TY - GEN A1 - Labahn, Roger T1 - Von Digitalisaten zu Volltexten. Handschriftenerkennung im Rahmen virtueller Forschungsumgebungen: Technologische Konzepte für die Handschrifterkennung N2 - Die automatische Texterkennung entwickelt sich zunehmend zu einer technologischen Kernkomponente von Forschungssoftware im Bereich Digital Humanities. Nach der klassischen OCR (Optical Character Recognition) erleben wir eine erfolgreiche Erweiterung auf die Erkennung von Handschriften und sprechen zunehmend von HTR - Handwritten Text Recognition. Damit sind wesentliche Entwicklungen in der Technologie und den Algorithmen verbunden: Anstelle segmentierter Einzelzeichen (Character) müssen ganze Zeichenfolgen verarbeitet werden (Wörter, Zeilen, Textblöcken, Seiten). Gegenwärtig werden zwei Basistechnologien des Maschinellen Lernens, Hidden Markov Models (HMM) und Rekurrente Neuronale Netze (RNN), für Anwendungsaufgaben eingesetzt wie das (ggf. nutzerunterstützte)Transkribieren handschriftlicher Texte und die Suche nach Schlüsselwörtern in großen Textkorpora (Keyword Spotting - KWS). Der Vortrag gibt einen allgemeinverständlichen Überblick über einige Grundlagen und ausgewählte Details der Basisalgorithmen moderner Handschrifterkennung sowie die Einordnung der HTR in den gesamten Erkennungsprozess. Der aktuelle Stand soll realistisch vorgestellt werden und an teils überraschenden Beispielen wird dokumentiert, dass heutige Erkennungstechnologie die Probleme des Lesens von Handschrift tatsächlich behandeln kann! Die Projektgruppe Computational Intelligence Technology Lab (CITlab, Inst. f. Mathematik, Universität Rostock; Leitung PD Dr. Roger Labahn) ist Technologie-Partner im READ-Projekt In langjähriger Zusammenarbeit mit der PLANET intelligent systems GmbH (Schwerin) konnten die algorithmischen und technologischen Grundlagen geschaffen und inzwischen zu einer anwendungsbereiten HTR-Software ausgebaut werden. Diese Software-Module haben ihre Leistungsfähigkeit vor allem durch vier erste Plätze bei den international führenden Wettbewerben zu Handschrifterkennung und Schlüsselwortsuche in den Jahren 2014 und 2015 eindrucksvoll demonstriert. Y1 - 2016 ER -