
 
 
 
 Os autores: (1) Blnd Yaseen, Universidade do Curdistán Howler, Rexión do Curdistán - Iraq (blnd.yaseen@ukh.edu.krd); (2) Universidade Hossein Hassani do Curdistán Howler Rexión do Curdistán - Iraq (hosseinh@ukh.edu.krd). Authors: (1) Blnd Yaseen, Universidade do Curdistán Howler, Rexión do Curdistán - Iraq (blnd.yaseen@ukh.edu.krd); (2) Universidade Hossein Hassani do Curdistán Howler Rexión do Curdistán - Iraq (hosseinh@ukh.edu.krd). Mesa da esquerda Abstracto e 1a introdución 1.1 Impresións en Iraq e no Kurdistán iraquí 1.2 Retos nos documentos históricos 1.3 Lingua galega 
 
 
 
 
 
 
 
 
 
 
 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 Abstraccións As bibliotecas kurdas teñen actualmente moitas publicacións históricas que foron impresas nos primeiros días cando os dispositivos de impresión foron traídos ao Kurdistan. Ter un bo recoñecemento de caracteres ópticos (OCR) para axudar a procesar estas publicacións e contribuír aos recursos da lingua kurda, o que é crucial xa que o kurdo é considerado unha linguaxe de baixo recurso. Os sistemas OCR actuais son incapaces de extraer texto de documentos históricos xa que teñen moitos problemas, incluíndo ser danados, moi fráxiles, tendo moitas marcas deixadas nelas, e moitas veces escritas en fontes non estándar e máis. Este é un obstáculo masivo para procesar estes documentos, xa que o seu procesamento actual require tipificación manual que é moi demorado. Neste estudo, adoptamos un marco OCR de código aberto de Google, Tesseract versión 5.0, que foi usado para extra 1 Introdución Ao longo dos séculos, a experiencia humana produciu tesouros inestimables en forma de documentos históricos. Debido á gran cantidade de traballo requirido para a anotación e transcrición manual de documentos históricos, moitos arquivos de documentos históricos permanecen inaccesibles (Ataer e Duygulu, 2007). A través da dixitalización, estes documentos poden ser entendidos e protexidos de forma eficiente e eficaz. Neste proceso, os documentos reais son sistematicamente convertidos en rexistros dixitais baseados no recoñecemento preciso de caracteres no documento orixinal (Yang et al., 2018). Debido á demanda de manter e facer documentos históricos dispoñibles para a investigación sen danar copias físicas, moitas linguas e rexións comezaron a practicar e estudar a dixitalización e preservación da reprodución dixital de documentos históricos (Nguyen et al., 2017 Inicialmente, os documentos históricos foron creados manualmente, o que levou á súa dispoñibilidade restrinxida e distribución limitada. Con todo, a introdución da prensa de impresión por Johannes Gutenberg en 1436 en Alemaña marcou un marco importante. A prensa de impresión, un dispositivo mecánico deseñado para imprimir publicacións de gran volume, revolucionou a produción de documentos históricos. Este aparello aplica presión a unha superficie de tinta, como se mostra na Figura.? A prensa de impresión é amplamente recoñecida como un dos logros máis notables da historia, facilitando a difusión e conservación ampla do coñecemento (Qania, 2012). En canto á historia da prensa kurda, é de aproximadamente un século, e os dispositivos utilizados para a impresión eran enormemente diferentes do que temos hoxe. Unha delas é a falta de fonte estándar para escribir, o uso de moitos estilos árabes, e sobre eles, todos os libros necesitan estar en mellor forma xa que son moi fráxiles e danados e hai moitas marcas notables neles. Algúns sistemas OCR actualmente soportan a lingua kurda, por exemplo, o de Idrees e Hassani (2021). Aínda así, non poden recoñecer estas publicacións antigas debido aos problemas mencionados anteriormente. Este estudo céntrase en mellorar un sistema OCR existente para a lingua kurda para que poidamos recoñecer e extraer texto de documentos históricos kurdos, o que fai que os documentos relacionados estean listos para o seu posterior procesamento. 
 
 Este artigo está dispoñible en arquivo baixo a licenza ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Este artigo está dispoñible en arquivo baixo a licenza ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Dispoñible en arquivo

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 está producido na lingua orixinal da historia!

Pode AI salvar séculos de historia kurda?

About Author

COMENTARIOS

Etiquetas colgantes

ESTE ARTIGO FOI PRESENTADO EN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Society Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Startups Community!

HackerNoon Decoded 2024: Celebrating Our Society Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Startups Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps