Пайдалар:
- HTR жана транслитерация иш процессин орнотуу жана чийки долбоор эмне үчүн сап боюнча эксперттик текшерүүнү талап кыларын түшүндүрүү мүмкүнчүлүгү
- Осмон түркчөсүндө үндүү/тамга бүдөмүк болгон учурда так окууну таңуулоонун ордуна альтернатива сурап окулбаган жерлерди коргоо мүмкүнчүлүгү
- Палеограф менен акыркы илимий жоопкерчиликти сактап, түпнуска транслитерацияны жөнөкөйлөштүрүүнүн өзүнчө катмарынан ажырата билүү
Тарыхый изилдөөнүн эң талап кылынган бөлүгү, балким, кол жазмаларды жана эски жазуу документтерди окула турган текстке көчүрүү. Кат, дептер, сот протоколу же Осмон документи көчүрүлгөндөн кийин гана издөөгө болот. Транскрипция - документтин мазмунун (көбүнчө кол жазма же байыркы жазуу) жазылган, окула турган текстке которуу актысы. Осмон тилинде бул көбүнчө транслитерация менен коштолот: араб тамгаларындагы текстти тамгадан тамга эквиваленттери менен латын алфавитине өткөрүү.
Биз басып чыгарылган тексттер үчүн OCR колдондук; Колжазма башка технологияны талап кылат: HTR (Handwritten Text Recognition). HTR бул OCRге окшош технология, бирок кол менен жазылган документтерди машинанын текстине айландырган алда канча татаал. Бул бөлүмдө биз HTR жана AIди Осмон тилинде жана кол жазма транскрипциясында кантип колдонууну, каталардын чектерин жана эмне үчүн текшерүү бул жерде өтө маанилүү экенин көрөбүз.
Эмне үчүн колжазма мынчалык кыйын?
Колжазма басылган текстке караганда бир топ өзгөрмөлүү: ар бир жазуучунун уникалдуу колу бар, тамгалар бири-бирине байланышып, кыскартуулар жана атайын белгилер колдонулат, сыя канат, кагаз эскирет. Осмон түркчөсүндө кыйынчылык көбөйөт:
- Контексттик тамга формалары: Бир эле тамга сөздүн башында, ортосунда жана аягында башкача жазылат.
- Үндүүлөрдү жазбоо: Кыска үндүүлөр көп жазылбайт; окурман контексттен толуктайт. Бул “кабыл алуубу же четке кагуубу?” сыяктуу бүдөмүк ойлорду жаратат.
- Ар кандай жазуу стилдери: рикъа, дивани, та'лик сыяктуу ар кандай колжазма стилдери бар; Ар бири ар кандай окуу тажрыйбасын талап кылат.
- Осмон лексикасы: Азыркы түрк тилинде жок араб жана фарс тилдеринен кирген сөздөр.
Ошондуктан, HTR жана AI Осмон түркчөсүндө OCR басып чыгарууга караганда алда канча жогорураак ката менен иштейт. Эксперт палеографтын көзү (палеография – байыркы жазууларды окуу илими) бул жерде курал эмес, зарылчылык.
Иш агымы: этап-этабы менен
1. Документтин сапатын даярдоо. OCR сыяктуу эле, жогорку чечим жана жакшы контраст маанилүү. Бул колжазмада дагы да маанилүү.
2. HTR моделин тандаңыз. Белгилүү бир мезгил үчүн атайын даярдалган Осмон, араб кол жазмасы же HTR үлгүлөрү жалпы үлгүлөргө караганда алда канча ийгиликтүү. Кайсы модель мезгилге жана жазуу стилине ылайыктуу экенин текшериңиз.
3. Чийки транскрипцияны түзүү. HTR модели контурду түзөт. Осмон түркчөсүндө бул долбоор тажрыйбалуу бир көздүн кылдат текшериши керек болгон каталарга толгон бир башталышы.
4. AI менен контексттик жакшыртуу. Сизде AI желегинин дал келбестиги, мүмкүн окуу альтернативалары жана чийки чыгарылышта шектүү жерлер болушу мүмкүн. Бирок AI "түзөтүү" бул жерде өзгөчө кооптуу: ал ойлоп табуу сунуш кылышы мүмкүн.
5. Транслитерация жана жөнөкөйлөштүрүү (кабаттуу). Араб тамгалары менен жазылган тексттин латын тамгаларына транслитерацияланышы, андан кийин анын бүгүнкү түрк тилине жөнөкөйлөштүрүлүп окулушу өзүнчө катмарлар катары чыгарылат. Оригинал эч качан бузулбайт.
