Az Országos Széchényi Könyvtár elkészítette az első magyar nyelvű kézírásfelismerő modellt
2022. július 7. 13:57
Megjelent az első publikus magyar nyelvű számítógépes kézírásfelismerő modell. Az ún. HTR- (Handwritten Text Recognition-) modellt az Országos Széchényi Könyvtár Digitális Bölcsészeti Központja (OSZK DBK) hozta létre, és mindenki számára elérhetővé tette a Transkribus nevű szoftver komponenseként. Alapját Kiss József, a 19–20. század fordulóján élt magyar költő, a Nyugat előfutáraként számontartott A Hét című hetilap szerkesztőjének szakmai és személyes levelezése képezi.
Korábban
A kézírásfelismerést mesterséges intelligencián alapuló algoritmus végzi. Ezt először be kell tanítani, hogy a különböző kézírásokat felismerje, majd a megadott minták alapján felépít egy modellt, amellyel képessé válik arra, hogy egy általa ismeretlen, még nem látott kézírásképet is értelmezzen.
Minél többféle anyagon tanítjuk, annál jobban teljesít különböző szövegeken. A jelenlegi modell először Kiss József írásán, majd a levelezőpartnerek vegyes kézírásán tanult.
Az eddig felhasznált kéziratok a Petőfi Irodalmi Múzeumban (PIM) találhatók, a tanulásra felhasznált szavak száma körülbelül 75 ezer. A dokumentumok között szerepelnek borítékok, képeslapok, hagyományos és fejléces levelek, névjegykártyák is
A levélírók Kiss József és családja, illetve a századforduló írói, újságírói és művészei, mint Ady Endre, Móricz Zsigmond vagy Tömörkény István. Ez összesen 300 darab változó hosszúságú és minőségű levelet jelent, amelyeket a DBK folyamatosan közzétesz az olvasók számára a dhupla.hu/collection/kiss-jozsef-levelezes oldalon. A levélváltások további kéziratai jelenleg is feldolgozás alatt állnak az OSZK-ban és a PIM-ben.
A modell jelenleg 9,19 hibaszázalékkal működik, ami azt jelenti, hogy a projektben közel 90%-os pontossággal meg tudja állapítani, milyen karakterekből áll a szöveg.
A különböző magyar nyelvű projekteknek, amelyek automatikus kézírásfelismertetést használnak, a jövőben össze kell fogniuk, hogy a saját szövegkorpuszokon betanított modelleket egymásba építve egyre általánosabb érvényű eszköz jöjjön létre a magyar kéziratos források digitalizációjához.
Közös érdekünk, hogy e közgyűjteményekben rejtőző kulturális kincsek a digitális térben szövegként hozzáférhetővé, olvashatóvá, kereshetővé, számítógépes eszközökkel is feldolgozhatóvá, kutathatóvá váljanak, ahogyan a dhupla.hu oldalon közzétett szövegkiadások, illetve a hozzájuk tartozó kreatív tartalmak esetében is láthatjuk. A most nyilvánosságra hozott első magyar kézírásfelismerő modell ennek a folyamatnak fontos mérföldköve.
Az új magyar kézírásfelismerő modell megtalálható a Transkribus asztali alkalmazásban és a webes felületen is (https://readcoop.eu/model/hungarian/).
Támogasd a szerkesztőségét!
történelmi magazin
legújabb számát?
kedvezményes előfizetés 1 évre (5 szám)
bankkártyás fizetés esetén 10% kedvezménnyel.
Az éves előfizetés már tartalmazza az őszi különszámot.
Az első 500 előfizetőnek.
ősz
Múlt-kor magazin 2021
- Ókori emberáldozatok
- A magyar könnyűzene a hetvenes években
- Az MSZMP-tömegszervezetek mindennapjai
- Piranesi rézkarcbörtönei
- Itt a szép, itt a jó, itt a parázs gesztenye!
- A szepesgörgői Görgey–Csáky-kastély
- Magyar konyha a gulyás előtt
- A háztáji gazdálkodás kialakulása és szerepe
- Az Én évtizede a rockzenében
- A lettek döntő többsége a függetlenségre szavazott 1991-ben 19:05
- Hollywood szinte összes díját begyűjtötte Audrey Hepburn 15:05
- Maiszúr tigrise sem tudott ellenállni a brit hódításnak Indiában 12:20
- Különutas politikája miatt romlott meg Tito viszonya Moszkvával 10:35
- Viktória királynő szabadítatta ki a csatornaépítéssel is foglalkozó 1848-as hőst tegnap
- Egy kertész lányát vette el a később női ruhában bújkáló jakobinus vezető tegnap
- Az Eufrátesztől a Magyar Királyságig tartott a kétszer is trónra ültetett II. Mehmed birodalma tegnap
- Börtönbe zárták a Mediciek a politikatudomány megteremtőjét, Machiavellit tegnap