The Digital Reading Room of the Ministry of Defence of the Czech Republic / Using Technology for Advanced Indexing of Historical Documents

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378114%3A_____%2F24%3A00599817" target="_blank" >RIV/68378114:_____/24:00599817 - isvavai.cz</a>

Result on the web

<a href="https://sd.usd.cas.cz/pdfs/sod/2024/02/05.pdf" target="_blank" >https://sd.usd.cas.cz/pdfs/sod/2024/02/05.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.51134/sod.2024.027" target="_blank" >10.51134/sod.2024.027</a>

Result language

čeština

Original language name

Digitální studovna Ministerstva obrany ČR / Využití technologií na pokročilou indexaci historických dokumentů

Original language description

Vývoj v oblasti informačních technologií a umělé inteligence přináší nástroje, které mají značný potenciál usnadnit a obohatit výzkum v oborech historických a jim příbuzných věd. Předpokladem pro jejich efektivní uplatnění je však co nejdokonalejší převod analogových historických pramenů do strojově čitelné podoby, aby vyhledávání, třídění a vytěžování informací v nich obsažených bylo stejně účinné jako v digitálně „zrozených” (born digital) zdrojích. Autoři v této studii nejprve rekapitulují vývoj digitálních knihoven a zpřístupňování výsledků digitalizace v České republice, přičemž si všímají rozdílných strategií a technologických zázemí knihoven a archivů. Zamýšlejí se nad limity fulltextového vyhledávání a poukazují na překvapivý systémový deficit současných digitálních knihoven spočívající v absenci diagnostiky kvality strojového přepisu provedeného programy pro optické rozpoznávání znaků (Optical Recognition Character – OCR). Zvláštní pozornost pak věnují představení parametrů a možností Digitální studovny Ministerstva obrany ČR (DSMO), jež funguje na bázi systému digitální knihovny Kramerius. Díky své roli agregátora digitalizační produkce paměťových institucí resortu Ministerstva obrany ČR studovna zpřístupňuje zároveň knihovní dokumenty i digitalizované předlohy z archivních fondů a muzejních sbírek. Na modelovém příkladu tištěného úředního periodika z doby první světové války je představen proces dodatečného vylepšení výsledků OCR pomocí nástroje pokročilé extrakce a rozpoznávání obsahu (PERO) OCR, jež zachycuje rozložení grafických a textových objektů (Analyzed Layout and Text Objects – ALTO) a umožňuje přesnou lokalizaci hledaného textu na digitalizovaném obrazu. S využitím tohoto programu lze získat mnohem efektivněji a ve znatelně vyšší kvalitě textový obsah nejen tištěných či strojopisných, ale dokonce i rukopisných textů. Údaje ve schématu ALTO by navíc bylo možné využít i k automatickému monitoringu kvality výsledků OCR. Tento postup by znatelně zvýšil využitelnost sémantického vyhledávání, strojového překladu, sumarizace a mnoha dalších nástrojů umělé inteligence, které plné nasazení v prostředí českých digitálních knihoven teprve čeká.

Czech name

Digitální studovna Ministerstva obrany ČR / Využití technologií na pokročilou indexaci historických dokumentů

Czech description

Vývoj v oblasti informačních technologií a umělé inteligence přináší nástroje, které mají značný potenciál usnadnit a obohatit výzkum v oborech historických a jim příbuzných věd. Předpokladem pro jejich efektivní uplatnění je však co nejdokonalejší převod analogových historických pramenů do strojově čitelné podoby, aby vyhledávání, třídění a vytěžování informací v nich obsažených bylo stejně účinné jako v digitálně „zrozených” (born digital) zdrojích. Autoři v této studii nejprve rekapitulují vývoj digitálních knihoven a zpřístupňování výsledků digitalizace v České republice, přičemž si všímají rozdílných strategií a technologických zázemí knihoven a archivů. Zamýšlejí se nad limity fulltextového vyhledávání a poukazují na překvapivý systémový deficit současných digitálních knihoven spočívající v absenci diagnostiky kvality strojového přepisu provedeného programy pro optické rozpoznávání znaků (Optical Recognition Character – OCR). Zvláštní pozornost pak věnují představení parametrů a možností Digitální studovny Ministerstva obrany ČR (DSMO), jež funguje na bázi systému digitální knihovny Kramerius. Díky své roli agregátora digitalizační produkce paměťových institucí resortu Ministerstva obrany ČR studovna zpřístupňuje zároveň knihovní dokumenty i digitalizované předlohy z archivních fondů a muzejních sbírek. Na modelovém příkladu tištěného úředního periodika z doby první světové války je představen proces dodatečného vylepšení výsledků OCR pomocí nástroje pokročilé extrakce a rozpoznávání obsahu (PERO) OCR, jež zachycuje rozložení grafických a textových objektů (Analyzed Layout and Text Objects – ALTO) a umožňuje přesnou lokalizaci hledaného textu na digitalizovaném obrazu. S využitím tohoto programu lze získat mnohem efektivněji a ve znatelně vyšší kvalitě textový obsah nejen tištěných či strojopisných, ale dokonce i rukopisných textů. Údaje ve schématu ALTO by navíc bylo možné využít i k automatickému monitoringu kvality výsledků OCR. Tento postup by znatelně zvýšil využitelnost sémantického vyhledávání, strojového překladu, sumarizace a mnoha dalších nástrojů umělé inteligence, které plné nasazení v prostředí českých digitálních knihoven teprve čeká.

Type

J_SC - Article in a specialist periodical, which is included in the SCOPUS database

CEP classification

—

OECD FORD branch

60101 - History (history of science and technology to be 6.3, history of specific sciences to be under the respective headings)

Project

<a href="/en/project/DH23P03OVV054" target="_blank" >DH23P03OVV054: Serving the homeland as a source of national identity. Identification, documentation and presentation of historical sources for the institute of compulsory military service in the Czech lands (1868–2004)</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2024

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Soudobé dějiny

ISSN

1210-7050

e-ISSN

—

Volume of the periodical

31

Issue of the periodical within the volume

2

Country of publishing house

CZ - CZECH REPUBLIC

Number of pages

21

Pages from-to

447-467

UT code for WoS article

—

EID of the result in the Scopus database

2-s2.0-85215768238