Formate für Volltexte

•Transferir como PPTX, PDF•

1 gostou•172 visualizações

cneudecker

Digital Humanities Netzwerk, 07-11-2018, Staatsbibliothek zu Berlin

Tecnologia

Formate für Volltexte
Digital Humanities Netzwerk
Staatsbibliothek zu Berlin
7.11.2018

ALTO
• ALTO = Analyzed Layout and Text Object
• Standard der Library of Congress
• Wird meist in Kombination mit METS verwendet
• loc.gov/standards/alto/

hOCR
• hOCR = Google OCR Format
• HTML-basiert
• kba.cloud/hocr-spec/1.2/

PAGE
• PAGE = Page Analysis and Ground Truth
Environment
• De-facto Standard für Ground Truth
• Verwendung in wiss. Wettbewerben
• Verwendung in DFG-Projekt „OCR-D“
• github.com/PRImA-Research-Lab/PAGE-XML

FRXML
• FRXML = ABBYY FineReader XML
• abbyy.technology/en:features:ocr:xml

TEI
• TEI = Text Encoding Initiative
• Standard für Transkriptionen, dig. Editionen
• Breite Verwendung in den Digital Humanities
• tei-c.org
• DTABf = Deutsches TextArchiv Basisformat
• deutschestextarchiv.de/doku/basisformat/

Text
• Plain Text (ohne Markup)
• Encoding (z.B. UTF8 vs. ASCII)

Konvertierung
• github.com/cneud/ocr-conversion-scripts
• digi.bib.uni-mannheim.de/ocr-fileformat/
• Was fehlt noch?
PAGE  ALTO
ALTO  DTABf (TEI)

Recomendados

Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...cneudecker

ALTO, PAGE & Co. Formate für Volltextecneudecker

Goobi-Tag 2021: „Am Anfang sah es nach Routine aus“ – DLC goes Goobi, ein Pr...intranda GmbH

Goobi-Tag 2021: Goobi meets OCR4all-librariesintranda GmbH

Goobi und Dante - die Nutzung der neuen Normdatendienste der VZG bei der Date...intranda GmbH

"Von der Rolle" Digitalisierung von Japanischen QuerrollenJohannes Alisch

Österreich liest Vortrag zum Web@rchiv ÖsterreichWeb@rchive Austria

Kuratieren mit künstlicher Intelligenzcneudecker

Überblick zum DFG-Projekt OCR-Dcneudecker

Fit für die digitale Bibliothek? (2007)Ralf Stockmann

OCR – Herausforderungen und Werkzeuge auf dem Weg vom Bild zur Digitalen Editioncneudecker

Produce & Publish Authoring Environment World Plone Day 2010 - BerlinAndreas Jung

Der gesamte Redaktionsprozess mit Open Sourceyellowcow

Einführung in die LiteraturverwaltungTIB Hannover

Text and Data Miningcneudecker

Laudatio Workshop Entwicklersession zu Gemeinsamkeiten in Forschungsdatenrepo...Dennis Zielke

Back to the future - Plone 5.2 und Python 3 Migration am Beispiel OnkopediaAndreas Jung

Transkribus. Eine Forschungsplattform für die automatisierte Digitalisierung,...ETH-Bibliothek

ENP_ONB_infday_GMuehlbergerEuropeana Newspapers

Docbook: Textverarbeitung mit XMLPeter Eisentraut

Fachliche Vernetzung von Repositories auf europäischer Ebene - das Beispiel N...ZBW - Leibniz-Informationszentrum Wirtschaft

Ocr workshop ubhd 2020 10-15Matthias Arnold

TIB DOI-Service und DataCite - PIDs, Best PracticesFrauke Ziedorn

CKAN by Friedrich LindenbergSemantic Web Company

MODS2FRBRoo : Ein Tool zur Anbindung von bibliographischen Daten an eine Onto...Becker Hans-Georg

171211 kitodoKitodo. Key to digital objects e.V.

Der Kölner UniversitätsGesamtkatalog - Praktischer Einsatz des KUG mit OpenBi...flimm

Was Sie schon immer über barrierefreie PDFs wissen wolltenMarkus Erle

EuropeanaTech x AI: Qurator.ai @ Berlin State Librarycneudecker

OCR und Strukturerkennung für Zeitungencneudecker

Mais conteúdo relacionado

Semelhante a Formate für Volltexte

Überblick zum DFG-Projekt OCR-Dcneudecker

Fit für die digitale Bibliothek? (2007)Ralf Stockmann

OCR – Herausforderungen und Werkzeuge auf dem Weg vom Bild zur Digitalen Editioncneudecker

Produce & Publish Authoring Environment World Plone Day 2010 - BerlinAndreas Jung

Der gesamte Redaktionsprozess mit Open Sourceyellowcow

Einführung in die LiteraturverwaltungTIB Hannover

Text and Data Miningcneudecker

Laudatio Workshop Entwicklersession zu Gemeinsamkeiten in Forschungsdatenrepo...Dennis Zielke

Back to the future - Plone 5.2 und Python 3 Migration am Beispiel OnkopediaAndreas Jung

Transkribus. Eine Forschungsplattform für die automatisierte Digitalisierung,...ETH-Bibliothek

ENP_ONB_infday_GMuehlbergerEuropeana Newspapers

Docbook: Textverarbeitung mit XMLPeter Eisentraut

Fachliche Vernetzung von Repositories auf europäischer Ebene - das Beispiel N...ZBW - Leibniz-Informationszentrum Wirtschaft

Ocr workshop ubhd 2020 10-15Matthias Arnold

TIB DOI-Service und DataCite - PIDs, Best PracticesFrauke Ziedorn

CKAN by Friedrich LindenbergSemantic Web Company

MODS2FRBRoo : Ein Tool zur Anbindung von bibliographischen Daten an eine Onto...Becker Hans-Georg

171211 kitodoKitodo. Key to digital objects e.V.

