PleIAs/US-PD-Newspapers

数据集简介

这是一个包含美国公共领域报纸文本的大型数据集，由 PleIAs 发布，收录了超过 2128 万行文本数据。

主要用途

适用于历史研究、自然语言处理（NLP）、文本挖掘、语言模型训练以及美国历史与文化相关的分析任务。

数据类型与模态

• 模态类型：纯文本
• 数据格式：Parquet
• 数据特性：来源于美国公共领域的报纸内容，属于历史文献类文本。

规模与统计

• 数据行数：21,286,585 行
• 下载量：850 次
• 点赞数：47

使用场景

1. 历史与社会研究：分析美国历史事件、社会变迁及公共舆论。
2. NLP 模型训练：作为大规模语料库，用于训练或微调语言模型。
3. 文本分析：进行关键词提取、主题建模、趋势分析等。
4. 数字人文：支持历史文献的数字化分析与探索。