• search hit 10 of 372
Back to Result List

Volltext für Wissenschaft und Lehre auf e-rara.ch: Erfahrungen und Probleme mit Fraktur-OCR

  • e-rara.ch ist die Plattform für digitalisierte Drucke des 15. bis 20. Jahrhunderts aus Schweizer Bibliotheken und zählt derzeit rund 70.000 Titel mit 15,5 Millionen Digitalisaten. 2017 wurde im Rahmen des Projekts «e-rara.ch: Volltext» OCR für Titel ab Druckjahr 1830 und in Antiqua-Schriften eingeführt und auf fast 5.000 Titel angewendet. Diese Titel sind im Volltext durchsuchbar und die Volltexte sind in den downloadbaren PDFs den Bildern hinterlegt.Um Wissenschaft und Lehre ebenso wie einer breiten Öffentlichkeit verbesserte Nutzungsmöglichkeiten unserer Digitalisate zu bieten, wird seit August 2018 OCR auch auf Titel ab Druckjahr 1801 und in Frakturschrift angewendet. Eine Evaluation hat gezeigt, dass die verwendete OCR-Lösung ABBYY FineReader für Antiqua-Drucke aus dieser Zeit gute Ergebnisse liefert und ABBYY FineReader XIX ähnlich gute für Drucke in Frakturschrift. Die Werte für Zeichen- und Wortgenauigkeit liegen bei rund 98-99% respektive 93-95%.Die Ausweitung der Volltexterkennung bringt in der Umsetzung einige Probleme mit sich. So existiert in den vorhandenen Titelmetadaten kein Indikator für die Schriftart (Antiqua oder Fraktur). Da diese Information für die Auswahl der OCR-Lizenz nötig ist, muss dieser Arbeitsschritt manuell vorgenommen werden. Drucke in Frakturschrift enthalten außerdem oft Textstellen in Antiqua-Schriften, typischerweise in Latein oder romanischen Sprachen. In solchen Fällen muss für optimale Ergebnisse eine passende Graphieeinstellung gewählt werden, was eine sorgfältige Prüfung des einzelnen Drucks auf diese Eigenschaften voraussetzt.Grundsätzlich ist zu entscheiden, welche Erkennungsgenauigkeit angestrebt werden sollte und wie mit «schlechten» Ergebnissen umzugehen sei: Ist ein fehlerhafter Volltext besser als keiner?Der Vortrag thematisiert diese zweite Phase der OCR-Erweiterung für e-rara.ch, skizziert die gewählte Lösung und den Umgang mit auftretenden Problemen sowie Perspektiven der Volltexterkennung für die Plattform.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Oliver Ammann
URN:urn:nbn:de:0290-opus4-164061
Parent Title (German):TK 3: Content kuratieren / Texterkennung: aktuelle Entwicklungen (18.03.2019, 09:00 - 11:30 Uhr, M5 (Messehaus))
Document Type:Conference publication (Presentation slides)
Language:German
Year of Completion:2019
Release Date:2019/03/07
Themes:Digitalisierung, Langzeitarchivierung
German Bibliothekartage / BiblioCon:108. Deutscher Bibliothekartag in Leipzig 2019 = 7. Bibliothekskongress
108. Deutscher Bibliothekartag in Leipzig 2019 = 7. Bibliothekskongress / Themenkreise / Podium der Verbände / TK 3: Content kuratieren / Texterkennung: aktuelle Entwicklungen
Licence (German):License LogoDeutsches Urheberrecht
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.