Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

bnl_ground_truth_newspapers_before_1878

Abierto
  • ¿Algo no está bien?
#79 3 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
3/5
Tiempo estimado
1-2 días
Aptitud para principiantes
35/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Estancado
Área
data

Línea de trabajo

Comienza con la URL del dataset en el issue e inspecciona el repositorio para encontrar cómo se representan los envíos de datasets. El issue proporciona metadatos para la colección BnL historical-newspapers, pero no indica ningún punto de entrada, archivo ni prueba. No se especifican criterios de finalización más allá de hacer que este dataset esté disponible en el proyecto.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

dataset
A URL for this dataset

https://data.bnl.lu/data/historical-newspapers/

Dataset description

33.000 transcribed text lines from historical newspapers (before 1878) along with the cropped images of the original scans

Text line based OCR
19.000 text lines in Antiqua
14.000 text lines in Fraktur
Transcribed using double-keying (99.95% accuracy)
Public Domain, CC0 (See copyright notice)
Best for training an OCR engine

The newspapers used are:

  • Le Gratis luxembourgeois (1857-1858)
  • Luxemburger Volks-Freund (1869-1876)
  • L'Arlequin (1848-1848)
  • Courrier du Grand-Duché de Luxembourg (1844-1868)
  • L'Avenir (1868-1871)
  • Der Wächter an der Sauer (1849-1869)
  • Luxemburger Zeitung (1844-1845)
  • Luxemburger Zeitung = Journal de Luxembourg (1858-1859)
  • Der Volksfreund (1848-1849)
  • Cäcilia (1862-1871)
  • Kirchlicher Anzeiger für die Diözese Luxemburg (1871-1878)
  • L'Indépendance luxembourgeoise (1871-1878)
  • Luxemburger Anzeiger (1856)
  • L'Union (1860-1871)
  • Diekircher Wochenblatt (1837-1848)
  • Das Vaterland (1869-1870)
  • D'Wäschfra (1868-1878)
  • Luxemburger Bauernzeitung (1857)
  • Luxemburger Wort (1848-1878)
Dataset modality

Mixed

Dataset licence

Creative Commons Public Domain Dedication and Certification

Other licence

No response

How can you access this data

As a download from a repository/website

size of dataset

500MB-2GB

Confirm the dataset has an open licence
  • To the best of my knowledge, this dataset is accessible via an open licence
Contact details for data custodian

[email protected]

Lenguaje dominante
Sin datos de lenguaje
Estrellas
91
Forks
8
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de bigscience-workshop/lam

Todos los issues de bigscience-workshop/lam

Issues similares

Más issues de Data Engineering

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.