Umelá inteligencia pomáha sprístupňovať historické písomné dedičstvo Prof. PhDr. Dušan Katuščak, PhD. Filozoficko-prírodovedecká fakulta, Ústav bohemistiky a knihovníctva, Slezská univerzita Opava Štátna vedecká knižnica, Banská Bystrica dusan.katuscak@fpf.slu.cz Témy prezentácie 1. Digital humanities 2. Projekt SKRIPTOR APVV (ŠVK a UMB Banská Byst 3. Ceny transkripcie 4. Výsledky transkripcie (modely, sprístupnenie) Kontext Digital humanities - Rozpoznávanie textu - Transkripcia Digital humanities - spoločné pomenovanie a prierezovú metodológiu pre všetky aplikácie informačný^ a komunikačných technológií (IKT) v spoločenských a humanitných vedách, odboroch a disciplínách a im zodpovedajúcej praxi. PROJEKT READ (HORIZON 2020); READ-COOP; TRANSKRIBUS; PROJEKT SKRIPTOR OCR (Optical character recognition) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 • Rozpoznávací model je naprogramovanú mňnp • ABBY FineReader • Presnosť transkripcie 87%-92% • Až 100% - možno trénovať A • Staré tlače rukopisy a tlače - problém! • OCR = neuspokojivá transkripcia (ale, môžu tiež učiť) Fraktúra a antikva Abeceda v slabikáři z roku 1872. Fraktura a antikva OCR server uspokojivo nerozpoznává a á b c č b i> e f ij <} b í f i t m n ň o p q r ř f ff a Š t ť u ú U) r t) % \ A Á B C C D Ď E E F G H I J K L a á b c č d ď e é f g h i j k 1 ľ M N N O P Q R R S Š T Ť U Ú V X in n ň o p ([ r í* s š t ť u ú v i Y Z Ž y z ž t M C u C t C M t C i U H t H t C Q Hladať v dokumente... 3 z 118 stránok SI.UIIMII H b c l t D f f rt Á 6 ' f ! t m u ii o p q r t f ff í í 14 ' n ii w r d 5 | A Á B r ŕ D f) E Ě F (i I I I J K L L n h h c cd dc v ľ k hi j k I f O f! Ewanjelický Šlabikár wypracowany z naložení wel. Seniorátu gemerského Autor Ormis. Samuel 1864-1909 a V Rožňave: Tiskem Michala Kovács, 1872 2lS©ddSs>©actbccb0cfggfJttíímnňoqrŕfffôétfUti28£3]33uťtiDrnSl lÚBCČDĎ^FGHIJKliýa á b qc? dtáľleQf g h i j k(l)r M N Ň 0 P Q Rj;»S ŠTŤUÚVXmnňopqľŕsštfuúvxYZZyzži. t u e i t c t c u t i u e c í u u ORMIS, Samuel a 1864-1909. Ewanjelický šlabikár wypracowaný z naložení wel. Seniorátu gemerského. V Rožňave: Tiskem Michala Kovács, 1872. s. [3], Dostupné tiež z: https://onk.snk.sk/view/c9e7ce09-2c3b-4c72-85e9-304947366228? page=0ce8d83e-678a-4a10-a0e8-2b03438fa662 Jedná kvalita nasnimanei slovadkálnei nrodukeie ľodoovedá kvalite fvľickei oredlohv snimanvrh dokumentov. Defektv ako ore?anv text ľnŕená kvalita tlače, ti ooškodenie oaoierového nosiča boli v rámci Nedostatočná OCR transkripcia • Automatické OCR abecedy v Ormisovom šlabikári z roku 1872 • Poznámka: V riadku pod obrázkom je zobrazený výsledok automatického OCR. Fraktúra v červenom rámčeku je rozpoznaná celkom neprijateľne a rovnako sú chyby v rozpoznávaní antikvy - červené značky. • Zdroj: Slovenská národná knižnica: Katalóg digitálnej knižnice. Dostupné: Ewanjelický Šlabikár wypracowaný z naľožení wel. Seniorátu gemerského | Slovenská národná knižnica | Digitálna knižnica (snk.sk). • Nedostatočná alebo nemožná transkripcia rukopisov - len obrázky • Ukážky nasledujú - obrázky bez transkripcie Belopotocký Zlaté slunce Reč Štefana Moyzesa pred Forgáčom 1861 r Dohnány - práce 1842 ^ Ů)'m d m íifw l^4>ÍUf "i^UtoL/y tickuAp ^ čítate fadj/ 1H- (^y^^0 w í ^ é ^ j j ^ y Ján Hollý rukopis t r h p r e l i m jTOjjc: \stijä % 1 í M 0 ' * j k L * t á r r k M g A i **h,rL celo ' / l i " / / / » / ! J. M. Hurban 1838 f filtra t Mtrvlu/6+řaj4UÍ% fj/i' ^& hinnídte. &n J^HJÍ A^-nß- W^rp^ f * " ? fah^&*féf,j - Á Sládkovič - kázeň 1852 l Čt [ 3 - « ä S l 9 9 i i a Server Overview Layout Metadata Tools 0 Logout dusankatuscakgmail.com Document... - Document Mana Versions Recent Documentsjfl & User activity Collection*: LAUČEK.SKRIPTOR Documents Model Data 1-44/44 H < 1 10 rule 416681 416679 416675 416674 416672 