未来会都开源吧。等我把论文发完的。欢迎你们来用
啊....似乎是一个擅长综合视野的人呢
为什么文科类或者交叉学科类喜欢小数据集。
按照落雪研究的古文自识别评注与情感分析工作台来说。自己亲手做了一个关于唐评注数据集。一共30首诗文/55页/638条注释
通过chatgpt预处理再加上博主自己精确校对大概花费了1个月左右。这只是文本识别。opencv预切分精确度甚至不到53.8%
微调后与引入外部大概2亿多字的RAG系统之后处理时间与准确率有所上升。
其实感觉很少有人搞DH数字人文这方面的,如果有的话可以来找我玩QWQ