Girdeji:
- Skanirlenen resminamalary OCR we HTR bilen tekste öwürmek we çykyşy hakyky surat bilen deňeşdirmek arkaly düzedip bilmek
- Arhiw resminamasynyň özboluşlylygyny we bitewiligini gorap saklamak we AI-iň mazmuny üýtgetmeginiň we ýasalan dikeldişiniň öňüni almak
- Barlanyş maglumatlary we çydamly formatlar bilen uzak möhletli sanly gorap saklamagy meýilleşdirmek ukyby
Arhiwçä elli ýyllyk gazet jiltlerini, golýazma hatlaryny ýa-da köne suratlary geljekde alyp gitmek tabşyrylýar. Bu resminamalar wagtyň geçmegi bilen könelýär; Olary gorap saklamak we elýeterli etmek üçin sanlaşdyrmak amala aşyrylýar: fiziki resminamany skanirlemek we ony sanly göçürmä öwürmek. Aloneöne diňe barlamak ýeterlik däl; Sanly obýekt uzak möhletde tapyljak, okalýan we dowam etdirilmeli. Bu bölümde sanlaşdyrmakda, transkripsiýada we sanly gorap saklamak işinde emeli intellekti ulanmagy öwrenersiňiz; ýöne özboluşlylygy we takyklygy üçin näme üçin jogapkärçiligi çekjekdigiňizi öwrenersiňiz.
Birnäçe düşünje. OCR (Optiki nyşanlary tanamak) resminamanyň şekilindäki teksti maşyn bilen redaktirlenýän tekste öwürýän tehnologiýa. HTR (El bilen ýazylan tekst tanamak) golýazma resminamalary üçin şol bir işi edýär we has kyn. Sanly gorap saklamak, faýl formatlarynyň könelmegi we programma üpjünçiliginiň üýtgemegi bilen sanly obýektleriň onlarça ýyllap okalmagyny üpjün etmek üçin meýilleşdirilen tagalladyr. AI üç ugurda güýçli, ýöne kemçilikli kömekçi.
Stepdimme-ädim: sanlaşdyrmakdan gorap saklamak
1. Ileri tutuň. Hemme zady birbada sanlaşdyryp bilmersiňiz. Iň gowşak, iň köp talap edilýän we iň üýtgeşik resminamalar birinji ýerde goýulýar. Bu kazyýet karary; AI sanawy redaktirlemäge kömek edýär, ýöne edara ileri tutulýan zady kesgitleýär.
2. OCR / HTR-i skanirläň we ulanyň. Resminamany ýokary ölçegde skanirläň, soňra teksti çykarmak üçin OCR ýa-da HTR ulanyň. AI esasly gurallar hatda köne we kyn tekstler bilenem gowulaşýar.
3. Teksti dogry we barlaň. OCR / HTR çykyşy hiç wagt kämil däl. Esasanam köne ýazuw, reňklenen sahypalar ýa-da golýazmalar bar bolsa, ýalňyşlyklar köp bolýar. Çykyşy hakyky şekil bilen deňeşdirmek we düzetmek zerurdyr.
4. Metadata we gorag maglumatlary goşuň. Sanly obýekte subutnamany, skaner şertlerini, format maglumatlary we subutnamany goşuň - resminamanyň nireden gelendigi we gaýtadan işlenişi. Bu maglumatlar geljekde barlamak we goramak üçin möhümdir.
5. Uzak möhletleýin goragy meýilleşdiriň. Açyk, umumy we çydamly faýl formatlaryny saýlaň; ätiýaçlyk; Formatlar köne bolan ýagdaýynda migrasiýa meýilnamasyny düzüň.
Maslahat: OCR çykyşyny "açyk tekst" hökmünde kabul etmäň. Gözleg ulgamy bu tekstiň üstünde işlemeli bolsa, nädogry tanalýan sözler çeşmäniň tapylmazlygyna sebäp bolardy. Möhüm ýygyndylar üçin, OCR çykyşyny adam gözüne düzetmek, soňraky girişiň hilini kesgitleýär.
Sanly obýektiň hakykylygy we bitewiligi
Arhiw işleriniň merkezinde hakykylyk we bitewilik bar: resminamanyň hakykatdanam talap edilýän çeşmeden gelip çykýandygyna we mazmunynyň üýtgedilmändigine kepillik. Bu pursatda AI iki taraplaýyn howp döredýär. Ilki bilen, OCR / HTR düzediş ýa-da “güýçlendirmek” wagtynda AI teksti ýuwaşlyk bilen üýtgedip biler; "düzediş" ady bilen ýok söz goşup biler. Ikinjiden, şekil "abatlamak" ýa-da "dikeltmek" AI bilen edilse, asyl däl jikme-jiklikler öndürilip bilner.
