TRIDIS：面向手写体识别与实体识别的中世纪及早期近现代文献综合语料库

本文介绍了TRIDIS（Tria Digita Scribunt），一个由中世纪和早期近现代手稿组成的开源语料库。TRIDIS汇集了多个遗留数据集（全部采用开放许可证发布），并包含大规模元数据描述。虽然此前的一些研究引用了该语料库的部分内容，但本文提供了统一的概览，并更强调其构建方式。我们描述了（i）每个主要子语料库的叙事、时序和编辑背景，（ii）其半 Diplomatic 稿作规则（展开、规范化、标点），（iii）基于联合嵌入空间中异常检测驱动的跨域测试集策略，以及（iv）使用TrOCR和MiniCPM2.5进行的初步基线实验，比较随机划分与异常基准测试分区。总体而言，TRIDIS旨在刺激中世纪及早期近现代文本遗产领域的联合稳健手写体识别（HTR）和实体识别（NER）研究。