Recunoașterea textelor vechi pentru digitizarea patrimoniului cultural

Abstract

În raport sunt prezentate rezultatele studiului și analizei modelelor și metodelor de realizare a unui joc cu scop pentru recunoașterea textelor vechi din manuscrise și instrumentele de lucru ce trebuie utilizate pentru realizarea metodologiei stabilite. Este prezentat planul de acțiuni care este urmat la elaborarea aplicației în baza metodelor studiate și cuprinde, totodată, cerințele ce necesită respectate pentru ca jocul cu scop să aibă impact și să fie atractiv utilizatorilor. În urmare este prezentat modelul logic și conceptual al aplicației, schema ER a Bazei de Date, proiectarea aplicației, realizarea metodologiei descrise în capitolul II și rezultatele testării acesteia în forma unui studiu de caz. Pentru a adnota cât mai multe manuscrise, în acest proiect este folosită tehnica de crowdsourcing. Aceasta ne garantează acces la experți în adnotare, dar și de simpli oameni care odată jucând, contribuie la creșterea setului de date pentru antrenare. Rezultatele acestei teze vor deveni sursă deschisă pentru a putea fi preluate de către cercetători din Republica Moldova care ulterior vor dezvolta algoritmi pentru recunoașterea automată a textelor din manuscrise.

The report presents the results of the study and analysis of the models and methods for the realization of a purposeful game for the recognition of ancient texts from manuscripts and the working tools necessary for the realization of the established methodology. This chapter describes the action plan that is followed when developing the application based on the studied methods and also includes the requirements that need to be met in order for the application to have an impact and attract users. Finally, the logical and conceptual model of the application, the ER schema of the Database, the design of the application, the realization of the methodology and the results of its testing in the form of a case study are presented. In order to annotate as many manuscripts as possible, the project employs the crowdsourcing technique. This guarantees us access to experts in annotation, but also to ordinary people who can aid the training of the dataset by playing. The results of this thesis will become open source so that they can be taken up by researchers in the Republic of Moldova who will then develop algorithms for automatic text recognition in manuscripts.