Arhiwçiniň düzgüni düşnükli: sanly gorap saklamak nusgasy asyl nusgasyna wepaly bolmaly. AI bilen edilen her bir gowulaşma resminamalaşdyrylmaly we hakyky (çig) skaner elmydama saklanmalydyr. Resminamany "owadanlamak" onuň taryhy subutnamasyny ýok edip biler.
Üns beriň: AI bilen köne suraty ýa-da resminamany "gowulaşdyrmak" özüne çekiji bolup biler; ýöne AI ýiten bölekleri doldurmak bilen doldurýar. Arhiw resminamasynda bu ýalan taryhy subutnamalary döretmegi aňladýar. Dikeldiş çykyşy hiç haçan asyl çeşmäniň ýerini tutmaýar; aýratyn, anyk bellikli warianty hökmünde saklanýar.
üç sany kiçi halat
1-nji waka - Gazet arhiwleri gözlenip başlandy. Kitaphana 30 ýyllyk ýerli gazetler ýygyndysyny sanlaşdyrdy. OCR bilen 90,000 sahypa transkripsiýa edildi we gözlenildi; Öň birnäçe gün dowam eden mowzuk gözlegi indi sekuntlara çenli azaldyldy. Şeýle-de bolsa, topar köne we reňklenen sahypalarda OCR takyklygynyň 80% -e düşendigini gördi we ilkinji ýyllary adam gözi bilen düzetmegi ileri tutdy.
2-nji waka - HTR golýazmany açdy. Arhiw, XIX asyrda okamak kyn harplar ýygyndysyna HTR-ny ulandy. Hünärmenleriň birnäçe aýlap okamagyna görä ulgam uly tizlik gazandy; Theöne neşiriň her sahypasy asyl paleograf (gadymy ýazuw hünärmeni) bilen asyl nusgasy bilen deňeşdirildi, sebäbi adamlaryň we ýerleriň atlarynda ýalňyşlyklar bardy.
3-nji waka - Galp “dikeldiş” ret edildi. Bir topar AI bilen ýyrtylan taryhy suraty "abatlamak" hasaplandy. AI ýiten ýüz böleklerini ýerleşdirmek bilen tamamlady. Arhiwçi bu toslanan jikme-jiklikleriň taryhy subutnamalary ýoýjakdygyna düşündi; Bejerilen şekil asyl nusgasy bilen birlikde aýratyn saklandy, diňe "AI öndürijisi" diýip bellik edildi.
Göçürmä, gorag nusgasyna we format kararyna giriň
Sanlaşdyrmakda gowy tejribe, şol bir obýektiň nusgalaryny dürli maksat bilen bölmekdir. Gorap saklamak ussady, iň ýokary ölçegde, gysylmadyk ýa-da ýitgisiz görnüşde saklanjak gelejekde hakyky sanly obýektdir; seýrek degýär. Giriş nusgasy ulanyja hödürlenýän has kiçi we aňsat görnüş. Bu tapawut möhümdir, sebäbi ulanmak üçin amatly format (kiçi, gysylan) uzak möhletleýin gorap saklamak üçin amatly bolup bilmez; Gorap saklamak üçin iň amatly format (uly, ýitgisiz) gündelik ulanmak üçin kyn. Bu iş prosesinde AI faýllaryň sanawyny düzmekde, ýiten wariantlary ýüze çykarmakda we meta-maglumaty iki nusganyň arasynda yzygiderli saklamakda kömek edip biler. Şeýle-de bolsa, formaty saýlamak gorap saklamak kararydyr: açyk, giň resminamalaşdyrylan we çydamly formatlary ileri tutmaly (eýeçilikli, ýapyk formatlara däl-de), formatlar wagtyň geçmegi bilen könelişen ýagdaýynda migrasiýa meýilnamasy taýyn bolmaly. AI formaty teklip etse-de, edaranyň uzak möhletleýin gorap saklamak syýasaty soňky netijä gelýär.
Maslahat: Her sanly obýekt üçin "asyl çeşme nirede, gorag nusgasy haýsy formatda, giriş nusgasy haýsy formatda we ulanyja elýeterli?" Diýen soraglara jogap berýän gysga ýazgy ýazyň. Bu üç gatlagy garyşdyrmak, haýsy faýlyň ynamdar ussatdygyny öňe sürmeýär.
