处理 M.A. Castrén 的材料：多语言排版与手写手稿
计算与语言
2021-12-30 v1
摘要
本研究构成对芬兰民族志学者和语言学家 Matthias Alexander Castrén（1813-1852）所收集与出版材料上已执行各类任务的技术报告。Finno-Ugrian Society 正将 Castrén 的手稿作为新的批判性与数字化版本出版，同时不同研究组也关注到这些材料。我们讨论了所使用的工作流与技术基础设施，并思考如何创建有益于不同计算任务的数据集，以进一步提升这些材料的可用性，并辅助类似档案收藏的进一步处理。我们特别聚焦于以改进其在更技术性应用中可用性的方式处理的收藏部分，以补充先前关于这些材料的文化与语言方面的工作。这些数据集大多在 Zenodo 中公开可用。本研究指出了需要进一步研究的特定领域，并为文本识别任务提供了基准。
引用
@article{arxiv.2112.14153,
title = {Processing M.A. Castr\'en's Materials: Multilingual Typed and Handwritten Manuscripts},
author = {Niko Partanen and Jack Rueter and Mika Hämäläinen and Khalid Alnajjar},
journal= {arXiv preprint arXiv:2112.14153},
year = {2021}
}
备注
Proceedings of the Workshop on Natural Language Processing for Digital Humanities