跳转到正文

GETAI EDITORIAL DISPATCH新闻报道

历史波兰语语料库 Wieszcz-XIX 修订说明,厘清 Polona 公版 OCR 的访问条件

作者 11 月复查发现公版馆藏的 OCR 已可免登录下载,已冻结的训练语料仍不包含这些文本。

返回资讯研究arXiv作者 · GETAI.APP查看原文

11 月 19 日,Wieszcz-XIX 项目在预印本修订版中更正了对波兰国家图书馆数字馆藏 Polona 的说明。研究团队在 2026 年夏季采集时,OCR 接口要求认证;作者表示,11 月复查时,公版馆藏的 OCR 文本已可免登录下载。

GETAI 原创主题插画

这一区别直接影响复现。团队使用的是 8 月 3 日冻结的版本,没有把后来可访问的 Polona 文本补入已报告的训练和测试数据。语料中收录的历史期刊来自其他数字图书馆。

对于准备复用这套数据的研究者,今天能够重新采集的馆藏与论文评测实际用到的语料,范围有所不同。修订版把两者的时间点分别写明。

论文版本记录 · 原始材料

配图为 GETAI 原创主题插画。