[雜談][轉貼]〈我們在哈佛把十億篇美國報紙文章通通電子化啦！American Stories---我們lab的『美國新聞故事資料集』釋出來啦！〉

我們在哈佛的實驗室，最近釋出了一個全新的「十億級」的文字資料集，原始文本來自美國公有領域的歷史報紙，橫跨了1780-1960年，透過我們開發的各種深度學習工具，我們提供了超高精準度的電子化文字（已經OCRed），所以這是已經結構並電子化的文字資料集！重點是------我們開源釋出這資料到Hugging Face上，以利全世界的人都可以利用！

臉書連結：Facebook
詳細請看上方臉書連結。這篇內容我還沒消化，但應該很重要而且很有用，對許多研究及創作者都很有幫助。

#Data #Tech