Details
Grundlagen automatischer Texterkennung für historische Drucke (OCR) und Handschriften (HTR)
Dieses Online-Seminar ist Teil einer virtuellen Veranstaltungsreihe der TU9 Bibliotheken zu forschungsnahen Themen.
Inhaltsbeschreibung:
Die Generierung durchsuch- und maschinenlesbarer Volltexte ist eine wichtige Voraussetzung für die breite Nachnutzung retrodigitalisierter Bestände in Bibliotheken und Archiven. Kommerzielle Software zur Texterkennung ist im Allgemeinen nicht dazu geeignet, die große Diversität und Spezifik historischer Materialien so zu berücksichtigen, dass die Textqualität der resultierenden Volltexte wissenschaftlichen Ansprüchen genügt. Durch den verstärkten Einsatz von Techniken des maschinellen Lernens im Bereich von OCR und HTR und deren Verfügbarkeit in freier Software wie Tesseract ist es mittlerweile möglich materialadäquate Workflows und Erkennungsmodelle auf komfortable Art und Weise selbst auf- und einzusetzen! Der Vortrag gibt einen Einblick in zugrundeliegende Konzepte und unterstützt Sie bei Ihren ersten Schritten hin zu selbsterzeugten digitalen Volltexten.
Vorkenntnisse:
Kenntnisse der Kommandozeile in Linux, Windows oder Mac OS sind hilfreich.
Online-Kurs via Zoom:
Kay-Michael Würzner ist Sprachwissenschaftler und hat Computerlinguistik und Germanistik studiert. Nach dem Studium arbeitete er als wissenschaftlicher Mitarbeiter an der Universität Potsdam und der Berlin-Brandenburgischen Akademie der Wissenschaften im Bereich korpuslinguistischer Forschungsdateninfrastrukturen. Seit April 2019 ist Kay-Michael Würzner an der SLUB tätig und bearbeitet Themen des maschinellen Lernens und der automatischen Sprachverarbeitung. Darüber hinaus ist er für die Koordination der Beratungsangebote rund um den gesamten Forschungskreislauf verantwortlich und berät Sie gerne zu allen Aspekten einer offenen Wissenschaftskultur.