Field of Focus III - Geförderte Projekte Aufbau einer GroundTruth für die frühe Chinesische Presse

Projektleitung:

Matthias Arnold

In diesem Kurzzeitprojekt wurde der Grundstein für eine maschinelle Verarbeitung von Materialien in nicht-lateinischen Schriften am Beispiel der chinesischen Zeitung 晶報 Jing bao (The Crystal, Shanghai, 1919–1940) aus „Early Chinese Periodicals Online“ (ECPO) gelegt. Dabei wurden zwei Sets an GroundTruth erstellt: 1) Segmentierung von zwei kompletten Monaten (bounding boxes und labels). Die Daten liegen als Koordinaten im web-annotation XML-Format vor. 2) Volltexterfassung im blind double-keying Verfahren von einem kompletten Monat. Die Daten liegen in XML auf GitHub vor. Für die Nutzung der GroundTruth Daten wurde die von READ (H2020) am EPFL entwickelte Infrastruktur auf einem externen Testserver installiert und mit der Arbeit am Prototype für das Training begonnen. Die ECPO Datenbank wurde um ein Volltextfeld erweitert und die Daten werden darüber sukzessive online zur Verfügung gestellt.

 

Kontakt:
arnold@hcts.uni-heidelberg.de