416303 416291 41628E 415335 415297 415281 415270 415219 415209 415180 415171 415164 415159 100 LAUČEK_MARTIN_SNA.ZV13_4 LAUČEK.MARTIN_SNA_ZV_13_3 LAUČEK.MARTIN.SNA.ZV.13.2 LAUČEK_MARTIN_SNA_ZV_13_1 LAUČEK_MARTIN_SNA_ZV_10 LAUČEK_MARTIN_SNA_ZV_9 LAUČEK_MARTIN_SNA_ZV_8 LAUČEK.MARTIN.SNA_ZV_7 Laucek.SNK.1069.8 Laucek.SNK_1069_8 Laucek_SNK_1069_7a Laucek.SNK_1069_7 Laucek.SNK.1069.6 Laucek.SNK .1069.5 Laucek_SNK_1069_4 Laucek.SNK.1069.3.2 Laucek_SNK.1069.3a Laucek SNK-1069.3 B 1-1 Die 6 10bns hoc ab ipso Fato S Nicolai accepi Litteras ab u 1-2 ge mea. in quibus declaravit. quod terrore Nimio detineantur. ne 1-3 Templům & Parochia occupatur & maxima ex eo. quod iterum 1-4 mqusitio quaDdam instituta esses in opppido ab ipso Francisco 1-5 Borcsicky sicuti de eo clahus subsequentes litterae Dni 1-6 Rectoris lllaviensls exponebant hoc temppeses scnptae 1-7 Saiutis. pravus & cuiusvis opitatae prospentatis intra Seculi praasen 1-8 lis fatons copiden V. C. R. E. examini sinceritte precatus office 1-9 mea paratissima Comendo HP LaserJet Pro MFP M26nw S e a r c h current d o c u m e n t . . Q H < 1 / 1 • M 3> H ' In Progress v T ^ g «> ^ Q <4 (4 Server Overview Layout Metadata Tools 0 Logout dusankatuscak@gmail.com Document... I Find D o c u m e n t M a n a g e r Versions % User M a n a g e r ~ J o b s Recent Documents... Collections: v # User activity J E S E N I K . k o v a c o v a (140241, Owner) D o c u m e n t s M o d e l D a t a 1 - 1 5 / 1 5 H i 1 1 • H | Q © L d 8 ? [ ü 4 i i l D o c - I D ID Title Pages U p l o a d e r U p l o a d e d C o 985... JESENIK_PDF_z_JPG_OREZ 336 dusankatus... Tue M a y 03... (JE 931... Jesenik_ok 20 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 19 1 dusankatus... Sun F e b 27... (JE 931... Jesenik_ok 18 1 dusankatus... Sun F e b 27... (JE 931... Jesenik_ok 17 1 dusankatus... Sun F e b 27... (JE 931... Jesenik_ok 16 1 dusankatus... Sun F e b 27... (JE 931.. Jesenik ok 15 1 dusankatu... Sun Feb 2... (Jl 931... Jesenik_ok 14 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 13 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 12 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 11 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 10 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 9 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 8 1 dusankatus... Sun Feb 27 ... (JE 931... Jesenik_ok 7 1 dusankatus... Sun F e b 27... (JE 100 Filter 1-1 14. 1-2 zuckhert, und von einen warmen tag in Torten auf 1-3 finger hoch aufgesezt, von Zeugen darein gefult 1-4 aber darunter die schnitl von getron gelegt. 1-5 rechter hir gebachen, so laufft es schon auf 1-6 Die gar hoch Mande Torten 1-7 Man bereits. 1. Ib. Mandt aufs Kleinest, darunter 1-8 5. Kreutter stetzl Putter, vnd 2. ganze frische B i e n 1-9 unnd von 6. Ayern die Cler, und gar wol zu khert • 1 J B / Xi X' U -S- . p c | « I ml s Rozpracované dokumenty a zbierky • ANDREJ KMEŤ - CA 3000 s. - RUKOPIS - PREVAŽNE SLOVENČINA • MARTIN LAUČEK - MIN 20 000 s. - RUKOPIS - PREVAŽNE LATINČINA • KUCHÁRSKA KNIHA Z ROKU 1667 - ARCHÍV JESENÍK - 800 S., RUKOPIS, KURENT \ 1 • MESTEČKO TISOVEC. KURENTÁLNY PROTOKOL - RUKOPIS, SLOVENČINA, CA 500 S. 1780 • ŠKOLSKÁ ZÁPISNICA, RUKOPIS, SLOVENČINA, 1836, CA 60 S. 1836 - RUKOPIS, SLOVENČINA, MAĎARČINA ^ • ČASOPIS LUŽICA 1909 - TLAČ, VLASTNÝ MODEL TRANSKRIPCIA - PRESNOSŤ 99,2% (BEŽNÉ O C R - 8 7 % - 9 2 % ) Ciele - moje a v projekte Skriptor 1. Od obrázkov k textu a prekladu! 2. Agregované modely Name O.SKR I PTOR_WEB_rea d & s e a rc h 1_SKRIPTOR_SLOVAK IcjurenU 2_S KRIPTO R_l\l E O LATI IM 3_S KRI PTO R_C^E_G E R kure nt 4_S KRI PTO R_PRI MT_We sl avo n i c 5_SKRI PTO R_STROJ OPI S &. Š T U D E N T L D I G I 7". A n d rej Km e ť writen lelrters £S I ov.. 3. SKRIPTOR LAUCEK Martin