| --- |
| language: |
| - ru |
| --- |
| |
| Демонстрация низкого качества OCR/HTR, поражающего обучающие датасеты на русском 19 века и ранее. |
|
|
| Использовать для тестирования спеллчекеров и корректоров. |
|
|
| TODO: |
| common_corpus_pre1939_Russian -как результат коррекции, вместо нынешнего некачественного |
| common_corpus_pre1939_Russsian |
|
|
| Лицензия кау у исходного PleIAs/common_corpus |
| |
| Мотивация: |
| https://huggingface.co/datasets/PleIAs/common_corpus/discussions/2#67adb8aba035b45ce76b33dd |
| Feb 13, 2025 |
| A language column was added in Common Corpus 2.0, so filtering on language is now possible. Thanks! |
| It does however require processing the entire 10+ TB dataset. Having separate subsets or releases per language would be quite convenient. |