6. Эксперттик текшерүү. Корутунду транскрипция палеографиялык жана мезгилдик билими бар эксперт тарабынан документ менен салыштыруу жолу менен бекитилет.
Көңүл буруңуз: Осмон түркчөсүндө контексттен жазылбаган үндүү сөздү "болжолдоодо" AI такыр туура эмес окууну жаратып, аны ишенимдүү тилде бере алат. Тамгалардын айырмасы, мисалы, «кабил» ордуна «кабул» же «алим» ордуна «алем» маанисин толугу менен өзгөртөт. Ар бир белгисиз окуу альтернативалар менен көрсөтүлүшү керек жана бир дагы так окууну таңуулабоо керек.
Стол менен катмарлар жана жоопкерчилик
катмар
Мазмун
AI ролу
Эксперттин ролу
Сүрөт
оригиналдуу документ
—
Булак
HTR долбоору
Чийки машина окуу
өндүрөт
Башынан аягына чейин көзөмөлдө
транслитерация
Латын тамгасынын транспозициясы
долбоору сунуш кылат
Тууралайт, оңдойт
Белгисиздиктин эскертүүлөрү
[?] жана альтернативалар
белгилер
чечет
Жөнөкөйлөтүү
Бүгүнкү түрк
долбоору сунуш кылат
Бекитүүлөр
илимий жарыялоо
Акыркы текст + эскертүүлөр
—
Эксперт гана
үч мини учурлар
1-жагдай — HTR биринчи долбоорду 5 эсе тездетти. Докторант 200 беттик Осмон жазуу дептерин көчүрүп алчу. Толук кол менен транскрипция 60 иш күнү деп эсептелген. мезгил үчүн үйрөтүлгөн HTR модели менен, чийки долбоору бир нече сааттын ичинде чыкты; Окуучу бул долбоорду оңдоп, ишти 12 жумушчу күнгө кыскарткан. Бирок ал документтин ар бир барагын сап-сапка салыштырууга туура келди; Долбоордун 30%га жакыны туура эмес болгон.
2-жагдай — Бир тамга, бир маани. Бир изилдөөчү AI "губернатор" деп окуган сөзгө таянган. Эксперттик көзөмөл астында бул сөз чындыгында "камкорчу" (балага/адамга жооптуу) экени жана үндүү тыбыш белгиленбегендиктен, AI туура эмес деп эсептеген. Документтин юридикалык мааниси толугу менен өзгөрүп жатты. Сабак: Осмон түркчөсүндө бир тамга/үндүү айырма документтин башынан чечмеленишине себеп болот; эксперт талап кылынат.
3-жагдай - Ойлонуп бүтүрүү. Сыясы түгөнүп, бир сөзү окулбай калган сапта AI боштукту "логикалык" сөз менен толтурду. Эксперт бул боштук чындыгында жердин аталышы экенин жана аны AI түзгөнүн түшүндү. Бош орун [окууга болбойт] деп калды. Сабак: окулбаган жер толтурулган эмес, белгиленген.
Көчүрүү үчүн төрт шаблон
1) түшүнүксүздүктү сактаган транслитерация:
Төмөндө Осмон документинин HTR чийки чыгышы/транслитерациясы. Сиздин милдет - текстти карап чыгуу жана мүмкүн болгон окуу каталарын белгилөө. Эрежелер: (1) Сиз ишенбеген ар бир сөз үчүн 2-3 окуу вариантын сунуштаңыз, бирөөнү таңуулабаңыз. (2) Окууга болбой турган жерлерге [окулбаган] калтырыңыз, аларды толтурбаңыз. (3) Текстте жок сөздөрдү КОШУУ. (4) Тыбышсыз үндүү сөздөрдө альтернативаларды көрсөт. Текст: [бул жерде]
2) катмарлуу окуу (оригинал + жөнөкөйлөтүү):
Төмөнкү ырасталган Осмон транслитерациясы үчүн ЭКИ тилке түзүңүз: (1) Түпнуска транслитерация (тийүү), (2) Бүгүнкү түрк тилине жөнөкөйлөтүлгөн окуу. Жөнөкөйлөштүрүүдө чечмелөө кошумчалоо; жөн гана тилди жаңыртыңыз. Көп эмес маанидеги жерлерди белгилеңиз[аныксыз]. Транслитерация: [бул жерде]
3) Мөөнөтү жана инсанды алуу:
Төмөндөгү транскрипцияда айтылган жеке аттары, жер-суу аттары, титулдары жана мезгилдүү терминдер өзүнчө тизмелерде көрсөтүлөт. Текстте АЧЫК айтылгандарды гана алыңыз; Болжол менен кошпогула. Эгер айтылышын так билбесеңиз, [?] менен белгилеңиз. Текст: [бул жерде]
4) Шектүү окууну көзөмөлдөө:
Ролдо тажрыйбалуу палеография контролеру. Төмөндөгү транскрипцияда мааниси боюнча бири-бирине дал келбеген, мезгилге туура келбеген же контекстке туура келбеген сөздөрдү белгилеп, эмне үчүн шектенүүчү экенин жазыңыз. биротоло оңдоо киргизүү; Адам эксперти документ менен салыштыра турган шектенүүлөрдүн тизмесин түзүңүз. Текст: [бул жерде]
Алсыз тездик / Күчтүү тездик
Алсыз:
Бул Осмон текстин окуп, анын котормосун мага бер.
