2020年07月06日 PDFからテキストデータを抽出して機械学習等に適用するためのツールをGitHubから公開しました。 https://github.com/ndl-lab/dataprocessingforpdf(外部サイト) ご利用の際は「NDLラボ公式GitHubアカウント運用方針」をご一読ください。 なお、NDLラボ公式GitHubアカウント(外部サイト)では、プログラムのほか、以下のようなデータセットも公開しています。あわせてご利用ください。 NDL-DocLデータセット(資料画像レイアウトデータセット) 文字画像データセット(漢字300文字版) 文字画像データセット(平仮名73文字版) 次世代デジタルライブラリーに搭載されているテキストデータ