aaaad1/banned-historical-archives
和谐历史档案馆数据集 - Banned Historical Archives Datasets 和谐历史档案馆数据集包含已录入 https://banned-historical-archives.github.io 和暂未未录入的原始文件。 目录结构 banned-historical-archives.github.io # 已录入该网站的原始数据，不定期从 github 仓库中同步 raw # 原始文件 config # 配置文件 todo # 存放暂未录入网站的文件 部分报纸和图片资料存放在单独的仓库: 名称 地址 状态 参考消息 https://huggingface.co/datasets/banned-historical-archives/ckxx 未录入 人民日报 https://huggingface.co/datasets/banned-historical-archives/rmrb 已精选重要的文章录入 文汇报… See the full description on the dataset page: https://huggingface.co/datasets/aaaad1/banned-historical-archives.
和谐历史档案馆数据集 - Banned Historical Archives Datasets
和谐历史档案馆数据集包含已录入 https://banned-historical-archives.github.io 和暂未未录入的原始文件。
目录结构
- banned-historical-archives.github.io # 已录入该网站的原始数据，不定期从 github 仓库中同步
- raw # 原始文件
- config # 配置文件
- todo # 存放暂未录入网站的文件
部分报纸和图片资料存放在单独的仓库:
贡献
原始文件贡献
- 少量文件推荐使用huggingface网页，登陆后可以上传文件(上传至todo目录)和删除文件，操作完成等待审核通过
- 大量文件推荐通过git工具上传到huggingface，再通过community联系我们
- todo文件夹中，应及时删除已录入的资料，避免重复录入
使用 github issue 贡献资料(支持自动化OCR)
https://github.com/banned-historical-archives/banned-historical-archives.github.io/blob/master/docs/upload-and-correction.md
注意事项
- 所有仓库总文件大小超过4TB，克隆仓库时请确保磁盘空间充足
- 克隆仓库时建议使用git clone --depth 1参数，否则将下载所有commit历史记录，影响下载速度