Gallica : jeu d'images annotées pour la segmentation

Ce jeu de données est dédié à l'analyse de contenus iconographiques patrimoniaux.

JPEG / JPG JSON XML Python GT Segmentation Images Intelligence artificielle (IA) Documents
Gallica : métadonnées de la collection numérique

Ce jeu de données référence tous les documents de la collection numérique de Gallica à travers leurs métadonnées bibliographiques élémentaires.

CSV OAI-PMH
Métadonnées des collections médiévales numérisées du projet Europeana ARMA

Dans le cadre du projet ARMA : The Art of Reading

CSV XLS / XLSX OAI-PMH Histoire du livre et de la lecture Manuscrits Livres Cartes Monnaies Chercheurs Dublin Core
Catalogues de vente annotés du projet Datacatalogue

Ce jeu de données regroupe des catalogues de vente annotés durant le projet Datacatalogue. Ces documents sont issus des collections numérisées de la BnF et de l'INHA.

JSON TEI JPEG / JPG GT Documents
Gallica : texte océrisé des monographies de langue française

Ce jeu de données fournit le texte océrisé des monographies en langue française de la collection numérique de Gallica.

CSV Texte OCR Documents Textes Lexicométrie
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
API SRU Catalogue général

Le service SRU (Search/Retrieve via URL) du Catalogue général permet d’interroger le Catalogue général de la BnF via de simples requêtes HTTP et de récupérer l’ensemble des notices du catalogue gén

XML SRU Métiers du livre Chercheurs Dublin Core Intermarc UNIMARC
Gallica : documents produits au format TEI

Ce jeu de données contient le mode texte des documents de Gallica traités par l’Observatoire de la vie littéraire (Labex OBVIL

TEI JSON OCR Textes Documents
Notices bibliographiques des catalogues rétroconvertis (imprimés et audiovisuel)

Ces jeux de données sont constitués de notices issues de deux catalogues (imprimés et audiovisuel) qui existaient sur différents supports avant d'être intégrées dans BnF Catalogue général.

ISO 2709 Métiers du livre Intermarc UNIMARC
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