{"id":72,"date":"2014-03-12T23:38:08","date_gmt":"2014-03-12T23:38:08","guid":{"rendered":"http:\/\/textberg.ch\/site\/?page_id=72"},"modified":"2014-04-08T10:25:08","modified_gmt":"2014-04-08T10:25:08","slug":"technologie","status":"publish","type":"page","link":"https:\/\/textberg.ch\/site\/de\/projekt\/technologie\/","title":{"rendered":"Technologie"},"content":{"rendered":"

Die Erfassung und Aufbereitung der Texte erfolgt in den folgenden Schritten:<\/p>\n

    \n
  1. Scannen der Texte mittels eines Dokumenten-Scanners mit Papiereinzug.<\/li>\n
  2. Umwandlung der gescannten Seiten in Text mit einem leistungsf\u00e4higen OCR-Programm (O<\/strong>ptical C<\/strong>haracter R<\/strong>ecognition), inkl. Anpassung an Besonderheiten des Schriftsatzes und der unterschiedlichen Sprachen.<\/li>\n
  3. Automatische Fehlerminimierung des OCR-Textes, z.B. durch Zusammenf\u00fchren der Ausgabe von zwei unterschiedlichen OCR-Systemen. Zus\u00e4tzliche Muster-basierte OCR-Korrekturen. Diese sind wichtig bei W\u00f6rtern, die die OCR-Systeme nicht kennen.<\/li>\n
  4. Erkennung der Dokumentenstruktur und Annotation von Metainformationen mittels XML-Tags (nach den Empfehlungen der Text Encoding Initiative<\/a>).<\/li>\n
  5. Sprachidentifikation f\u00fcr jeden Satz (Deutsch, Franz\u00f6sisch, Italienisch, Englisch, R\u00e4toromanisch, Schweizerdeutsch).<\/li>\n
  6. Tokenisierung, Satzgrenzenerkennung (nach Epochen und Sprachen differenziert), Vertikalisierung des Textes.<\/li>\n
  7. Wortartenerkennung (Part-of-Speech Tagging) und Lemmatisierung.<\/li>\n
  8. Alignierung von deutschen und franz\u00f6sischen Artikeln. Die \u00dcbersetzungsrichtung wird angegeben, soweit bekannt.<\/li>\n
  9. Markierung von Bergnamen (als Stand-off Annotation in separaten Dateien).<\/li>\n
  10. Speichern des annotierten Korpus verschiedenen Formaten: TEI-XML, CWB Open Corpus Workbench, PDF.<\/li>\n
  11. Named-Entity Recognition (Namenserkennung von Bergen, St\u00e4dten, Eigennamen, etc.).<\/li>\n
  12. Verbesserungen der Tokenisierung, der Wortartenerkennung, der Lemmatisierung und der Named-Entity Recognition.<\/li>\n
  13. Hinzuf\u00fcgung der neuen Texte.<\/li>\n<\/ol>\n

    \"Drei<\/a>\u00a0 \"cut\"<\/a>\u00a0\u00a0 \"scan\"<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

    Die Erfassung und Aufbereitung der Texte erfolgt in den folgenden Schritten: Scannen der Texte mittels eines Dokumenten-Scanners mit Papiereinzug. Umwandlung der gescannten Seiten in Text mit einem leistungsf\u00e4higen OCR-Programm (Optical Character Recognition), inkl. Anpassung an Besonderheiten des Schriftsatzes und der unterschiedlichen Sprachen. Automatische Fehlerminimierung des OCR-Textes, z.B. durch Zusammenf\u00fchren der Ausgabe von zwei unterschiedlichen OCR-Systemen. […]<\/p>\n","protected":false},"author":2,"featured_media":0,"parent":28,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-72","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/pages\/72","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/comments?post=72"}],"version-history":[{"count":15,"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/pages\/72\/revisions"}],"predecessor-version":[{"id":550,"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/pages\/72\/revisions\/550"}],"up":[{"embeddable":true,"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/pages\/28"}],"wp:attachment":[{"href":"https:\/\/textberg.ch\/site\/wp-json\/wp\/v2\/media?parent=72"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}