown license_link: https://openlibrary.org/developers/licensing pretty_name: OpenLibrary Dump (2024-04-30) size_categories: - 10M<n<100M configs: - config_name: dumps default: true

Hugging Face2024-05-26 更新360

storytracer/German-PD-Newspapers

文本生成

历史文献

--- license: cc0-1.0 task_categories: - text-generation language: - de tags: - newspapers - ocr - public domain pretty_name: Public Domain Newspapers (German) size_categories: - 10B<n<100B --- # Datas

Hugging Face2024-03-20 更新200

storytracer/hathi_full_20240501

资源简介：

数据集许可证信息

相关数据集