dh-unibe/image-text_zh-regierungsratsprotokolle

Dataset Card for image-text_zh-regierungsratsprotokolle

This dataset was created using pagexml-hf converter from Transkribus PageXML data.

Dataset Summary

This dataset contains 152786 images.

The document includes images and transcriptions of Regierungsratsprotokolle, transcribed within the frame of a project by the State Archives of Zurich. For more information see: (https://www.zentraleserien.zh.ch/home)

Geographical scope: Switzerland<br>Period: 1803-1883<br>Languages: German<br>Type of document: Protocols<br>Provenance: State Archives of Zurich<br>

The Following Signatures are Included

• —MM1001
• —MM1002
• —MM1003
• —MM1004
• —MM1005
• —MM1006
• —MM1007
• —MM1008
• —MM1009
• —MM1010
• —MM1011
• —MM1012
• —MM1013
• —MM1014
• —MM1015
• —MM1016
• —MM1017
• —MM1018
• —MM1019
• —MM1020
• —MM1021
• —MM1022
• —MM1023
• —MM1024
• —MM1025
• —MM1026
• —MM1027
• —MM1028
• —MM1029
• —MM1030
• —MM1031
• —MM1032
• —MM1033
• —MM1034
• —MM1035
• —MM1036
• —MM1037
• —MM1038
• —MM1039
• —MM1040
• —MM1041
• —MM1042
• —MM1043
• —MM1044
• —MM1045
• —MM1046
• —MM1047
• —MM1048
• —MM1049
• —MM1050
• —MM1051
• —MM1052
• —MM1053
• —MM1054
• —MM1055
• —MM1056
• —MM1057
• —MM1058
• —MM1059
• —MM1060
• —MM1061
• —MM1062
• —MM1063
• —MM1064
• —MM1065
• —MM1066
• —MM1067
• —MM1068
• —MM1069
• —MM1070
• —MM1071
• —MM1072
• —MM1073
• —MM1074
• —MM1075
• —MM1076
• —MM1077
• —MM1078
• —MM1079
• —MM1080
• —MM1081
• —MM1082
• —MM1083
• —MM1084
• —MM1085
• —MM1086
• —MM1087
• —MM1088
• —MM1089
• —MM1090
• —MM1091
• —MM1092
• —MM1093
• —MM1094
• —MM1095
• —MM1096
• —MM1097
• —MM1098
• —MM1099
• —MM1100
• —MM1101
• —MM1102
• —MM1103
• —MM1104
• —MM1105
• —MM1106
• —MM1107
• —MM1108
• —MM2101
• —MM2102
• —MM2103
• —MM2104
• —MM2105
• —MM2106
• —MM2107
• —MM2108
• —MM2109
• —MM2110
• —MM2111
• —MM2112
• —MM2113
• —MM2114
• —MM2115
• —MM2116
• —MM2117
• —MM2118
• —MM2119
• —MM2120
• —MM2121
• —MM2122
• —MM2123
• —MM2124
• —MM2126
• —MM2127
• —MM2128
• —MM2129
• —MM2130
• —MM2131
• —MM2132
• —MM2133
• —MM2134
• —MM2135
• —MM2136
• —MM2137
• —MM2139
• —MM2140
• —MM2141
• —MM2142
• —MM2143
• —MM2144
• —MM2145
• —MM2146
• —MM2147
• —MM2148
• —MM2149
• —MM2150
• —MM2151
• —MM2152
• —MM2153
• —MM2154
• —MM2155
• —MM2156
• —MM2157
• —MM2158
• —MM2159
• —MM2160
• —MM2161
• —MM2162
• —MM2163
• —MM2164
• —MM2165
• —MM2166
• —MM2167
• —MM2168
• —MM2169
• —MM2170
• —MM2171
• —MM2172
• —MM2173
• —MM2174
• —MM2175
• —MM2176
• —MM2177
• —MM2178
• —MM2179
• —MM2180
• —MM2181
• —MM2182
• —MM2183
• —MM2184
• —MM2185
• —MM2186
• —MM2187
• —MM2188
• —MM2189
• —MM2190
• —MM2191
• —MM2192
• —MM2193
• —MM2194
• —MM2195
• —MM2196
• —MM2197
• —MM2198
• —MM2199
• —MM2200
• —MM2201
• —MM2202
• —MM2203
• —MM2204
• —MM2205
• —MM2206
• —MM2207
• —MM2208
• —MM2209
• —MM2210
• —MM2211
• —MM2212
• —MM2213
• —MM2214
• —MM2215
• —MM2216
• —MM2217
• —MM2218
• —MM2219
• —MM2220
• —MM2221
• —MM2222
• —MM2223
• —MM2224
• —MM2225
• —MM2226
• —MM2227
• —MM2228
• —MM2229
• —MM2230
• —MM2231
• —MM2232
• —MM2233
• —MM2234
• —MM2235
• —MM2236
• —MM2237
• —MM2238
• —MM2239
• —MM2240
• —MM2241
• —MM2242
• —MM2243
• —MM2244
• —MM2247
• —MM2248
• —MM2249
• —MM2251
• —MM2253
• —MM2254

Dataset Structure

Data Splits

• —train: 152786 samples

Dataset Size

• —Approximate total size: 1783572.44 MB
• —Total samples: 152786

Features

• —image: Image(mode=None, decode=False)
• —xml_content: Value('string')
• —filename: Value('string')
• —project_name: Value('string')

Data Organization

Data is organized as parquet shards by split and project:

data/
├── <split>/
│   └── <project_name>/
│       └── <timestamp>-<shard>.parquet

The HuggingFace Hub automatically merges all parquet files when loading the dataset.

Usage

from datasets import load_dataset

# Load entire dataset
dataset = load_dataset("dh-unibe/transkribus-exports-11481-raw-xml") 

# Load specific split
train_dataset = load_dataset("dh-unibe/transkribus-exports-11481-raw-xml", split="train")