
 
 
 
 Los autores: (1) Blnd Yaseen, Universidad del Kurdistán Howler, Región del Kurdistán - Irak (blnd.yaseen@ukh.edu.krd); (2) Universidad Hossein Hassani de Kurdistán Howler Kurdistán Región - Irak (hosseinh@ukh.edu.krd). Authors: (1) Blnd Yaseen, Universidad del Kurdistán Howler, Región del Kurdistán - Irak (blnd.yaseen@ukh.edu.krd); (2) Universidad Hossein Hassani de Kurdistán Howler Kurdistán Región - Irak (hosseinh@ukh.edu.krd). Mesa de la izquierda Abstracto y 1a Introducción 1.1 Impresión en Irak y Kurdistán iraquí 1.2 Desafíos en los documentos históricos 1.3 Lengua kurda 
 
 
 
 
 
 
 
 
 
 
 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 Abstracción Las bibliotecas kurdas tienen actualmente muchas publicaciones históricas que fueron impresas en los primeros días cuando los dispositivos de impresión fueron llevados a Kurdistan. Teniendo un buen reconocimiento de caracteres ópticos (OCR) para ayudar a procesar estas publicaciones y contribuir a los recursos de la lengua kurda que es crucial, ya que el kurdo se considera un lenguaje de bajo recurso. Los sistemas OCR actuales son incapaces de extraer texto de documentos históricos ya que tienen muchos problemas, incluyendo ser dañados, muy frágiles, tener muchas marcas que quedan en ellos, y a menudo escritas en fuentes no estándar disponibles. Este es un obstáculo masivo en el procesamiento de estos documentos ya que el procesamiento de ellos requiere un tipo manual que es muy demorado. En este estudio, adoptamos un marco OCR de código abierto de Google, Tesseract versión 1 Introducción A lo largo de los siglos, la experiencia humana ha producido tesoros inestimables en forma de documentos históricos. Debido a la gran cantidad de trabajo requerido para la anotación y transcripción manual de documentos históricos, muchos archivos de documentos históricos permanecen inaccesibles (Ataer y Duygulu, 2007). A través de la digitalización, estos documentos pueden ser comprendidos y protegidos de manera eficiente y eficaz. En este proceso, los documentos reales se convierten sistemáticamente en registros digitales basados en el reconocimiento preciso de caracteres en el documento original (Yang et al., 2018). Debido a la demanda de mantener y hacer documentos históricos disponibles para la investigación sin dañar copias físicas, muchos idiomas y regiones comenzaron a practicar y estudiar la digitalización y la conservación de la reproducción digital de documentos históricos (Nguyen et al., 2017 Inicialmente, los documentos históricos se crearon arduamente a mano, lo que llevó a su disponibilidad limitada y distribución limitada. Sin embargo, la introducción de la prensa de impresión por Johannes Gutenberg en 1436 en Alemania marcó un hito significativo. La prensa de impresión, un dispositivo mecánico diseñado para imprimir publicaciones de gran volumen, revolucionó la producción de documentos históricos. Este aparato aplica presión a una superficie de tinta, como se muestra en la Figura ???? La prensa de impresión es ampliamente reconocida como uno de los logros más notables de la historia, facilitando la difusión y conservación generalizada del conocimiento (Qania, 2012). En cuanto a la historia de la prensa kurda, tiene alrededor de un siglo, y los dispositivos utilizados para la impresión eran enormemente diferentes de lo que tenemos hoy. Una de ellas es la falta de fuente estándar para escribir, el uso de muchos estilos árabes, y sobre ellos, todos los libros necesitan estar en mejor forma ya que son muy frágiles y dañados y hay muchas marcas notables en ellos. Algunos sistemas OCR actualmente soportan el idioma kurdo, por ejemplo, el de Idrees y Hassani (2021). No obstante, no pueden reconocer estas publicaciones antiguas debido a los problemas mencionados anteriormente. Este estudio se centra en mejorar un sistema OCR existente para la lengua kurda para que podamos reconocer y extraer texto de documentos históricos kurdos, lo que hace que los documentos relacionados estén listos para un posterior procesamiento. 
 
 Este artículo está disponible en archivo bajo la licencia ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Este artículo está disponible en archivo bajo la licencia ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Disponible en Archivo

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

Read My Stories

undefined's blog

Este audio es producido en el idioma original de la historia!

¿Puede AI salvar siglos de historia kurda?

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps