@misc{SchummZumstein2018, author = {Schumm, Irene and Zumstein, Philipp}, title = {Mensch vs. Maschine - Texterfassungsmethoden auf dem Pr{\"u}fstand}, series = {TK 6: erschließen \& erhalten / OCR in der Praxis (13.06.2018, 16:30 - 18:00 Uhr, Raum I)}, journal = {TK 6: erschließen \& erhalten / OCR in der Praxis (13.06.2018, 16:30 - 18:00 Uhr, Raum I)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-36437}, year = {2018}, abstract = {Text- und Strukturerkennung sind bei Digitalisierungsvorhaben unerl{\"a}sslich, um im Rahmen von Forschungsarbeiten Recherchen und Auswertungen auf effiziente Art und Weise zu erm{\"o}glichen. Eine Volltexterkennung inklusive der Erfassung von Strukturmerkmalen schreibt beispielsweise auch die DFG f{\"u}r Druckwerke ab Erscheinungsjahr 1850 folgerichtig verbindlich vor. Bei digitalisierten historischen Forschungsdaten ist dar{\"u}ber hinaus eine m{\"o}glichst fein-granulare Strukturierung sinnvoll. Die Text- und Strukturerkennung ist damit eine umfassende Herausforderung und im Zuge eines Projekts muss entschieden werden, ob eine maschinelle Texterkennung (OCR) oder ein manuelles Erfassen der Texte (i.d.R. Double Keying) durchgef{\"u}hrt werden soll. Wichtige Faktoren sind hierbei die G{\"u}te der Text- und Strukturerkennung, Kosten, Nachnutzbarkeit usw. Anhand des DFG-Digitalisierungsprojekts "Aktienf{\"u}hrer-Datenarchiv" (1870-2016) an der Universit{\"a}tsbibliothek Mannheim sollen beide Methoden beleuchtet und ein Vergleich gezogen werden. In der ersten Projektphase (Erscheinungsjahre 1976-1999) wurde die Text- und Strukturerfassung mittels Double Keying-Verfahren durchgef{\"u}hrt, w{\"a}hrend in der zweiten Projektphase (Erscheinungsjahre 1953-1975) die maschinelle OCR und automatische Strukturierung f{\"u}r diese Aufgabe vorgezogen wird.}, language = {de} } @misc{KamlahStegmuellerSchummetal.2019, author = {Kamlah, Jan and Stegm{\"u}ller, Johannes and Schumm, Irene and Zumstein, Philipp}, title = {Automatisierte Optimierung und Strukturierung von OCR-Ergebnissen mit nachnutzbaren Werkzeugen}, series = {TK 3: Content kuratieren / Texterkennung: aktuelle Entwicklungen (18.03.2019, 09:00 - 11:30 Uhr, M5 (Messehaus))}, journal = {TK 3: Content kuratieren / Texterkennung: aktuelle Entwicklungen (18.03.2019, 09:00 - 11:30 Uhr, M5 (Messehaus))}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-164252}, year = {2019}, abstract = {Bibliotheken leisten einen wichtigen Beitrag zur Digitalisierung des kulturellen Erbes und erm{\"o}glichen Forschenden weltweit den Zugang zu diesen Werken. Textbasierte Dokumente werden h{\"a}ufig zus{\"a}tzlich durch OCR (optical character recognition) erschlossen. Dies erm{\"o}glicht eine Suche nach Stichw{\"o}rtern im gesamten Inhalt sowie weitere Analysem{\"o}glichkeiten. Vielen Bibliotheken fehlt es jedoch an Know-how und Werkzeugen, um optimale OCR-Ergebnisse zu erzielen oder weitere Strukturerkennungsschritte selbstst{\"a}ndig auszuf{\"u}hren. Im Zuge des DFG-finanzierten Digitalisierungsprojekts "Aktienf{\"u}hrer-Datenarchiv II" wurden mehrere softwaretechnische Werkzeuge entwickelt, um in einem einheitlichen Workflow sowohl den Umgang mit den OCR-Daten zu vereinfachen als auch die Ergebnisse zu optimieren. Unter anderem werden dabei die OCR-Ergebnisse durch die Kombination der Ausgaben mehrerer OCR-Engines verbessert und eine Strukturerfassung im Volltext, inklusive Tabellenextraktion, vorgenommen.In diesem Beitrag werden die entwickelten L{\"o}sungsans{\"a}tze und Tools vorgestellt. Um sie f{\"u}r {\"a}hnliche Projekte nachnutzbar und anpassbar zu machen, sind alle Tools als Open-Source-Software verf{\"u}gbar.}, language = {de} }