Institutional Books 1.0은 하버드 대학교에서 2025년에 출판할 예정인 퍼블릭 도메인 도서 모음입니다. 관련 논문은 다음과 같습니다.기관 도서 1.0: 하버드 도서관 컬렉션의 242B 토큰 데이터 세트로 정확성과 사용성을 위해 개선됨". 이 데이터 세트는 주로 19세기와 20세기에 출판된 254개 언어로 된 퍼블릭 도메인 도서 983,004권으로 구성되어 있습니다. 이 데이터 세트는 2,420억 개의 토큰과 3억 8,600만 페이지의 텍스트를 포함하고 있으며, 원본 및 후처리된 OCR 내보내기 형식으로 제공됩니다.

소환

@misc{cargnelutti2025institutionalbooks10242b, 제목={기관 도서 1.0: 하버드 도서관 소장 자료에서 추출한 2420억 개의 토큰 데이터 세트를 정확성과 사용성을 위해 개선함} 저자={마테오 카르넬루티, 캐서린 브롭스턴, 존 헤스, 잭 쿠시먼, 크리스티 무크, 아리스타나 스코르타스, 카일 코트니, 그렉 레퍼트, 아만다 왓슨, 마사 화이트헤드, 조너선 지트레인}, 연도={2025}, eprint={2506.08300}, archivePrefix={arXiv}, primaryClass={cs.CL}, url={https://arxiv.org/abs/2506.08300}, }