Göçürip boljak dört şablon
1) OCR çykaryş düzediş kömegi:
Aşakda OCR teksti we hakyky sahypanyň beýany. Diňe openOCR ýalňyşlyklaryny düzediň (erbet harplar, goşma / bölünen sözler). Mazmuny üýtgetmäň, söz goşmaň we aýyrmaň. Ynanmasaňyz, "[?]" Bilen bellik ediň. OCR teksti: [şu ýerde]
2) Tekst-şekil yzygiderliligini barlamak:
Aşakdaky düzedilen tekstde asyl resminamada bolmagyna garaşylmadyk goşmaçalar barmy (düzülen bolmagy mümkin)? Her şübheli bölegi belläň we näme üçin şübheli bolandygyny ýazyň. Tekst: [şu ýerde]
3) Gorag metadata taslamasy:
Aşakdaky sanly obýekt üçin gorap saklamagyň meta-maglumatyny dörediň: çeşme, subutnama, skaner senesi / çözgüdi, faýl formaty, geleşik taryhy. Diňe beren maglumatlarymy ulanyň, ýiten meýdany boş goýuň. Maglumat: [şu ýerde]
4) Ileri tutulýan kömek:
Aşakda sanlaşdyrma garaşýan ýygyndylaryň sanawy; Gowşaklyga, islege we özboluşlylyga esaslanmaga kömek ediň. Her çeşme üçin gysga delil getiriň; Iň soňky karary maňa beriň. Sanaw: [şu ýerde]
Gowşak haýyş / Güýçli haýyş
Gowşak haýyş:
Bu skanirlenen teksti düzediň we owadanlaň.
“Gözellik” AI-ni mazmuny üýtgetmäge, ýalňyşlyklaryň öwezini dolmaga çagyrýar; Arhiw resminamasynyň özboluşlylygy zaýalanýar.
Güýçli haýyş:
Siziň roluňyz: sanlaşdyrma redaktorynyň kömekçisi. Aşakdaky OCR tekstinde Diňe aç-açan tanamak ýalňyşlyklaryny düzediň (erbet häsiýet, nädogry bölünen söz). Hiç hili söz goşmaň, aýyrmaň we üýtgetmäň. Ynanmaýan ýeriňizde "[?]" Taşlaň. Her düzedişiňizi aýratyn sanawda görkeziň. Tekst: [şu ýerde]
Güýçli teklip AI-ni diňe ýalňyşlary tanamak bilen çäklendirýär, mazmuna degmegini gadagan edýär we düzedişleri yzarlaýar.
Iş tertibi we töwekgelçilik tablisasy
Tapgyr
AI-iň goşandy
Esasy töwekgelçilik
goramak çäresi
skanirläň
-
hili pes
ýokary çözgüt
OCR / HTR
Tekste öwüriň
Tanaýyş säwlikleri
adam düzedişi
düzediş
Roralňyş teklip
Mazmuny üýtgetmek
Asyl nusgasy bilen deňeşdirmek
dikeltmek
Surat emele gelen
laýyk jikme-jiklik
Çig asyl nusgasyny saklaň, bellik ediň
goramak
Metadata taslamasy
gelip çykyşyny ýitirmek
Ygtyýarnama
Adaty ýalňyşlyklar
- OCR çykyşyny düzedişsiz kabul etmek. Rorsalňyşlyklar gözleg we girişi bozýar.
- AI diýmek “owadan etmek”. Mazmuny üýtgedýär we özboluşlylygy ýok edýär.
- Hakyky subutnamalar üçin AI dikeldişini çalyşmak. Galp jikme-jiklikler ýalan taryh döredýär.
- Çig skaneri saklamazlyk. Asyl nusgasyz hiç hili düzediş barlap bolmaz.
- Barlag maglumatlary bermek. Resminamanyň ygtybarlylygy gözegçiliksiz bolýar.
Gysgaça
Sanly arhiwlerde we sanlaşdyrmakda AI; OCR / HTR transkripsiýasyny, meta-maglumaty taýýarlamagy we ileri tutmagy çaltlaşdyrýan gymmatly kömek. Arhöne arhiw işiniň düýp manysy we bitewiligi: OCR çykyşy adam gözi bilen düzedilmeli, AI hiç wagt sessiz-üýnsüz çalyşmaly däl, dikeldiş önümleri asyl subutnamalaryň ornuny tutmaly däldir, çig skaner we barlag maglumatlary hemişe saklanmalydyr. AI-ni resminamany "gowulaşdyrmaýan" gural hökmünde ulanyň, tersine, oňa wepaly bolmak bilen elýeterli ediň.
Programma meselesi
OCR çykyşynyň gysga nusgasyny alyň (ýa-da öz önümçiligiňizden ýa-da hakyky skanerden). Diňe "OCR çykyş düzediş kömek" şablony bilen tanamak ýalňyşlyklaryny düzediň, soňra AI-iň "Tekst-şekil yzygiderliligini barlamak" şablony bilen mazmun goşandygyny ýa-da ýokdugyny barlaň. Soňra "Gorap saklamagyň meta-maglumaty" şablony bilen obýekt üçin synag we format maglumatlary bilen ýazgy dörediň.
gözegçilik sanawy
- [] OCR / HTR çykyşyny hakyky surat bilen deňeşdirdim we düzedim.
- [] AI-iň mazmuny goşmaýandygyny / üýtgetmeýändigini barladym.
- [] Çig (ussat) skaneri aýratyn we üýtgewsiz sakladym.
- [] Metadata maglumat we format maglumatlary goşdum.
- [] Dikeldiş wariantlaryny "AI öndürijisi" diýip belledim.