Бул AIды бирдиктүү, так окууга, бүдөмүктөрдү жашырууга жана боштуктарды орнотууга түртөт. Осмон түркчөсүндө бул дээрлик кепилденген ката.
Күчтүү:
Осмон тилинин транслитерациясын төмөндө карап көрүңүз. Толук окуу: ТАМАША. Ар бир түшүнүксүз сөзгө мүмкүн болгон альтернативаларды бериңиз, [окулбаган] бөлүктөрүн калтырыңыз, текстте жок нерсени кошпоңуз. Жөнөкөйлөтүлгөн окууну бүгүнкү түрк тилине өзүнчө тилкеде бериңиз, бирок түпнускасын сактаңыз. Эксперт аны документ менен салыштырышы үчүн [?] менен ишенбеген нерсени белгилеңиз. Текст: [бул жерде]
Айырмасы: окууга катуу тыюу салуу, альтернативаларды суроо, боштуктарды сактоо жана катмарлуу чыгаруу эксперттик текшерүүгө мүмкүндүк берет.
Жалпы каталар
- HTR долбоорун туура деп жаңылыштык. Осмон түркчөсүндө чийки долбоордун көбү туура эмес болушу мүмкүн; Саптан линияга контролдук кылуу керек.
- Бир гана так окуу - таңуулоо. Үндүү тыбыштары жазылбаган сөздөрдө альтернативалар катылып калса, туура эмес маани жазылат.
- Окулбаган жерди толтуруу. Ал жасалма эмес, боштук менен корголушу керек.
- Түпнуска менен жөнөкөйлөштүрүү. Жөнөкөйлөтүү өзүнчө катмар болушу керек; Түпнуска транслитерацияны бурмалоого болбойт.
- Экспертти өчүрүү. Палеографияны жана мезгилди билбесе, AI окуу илимий мааниси жок божомол болуп саналат.
Кыскача айтканда
Осмон жана кол жазма транскрипциясы HTR жана AI менен чийки долбоор баскычында абдан тездетилиши мүмкүн; Сиз жумуш күндөрүн саатка кыскартуучу биринчи натыйжаны аласыз. Бирок дал ушул аймакта бир тамга, бир үндүү айырмачылык маанини өзгөртөт; AI белгисиздикти жашырып, боштуктарды толтурууга умтулат. Туура ыкма катмарлуу: чийки контур, түшүнүксүздүктү альтернативдик белгилер, жөнөкөйлөштүрүүнүн өзүнчө катмары жана эң негизгиси, палеографияны жакшы билген эксперттин документти сап-сап текшерүүсү. AI баштапкы окууну тездетет; Илимий жоопкерчилик экспертке таандык.
Колдонмо тапшырмасы
Осмон же кол жазма документинин транслитерациясын (өзүңүздүн өндүрүшүңүз же жарыяланган көчүрмөсүн) алыңыз. AIдан "так эместикти сактаган транслитерация" шаблону менен альтернативалуу окууну сураныңыз. Андан кийин "катмарлуу окуу" менен өзүнчө жөнөкөйлөштүрүү катмарын түзүңүз. Ар бир бүдөмүк белгиленген сөздү эксперттик булак же сөздүк менен салыштырыңыз; Эгерде AI бир окууну киргизсе, канча ката кетирээрине көңүл буруңуз.
текшерүү тизмеси
- [ ] Мен мезгилге жана жазуу стилине ылайыктуу HTR/моделди колдондум.
- [ ] Мен AIдан так окууга альтернатива сурадым.
- [ ] Мен окулбаган бөлүктөрүн [окулбайт] менен коргогом.
- [ ] Мен түпнуска транслитерацияны жөнөкөйлөштүрүүдөн бөлөк сактадым.
- [ ] Мен акыркы текстти палеографияны жакшы билген эксперт/документалдуу тасма менен тастыктадым.