Larramendiren Hiztegi Hirukoitzaren digitalizazioaKaraktereen ezagutze optikoa eta Wikitekara igotzea

  1. Mikel Alonso 1
  2. David Lindemann
  1. 1 Universidad del País Vasco/Euskal Herriko Unibertsitatea
    info

    Universidad del País Vasco/Euskal Herriko Unibertsitatea

    Lejona, España

    ROR https://ror.org/000xsnr85

Revista:
Uztaro: giza eta gizarte-zientzien aldizkaria

ISSN: 1130-5738

Any de publicació: 2022

Número: 120

Pàgines: 83-93

Tipus: Article

DOI: 10.26876/UZTARO.120.2022.5 DIALNET GOOGLE SCHOLAR

Altres publicacions en: Uztaro: giza eta gizarte-zientzien aldizkaria

Objectius de Desenvolupament Sostenible

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.