Larramendiren Hiztegi Hirukoitzaren digitalizazioaKaraktereen ezagutze optikoa eta Wikitekara igotzea
- Mikel Alonso 1
- David Lindemann
-
1
Universidad del País Vasco/Euskal Herriko Unibertsitatea
info
Universidad del País Vasco/Euskal Herriko Unibertsitatea
Lejona, España
ISSN: 1130-5738
Any de publicació: 2022
Número: 120
Pàgines: 83-93
Tipus: Article
Altres publicacions en: Uztaro: giza eta gizarte-zientzien aldizkaria
Resum
Artikulu honetan Larramendiren Hiztegi Hirukoitzaren digitalizazioko OCR prozesua deskribatzen da, adimen artifizialaren adarra den ikasketa automatikoa baliatuz. Horretarako, eskaneatutako irudien aurreprozesamendua deskribatzen da, eta ondoren, Kraken erreminta baliatuz, eskuz transkribatutako laginetik abiatuta hiztegiko testua ezagutuko duen ereduaren trebakuntza azaltzen da. Doitasun handiko testuaz gain, letra etzana eta testuaren posizioa gordetzen dituzten fitxategiak sortu dira, hiztegiaren egitura irudikatzeko balioko dutenak. Emaitzak prozesatu eta Wikiteka plataforman eskuragarri jarri direnez, auzolanez transkripzio osoa zuzendu daiteke. Zuzendutako transkripzio hori informazio-erauzketa prozesutik pasako da, hiztegiaren egitura lexikografikoa ikasketa automatikoz erauzteko. Informazio horrekin RDF estandarrarekin bat datorren moldaketa-eredu baten lehen proposamena landuko da, Wikidatan integratzeko.