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 20% kedvezménnyel.
Az éves előfizetés már tartalmazza az őszi különszámot.
Az első 500 előfizetőnek.
Tudta-e, hogy...?
- 10 tény a kerékpározás történetéből
- 10 érdekesség, amit nem tudtál a Mikulásról
- 10 meglepő tény a vasút történetéből
- 10 érdekesség az Árpád-házi királylányokról
- 10 dolog, amit nem tudtál Las Vegas-ról
- 10 érdekes tény a Szent Koronáról
- 7 mitológiai lény, melyektől rettegtek a régmúltban
- Tíz tény Jackie Kennedy-ről
- Tíz meglepő tény az angliai csatáról
- Koncepciós per keretében, teljesen irreális vádak alapján ítélték el Mindszenty Józsefet 19:05
- Napjainkig megoldatlan egy skót világítótorony hátborzongató rejtélye 14:20
- Az Eiffel-tornyot kétszer is megpróbálták eladni ócskavasnak 09:51
- A hét legismertebb Mária-jelenés szerte a világban 09:05
- A nemzet költője sem tudott segíteni a kiállhatatlan nyelvzsenin tegnap
- 10 tény a Mona Lisáról tegnap
- Ókori eredetű a karácsonyfa-állítás szokása tegnap
- Rejtély, miért tűnt el a krétai civilizáció tegnap