Der Kölner UniversitätsGesamtkatalog - Praktischer Einsatz des KUG mit OpenBi...flimm

Was Sie schon immer über barrierefreie PDFs wissen wolltenMarkus Erle

Semelhante a Formate für Volltexte (20)

Überblick zum DFG-Projekt OCR-D

Fit für die digitale Bibliothek? (2007)

OCR – Herausforderungen und Werkzeuge auf dem Weg vom Bild zur Digitalen Edition

Produce & Publish Authoring Environment World Plone Day 2010 - Berlin

Der gesamte Redaktionsprozess mit Open Source

Einführung in die Literaturverwaltung

Text and Data Mining

Laudatio Workshop Entwicklersession zu Gemeinsamkeiten in Forschungsdatenrepo...

Back to the future - Plone 5.2 und Python 3 Migration am Beispiel Onkopedia

Transkribus. Eine Forschungsplattform für die automatisierte Digitalisierung,...

ENP_ONB_infday_GMuehlberger

Docbook: Textverarbeitung mit XML

Fachliche Vernetzung von Repositories auf europäischer Ebene - das Beispiel N...

Ocr workshop ubhd 2020 10-15

TIB DOI-Service und DataCite - PIDs, Best Practices

CKAN by Friedrich Lindenberg

MODS2FRBRoo : Ein Tool zur Anbindung von bibliographischen Daten an eine Onto...

171211 kitodo

Der Kölner UniversitätsGesamtkatalog - Praktischer Einsatz des KUG mit OpenBi...

Was Sie schon immer über barrierefreie PDFs wissen wollten

Mais de cneudecker

EuropeanaTech x AI: Qurator.ai @ Berlin State Librarycneudecker

OCR und Strukturerkennung für Zeitungencneudecker

Digitisation and Digital Humanities - what is the role of Libraries?cneudecker

Multimodal Perspectives for Digitised Historical Newspaperscneudecker

OCR und Strukturerkennung: Herausforderungen und Ansätze für die Zeitungsdigi...cneudecker

AI for digitized cultural heritagecneudecker

The many uses of digitized newspaperscneudecker

Von der Zeitungsdigitalisierung zu historischen Netzwerken - Methoden und Her...cneudecker

OCR-D: An end-to-end open source OCR framework for historical printed documentscneudecker

Extrablatt: The Latest News on Newspaper Digitisation in Europecneudecker

Reise durch Europeana Collections in 11 Minutencneudecker

Europeana Newspapers in a Nutshellcneudecker

lab.sbb.berlincneudecker

Named Entity Recognition for Europeana Newspaperscneudecker

What's up, Europeana Newspapers?cneudecker

Active archives @SBBcneudecker

Europeana Newspapers Aggregator Forum 2018 Berlincneudecker

Europeana Newspapers - Data, Tools & Future Plans cneudecker

Coding da Vinci Berlin 2017 - Europeana Newspaperscneudecker

Coding da Vinci Berlin 2017 - Europeana Collections 1914-1918cneudecker

Mais de cneudecker (20)

EuropeanaTech x AI: Qurator.ai @ Berlin State Library

OCR und Strukturerkennung für Zeitungen

Digitisation and Digital Humanities - what is the role of Libraries?

Multimodal Perspectives for Digitised Historical Newspapers

OCR und Strukturerkennung: Herausforderungen und Ansätze für die Zeitungsdigi...

AI for digitized cultural heritage

The many uses of digitized newspapers

Von der Zeitungsdigitalisierung zu historischen Netzwerken - Methoden und Her...

OCR-D: An end-to-end open source OCR framework for historical printed documents

Extrablatt: The Latest News on Newspaper Digitisation in Europe

Reise durch Europeana Collections in 11 Minuten

Europeana Newspapers in a Nutshell

lab.sbb.berlin

Named Entity Recognition for Europeana Newspapers

What's up, Europeana Newspapers?

Active archives @SBB

Europeana Newspapers Aggregator Forum 2018 Berlin

Europeana Newspapers - Data, Tools & Future Plans

Coding da Vinci Berlin 2017 - Europeana Newspapers

Coding da Vinci Berlin 2017 - Europeana Collections 1914-1918

Formate für Volltexte

1. Formate für Volltexte Digital Humanities Netzwerk Staatsbibliothek zu Berlin 7.11.2018

3. ALTO • ALTO = Analyzed Layout and Text Object • Standard der Library of Congress • Wird meist in Kombination mit METS verwendet • loc.gov/standards/alto/

5. hOCR • hOCR = Google OCR Format • HTML-basiert • kba.cloud/hocr-spec/1.2/

7. PAGE • PAGE = Page Analysis and Ground Truth Environment • De-facto Standard für Ground Truth • Verwendung in wiss. Wettbewerben • Verwendung in DFG-Projekt „OCR-D“ • github.com/PRImA-Research-Lab/PAGE-XML

9. FRXML • FRXML = ABBYY FineReader XML • abbyy.technology/en:features:ocr:xml

10.

11. TEI • TEI = Text Encoding Initiative • Standard für Transkriptionen, dig. Editionen • Breite Verwendung in den Digital Humanities • tei-c.org • DTABf = Deutsches TextArchiv Basisformat • deutschestextarchiv.de/doku/basisformat/

12.

13. Text • Plain Text (ohne Markup) • Encoding (z.B. UTF8 vs. ASCII)

14.

15. Konvertierung • github.com/cneud/ocr-conversion-scripts • digi.bib.uni-mannheim.de/ocr-fileformat/ • Was fehlt noch? PAGE  ALTO ALTO  DTABf (TEI)