
 
 
 
 Forfattere af: (1) Blnd Yaseen, University of Kurdistan Howler, Kurdistan Region - Irak (blnd.yaseen@ukh.edu.krd) (2) Hossein Hassani University of Kurdistan Howler Kurdistan Region - Irak (hosseinh@ukh.edu.krd). Authors: (1) Blnd Yaseen, University of Kurdistan Howler, Kurdistan Region - Irak (blnd.yaseen@ukh.edu.krd) (2) Hossein Hassani University of Kurdistan Howler Kurdistan Region - Irak (hosseinh@ukh.edu.krd). Bord til venstre Abstract og 1. introduktion 1.1 Trykpressen i Irak og det irakiske Kurdistan 1.2 Udfordringer i historiske dokumenter 1.3 Kurdiske sprog 
 
 
 
 
 
 
 
 
 
 
 Related work and 2.1 Arabic/Persian 2.2 Chinese/Japanese and 2.3 Coptic 2.4 Greek 2.5 Latin 2.6 Tamizhi 
 
 
 
 Method and 3.1 Data Collection 3.2 Data Preparation and 3.3 Preprocessing 3.4 Environment Setup, 3.5 Dataset Preparation, and 3.6 Evaluation 
 
 
 
 
 Experiments, Results, and Discussion and 4.1 Processed Data 4.2 Dataset and 4.3 Experiments 4.4 Results and Evaluation 4.5 Discussion 
 
 
 
 Conclusion 5.1 Challenges and Limitations Online Resources, Acknowledgments, and References Abstrakte Der er i øjeblikket mange historiske publikationer, der blev trykt tilbage i de tidlige dage, hvor udskrivningsenheder blev bragt til Kurdistan. Har en god Optical Character Recognition (OCR) for at hjælpe med at behandle disse publikationer og bidrage til ressourcerne i det kurdiske sprog, hvilket er afgørende, da kurdisk i øjeblikket betragtes som et sprog med lav ressource. Nuværende OCR-systemer er ude af stand til at udtrække tekst fra historiske dokumenter, da de har mange problemer, herunder at være beskadiget, meget skrøbelige, med mange mærker tilbage på dem, og ofte skrevet i ikke-standard skrifttyper og mere. Dette er en massiv hindring for at behandle disse dokumenter, da behandlingen af dem i øjeblikket kræver manuel typografi, som er meget 1 Introduktion Gennem århundreder har menneskelig erfaring produceret uvurderlige skatte i form af historiske dokumenter. På grund af den store mængde arbejde, der kræves for manuel annotation og transkription af historiske dokumenter, forbliver mange arkiver af historiske dokumenter utilgængelige (Ataer og Duygulu, 2007). Gennem digitalisering kan disse dokumenter forstås og beskyttes effektivt og effektivt. I denne proces omdannes faktiske dokumenter systematisk til digitale optegnelser baseret på præcis genkendelse af tegn i det oprindelige dokument (Yang et al., 2018). På grund af efterspørgslen efter at opretholde og gøre historiske dokumenter tilgængelige for forskning uden at beskadige fysiske kopier, begyndte mange sprog og regioner at praktisere og studere digitalisering og bevarelse af Oprindeligt blev historiske dokumenter omhyggeligt skabt ved hånden, hvilket førte til deres begrænsede tilgængelighed og begrænsede distribution. Imidlertid markerede Johannes Gutenbergs introduktion af trykpressen i 1436 i Tyskland en betydelig milepæl. Trykpressen, en mekanisk anordning designet til udskrivning af publikationer i høj volumen, revolutionerede fremstillingen af historiske dokumenter. Dette apparat lægger pres på en blækoverflade, som vist i figur ???? Trykpressen er bredt anerkendt som en af de mest bemærkelsesværdige præstationer i historien, der letter udbredelsen og bevarelsen af viden (Qania, 2012). Hvad angår den kurdiske pressehistorie, er den omkring et århundrede gammel, og de enheder, der anvendes til print, var enormt forskellige fra det, vi har i dag. En af dem er manglen på standard skrifttype til skrivning, brugen af mange arabiske stilarter, og på toppen af dem skal alle bøgerne være i bedre form, da de er meget skrøbelige og beskadigede, og der er mange mærkbare mærker på dem. Et par OCR-systemer understøtter i øjeblikket det kurdiske sprog, for eksempel det af Idrees og Hassani (2021). Alligevel kan de ikke genkende disse gamle publikationer på grund af de ovennævnte problemer. Denne undersøgelse fokuserer på at forbedre et eksisterende OCR-system for det kurdiske sprog, så vi kan genkende og udtrække tekst fra historiske kurdiske dokumenter, hvilket gør de relaterede dokumenter klar til yderligere behandling. 
 
 Denne artikel er tilgængelig på arkiv under ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL licens. Denne artikel er tilgængelig på arkiv under ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL licens. Tilgængelig i arkivet

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

undefined's blog

Denne lyd er produceret på historiens originalsprog!

Kan AI redde århundreder af kurdisk historie?

About Author

KOMMENTARER

HÆNG TAGS

DENNE ARTIKEL BLEV PRÆsenterET I

Related Stories

Meet Bybit: HackerNoon Company of the Week

Meet Bright Data: HackerNoon Company of the Week

Meet Brave: HackerNoon Company of the Week

Meet Tailscale: HackerNoon Company of the Week

Meet Bybit: HackerNoon Company of the Week

Meet Bright Data: HackerNoon Company of the Week

Meet Brave: HackerNoon Company of the Week

Meet Tailscale: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps