English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Wir stellen eine neue OCR-Methode vor, mit der es erstmals möglich ist, gedruckte Texte von der Inkunabelzeit (1450-1500) bis heute mit hoher Genauigkeit (größer 95% Zeichenerkennungsrate) in elektronischen Text zu verwandeln. Bisherige Versuche der Konversion von Inkunabeln lieferten keinen brauchbaren Text (Rydberg-Cox, 2009). Die Methode beruht auf rekurrenten neuronalen Netzen mit langem Kurzzeitgedächtnis (Hochreiter und Schmidhuber, 1997), deren Anwendbarkeit auf OCR erstmals von Breuel u. a. (2013) beschrieben wurde. Durch den Vergleich von gedruckten Textzeilen mit einer diplomatischen Transkription (”ground truth“), die das Netzwerk als Input erhält, werden die internen Parameter in einem automatischen Verfahren so eingestellt, dass nach einer hinreichenden Anzahl von Lernschritten eine Erkennung neuer Textzeilen mit hoher Genauigkeit möglich wird. Das Verfahren benötigt daher Trainingsdaten in Form einer diplomatischen Transkription, wie sie im diachronen RIDGES-Korpus zur Verfügung stehen. Ein trainiertes Modell kann dann auf Drucke mit gleicher oder ähnlicher Typographie angewendet werden. Die Resultate sind sprachunabhängig und setzen kein Lexikon voraus. Damit eröffnet sich die Möglichkeit, das gedruckte Erbe auch bei sehr frühen Drucken maschinell in digitalen Text zu transformieren. Mögliche Anwendungen ergeben sich für die Suche (mit Trefferanzeige im Bild anstelle im OCR-Text) sowie, gegebenenfalls nach automatischer und manueller Nachkorrektur, für den automatisch unterstützten Aufbau von Korpora und Lexika.

Zur OCR frühneuzeitlicher Drucke am Beispiel des RIDGES-Korpus von Kräutertexten