The digitisation campaigns carried out by libraries and archives in recent years have facilitated access to documents in their collections. However, exploring and exploiting these documents remain difficult tasks due to the sheer quantity of documents available for consultation. In this article, we show how the semantic annotation of the textual content of study corpora of archival documents allow to facilitate their exploitation and valorisation. First, we present a methodological framework for the construction of new interfaces based on textual semantics, then address the current technological obstacles and their potential solutions. We conclude by presenting a practical case of the application of this framework.
Page image classifier fine-tuned on century-spanning archives of scanned documents for further content-specific processing
Institute of Formal and Applied Linguistics, Charles University MFF（查尔斯大学数学与物理学院形式与应用语言学研究所）；Institute of Archaeology, Czech Academy of Sciences（捷克科学院考古研究所）
Towards Knowledge Discovery from the Vatican Secret Archives. In Codice Ratio -- Episode 1: Machine Transcription of the Manuscripts
Roma Tre University（罗马第三大学）；Vatican Secret Archives（梵蒂冈秘密档案馆）
In Codice Ratio是一个研究项目，旨在研究分析梵蒂冈秘密档案馆（VSA）中保存的历史文件内容的工具和技术。在本文中，我们提出了我们的努力，开发一个系统，以支持中世纪手稿的转录。其目标是为古地理学家提供一种工具，以减少他们在抄写大量手稿时的工作，因为这些手稿存储在VSA中，为手稿的重要部分提供良好的抄写。我们提出了一种基于字符分割的原始方法。我们的解决方案能够处理手写文档中不可避免地出现的脏分割。我们使用卷积神经网络来识别字符和语言模型来组成单词transmittance。我们的方法需要最少的训练工作，使转录过程更具可扩展性，因为训练集的生成需要几页，并且可以很容易地众包。我们对梵蒂冈登记册中的手稿进行了实验，这是一个未发布的语料库，包含教皇的信件。利用120名高中生的训练数据，我们的系统已经能够产生良好的转录，可以用于古文字学家作为一个坚实的基础，以加快转录过程中的大规模。
Digital Mathematics Libraries: The Good, the Bad, the Ugly
世界数字数学图书馆（World Digital Mathematics Library，DML）的概念在21世纪初就已经提出。我们认为，现在是实现这一目标的时候了，从已经建成的成功的砖块开始，但要有一个雄心勃勃的目标。经过一个简短的历史概述出版数学，估计的大小和大量的文件的特性，包括在DML，我们转向提出一个模型的参考数字数学图书馆-一个网络的机构，数字文件将被物理存档。这种基于自底向上策略的模式似乎更实用，并且与DML的数字本质相一致。在描述了模型之后，我们总结了为了实现愿景可以和应该做些什么。更详细地描述了一些可以为全局视图做出贡献的本地库的当前状态。
