光学字符识别质量影响历史报纸剪报的感知有用性
计算与语言
2022-06-02 v1
摘要
引言。我们研究在交互式信息检索中使用一份数字化芬兰历史报纸集合时，不同质量的光学字符识别（OCR）的影响。方法。本研究基于模拟交互式信息检索工作任务模型。32 名用户对芬兰报纸 Uusi Suometar 1869-1918 的文章集合（约 145 万篇自动分割文章）进行检索。我们的文章检索数据库每篇文章有两个不同光学字符识别质量的版本。每名用户执行六个预定义和六个自拟短查询，并使用 0-3 的等级相关性量表对前 10 结果进行主观评价，且不知晓其他方面相同文章的光学字符识别质量差异。分析。用户评价的分析通过比较用户会话中评价得分的平均值进行。查询结果的差异通过分析与预定义和自拟查询返回文章的长度以及这两类会话中检索到的不同文档数量来检测。结果。研究的主要结果是，改进的光学字符识别质量对历史报纸文章的感知有用性有正向影响。结论。我们能够表明，在我们的历史报纸集合中，文档光学字符识别质量的提高导致查询结果的平均相关性评价得分更高。据我们所知，这一模拟交互式用户任务是首个通过实证表明用户主观相关性评估受光学读取文本质量变化影响的工作。
引用
@article{arxiv.2206.00369,
title = {Optical character recognition quality affects perceived usefulness of historical newspaper clippings},
author = {Kimmo Kettunen and Heikki Keskustalo and Sanna Kumpulainen and Tuula Pääkkönen and Juha Rautiainen},
journal= {arXiv preprint arXiv:2206.00369},
year = {2022}
}
备注
21 pages, 6 figures, 2 tables, 1 appendix. arXiv admin note: substantial text overlap with arXiv:2203.03557