Swinemünder_Badeanzeiger_历史报纸表格OCR人工标注数据集

数据集概述

本数据集为历史报纸《Swinemünder Badeanzeiger》表格信息提取的人工标注真值数据，按年份组织文件夹，每个年份文件夹含原始图像ID命名的子文件夹，包含分割表格图像、人工转录的结构化JSON标注及条目与表格行关联的索引JSON，另有汇总所有条目的JSON文件，用于OCR信息提取模型训练与评估。

文件详解

• 按年份组织的文件夹结构
• 子文件夹命名规则：对应原始图像ID
• 包含文件：
• table_[running_number].jpg：分割后的表格图像，格式为JPG
• table_[running_number]_annotation.json：人工转录的结构化数据，包含input、Nummer、Vorname、Nachname、Titel、Beruf、Sozialer Stand、Begleitung、Wohnort、Wohnung、Personenanzahl字段
• table_[running_number]_index_connected.json：关联条目与表格行的列表，格式为JSON
• 汇总文件
• 文件名称：swinebad_groundtruth.json
• 文件格式：JSON
• 字段映射：包含所有条目的完整信息，在原有标注字段基础上新增date（报纸出版日期）字段
• 压缩包文件
• 文件名称：SwineBad_Annotation.zip
• 文件格式：ZIP
• 内容说明：包含上述所有按年份组织的文件夹及汇总文件

数据来源

Digitale Bibliothek Mecklenburg Vorpommern（https://www.digitale-bibliothek-mv.de/viewer/toc/PPN636776093/）

适用场景

• OCR模型训练与评估：用于训练历史报纸表格信息提取的OCR模型，评估模型结构化输出的准确性
• 历史人口学研究：分析报纸中记录的人物姓名、职业、社会地位、居住地等信息，研究特定时期的人口特征
• 历史文献数字化：为《Swinemünder Badeanzeiger》报纸的数字化加工提供结构化标注参考
• 数据挖掘应用：基于汇总的JSON数据，挖掘历史报纸中的社会关系、人口流动等信息
• 数字图书馆资源建设：辅助Digitale Bibliothek MV完善历史报纸的结构化元数据