Documents de presse numérisés en mode « article »

Ce jeu de données contient les documents numériques d'une sélection des collections de presse de la BnF traitées avec une reconnaissance de la mise en page (OLR, optical layout recognition).

METS ALTO OLR GT OCR Textes Presse Documents
Pyllica, extracteur Python de corpus de périodiques de Gallica

Pyllica est un outil écrit en Python permettant de récupérer des documents hébergés sur la bibliothèque numérique Gallica.

PDF JPEG / JPG Texte Python Presse
Projet Europeana Newspapers

Lancé en février 2012, le projet européen Europeana Newspapers avait comme objectif de garantir une visibilité augmentée et un meilleur accès aux collections numérisées de la presse européenne.

XML Texte OCR OLR GT Presse
Projet IMPACT

Les résultats du projet européen IMPACT 2012-2015) consacré à la numérisation du patrimoine écrit sont hébergés par le Centre de compétences IMPACT, chargé de diffuser outils, données et savoir-faire.

XML JPEG / JPG TIFF OCR GT Textes Images Presse
Projet NewsEye

NewsEye, financé par le programme de recherche et d'innovation Horizon 2020 de l'Union européenne, est un projet de recherche qui fait progresser l'état de l'art et introduit de nouveaux concepts, méthodes et outils pour les humanités numériques en fournissant un accès amélioré aux journaux historiques.

Texte OCR OLR GT NLP Presse Intelligence artificielle (IA)
Documents de presse en mode texte du projet Europeana Newspapers (XIXe-XXe siècles)

Ce jeu de données contient le texte des collections de presse traitées durant le projet européen Europeana Newpapers.

JSON OCR Textes Presse Europeana Newspapers Documents
Documents de presse numérisés en mode « article » du projet Europeana Newspapers

Ce jeu de données contient les documents numériques des collections de presse traitées durant le projet européen Europeana Newspapers avec une reconnaissance de la mise en page (OLR, optical lay

METS ALTO OLR GT Textes Presse Europeana Newspapers
Texte de presse annoté en entités nommées

Ces jeu de données sont constitués de textes extraits de documents des collections de presse traitées durant les projets européens Europeana Newspapers et NewsEye et dont les d’entités nommées ont

Texte NLP GT Textes Presse Europeana Newspapers Documents
Gallica : OCR corrigé de documents de presse

Ce jeu de données contient des pages corrigées (vérité terrain) de documents numériques de collections de presse traités avec de l'OCR (optical characters recognition).   

XML OCR GT Textes Presse Documents
Documents de presse numérisés en mode « OCR » du projet Europeana Newspapers

Ce jeu de données contient les documents numériques des collections de presse traitées durant le projet européen Europeana Newspapers avec une reconnaissance du texte (OCR, optical character rec

METS ALTO OCR Textes Presse Europeana Newspapers Documents