数据集概述
本数据集包含19世纪美国报纸广告图像及“带插图”或“无插图”标注，源自美国国会图书馆Chronicling America馆藏的Newspaper Navigator数据集。数据含广告图像文件及配套元数据、标签文件，旨在为历史数字资源的计算机视觉教学提供实例，可用于广告图像分类研究。
文件详解
images.zip- 文件格式：ZIP
- 内容说明：压缩包内包含所有报纸广告图像文件
newspaper-navigator-sample-metadata.csv- 文件格式：CSV
- 字段映射：包含filepath（文件路径）、pub_date（出版日期）、page_seq_num（页序号）、edition_seq_num（版次序号）、batch（批次）、lccn（图书馆编目号）、box（箱号）、score（分数）、ocr（光学字符识别文本）、place_of_publication（出版地）、geographic_coverage（地理覆盖范围）、name（名称）、publisher（出版商）、url（链接）、page_url（页面链接）、month（月份）、year（年份）、iiif_url（国际图像互操作框架链接）等元数据字段
ads.csv- 文件格式：CSV
- 字段映射：包含file（文件名）、label（标签，值为text-only或带插图类）字段，记录广告图像的插图类型标注
sample.csv- 文件格式：CSV
- 内容说明：包含基于报纸来源的额外元数据
ads_upsampled.csv- 文件格式：CSV
- 内容说明：含文件名列与标签列，为upsampled处理后的广告标签数据
数据来源
https://news-navigator.labs.loc.gov/
适用场景
- 历史广告图像分类研究: 利用标注数据训练或验证广告图像“带插图/无插图”分类模型
- 数字人文教学实践: 作为计算机视觉处理历史数字资源的教学实例数据集
- 19世纪美国报纸广告特征分析: 通过元数据与图像标注，研究该时期广告的视觉呈现规律
- 历史出版文化研究: 结合出版地、年份等元数据，分析不同地区、时期报纸广告的差异
- 数字资源标注应用: 探索历史图像资源自动化标注的方法与效果验证
