@misc{Muehlberger2018, author = {M{\"u}hlberger, G{\"u}nter}, title = {Keyword Spotting als Alternative zur Volltextsuche in handschriftlichen und gedruckten Dokumenten}, 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)}, year = {2018}, abstract = {Keyword Spotting - Query by String (KWS-QbS) ist eine innovative Methode, um große Mengen handschriftlicher und gedruckter Dokumente mit erstaunlicher Genauigkeit durchsuchbar zu machen. Die Suche findet dabei nicht in einem automatisch erkannten Volltext statt, sondern in sogenannten Wahrscheinlichkeitstabellen (confidence matrices). Diese Wahrscheinlichkeitstabellen enthalten f{\"u}r jeden Buchstaben des Alphabets einen Konfidenzwert mit dem er in einem bestimmten Bildausschnitt enthalten ist. Dadurch gehen keinerlei Alternativen verloren, vielmehr erh{\"a}lt der Benutzer die Chance, selbst zu entscheiden wie "tiefgehend" seine Suche sein soll, sprich wieviele fehlerhafte Suchtreffer er {\"u}berpr{\"u}fen m{\"o}chte. Umgekehrt werden mit der vorgestellten Methode W{\"o}rter mit erstaunlicher Treffergenauigkeit gefunden, bei denen die automatische Transkription mittels OCR (Optical Character Recognition) zu keinen befriedigenden Ergebnissen f{\"u}hrt oder eine Unmenge an Trainingsdaten voraussetzen w{\"u}rde. KWS hat aus unserer Sicht daher das Potential die Suche in handscrhiftlichen und gedruckten Best{\"a}nden schlicht zu revolutionieren. Der Vortrag wird zum einen das theoretische Konzept beleuchten, zum anderen aber auch die Implementierung in der Forschungsplattform Transkribus vorstellen. Hier erh{\"a}lt der Benutzer ab Anfang 2018 die M{\"o}glichkeit KWS auf seinen eigenen Dokumenten anzuwenden. Anhand konkreter Beispiele werden dann wichtige Kennziffern (Precision, Recall) f{\"u}r die G{\"u}te der Suche erl{\"a}utert. Ebenso wird der Aufwand, der f{\"u}r das Training der zugrundeliegenden Neuronalen Netze benannt und anhand diverser Datensets quantifiziert.}, language = {de} } @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{GasserWanger2018, author = {Gasser, Michael and Wanger, Regina}, title = {Wenn Algorithmen Zeitschriften lesen. Vom Mehrwert automatisierter Textanreicherung}, 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-opus4-36411}, year = {2018}, abstract = {Mit der Plattform E-Periodica (www.e-periodica.ch) stellt die ETH-Bibliothek rund 280 retrodigitalisierte Schweizer Fachzeitschriften mit insgesamt {\"u}ber 6 Mio. Seiten online zur Verf{\"u}gung. Diese Menge an OCR-erkannten Texten bieten sich an, um dank automatisierter Textanreicherung zus{\"a}tzlichen Mehrwert f{\"u}r die bessere Nutzbarkeit der Daten zu generieren. Vor diesem Hintergrund f{\"u}hrte die ETH-Bibliothek gemeinsam mit dem Institut f{\"u}r Computerlinguistik der Universit{\"a}t Z{\"u}rich im Jahr 2017 ein entsprechendes Pilotprojekt durch. Als Testkorpus wurden zwei umfangreiche Architekturzeitschriften (ab 1874 bis in die Gegenwart) mit computerlinguistischen Methoden aufbereitet, strukturiert und verlinkt.Im Vortrag werden zum einen die methodischen Schwerpunkte der verbesserten Texterkennung (durch die automatische Korrektur von OCR-Fehlern) und der Textanreicherung - durch die Erkennung, die Aggregierung und die Verlinkung von Personen- und Ortsnamen - ausgef{\"u}hrt. Zum anderen wird gezeigt, welche Resultate sich f{\"u}r Bibliothek und Forschungspartner aus dem Pilotprojekt ergeben. Auf Seite der Bibliothek geh{\"o}ren dazu sowohl die Nutzung der angereicherten Daten f{\"u}r optimierte Suchfunktionen und Informationsangebote in E-Periodica als auch der Kompetenzaufbau in der Bereitstellung maschinenlesbarer Textkorpora. Der Nutzen f{\"u}r den Forschungspartner liegt in der Weiterentwicklung semantischer Erschliessungsmethoden. Diese neuen Formen der Inhaltserschliessung werden die Nutzung und Verarbeitung digitalisierter Bibliotheksinhalte in den kommenden Jahren entscheidend beeinflussen und voranbringen.}, language = {de} }