Beyond OCR: Handwritten manuscript attribute understanding

Computeranalyse handschriften legt geschiedenis bloot

Om handgeschreven historische documenten te begrijpen en informatie uit deze documenten te destilleren is het belangrijk voor historici om te weten wie het document heeft geschreven, waar dit gebeurde en wanneer. Sheng He bestudeerde de drie eigenschappen schrijver, datum en locatie door handschriften in afbeeldingen van manuscripten te analyseren. Daarnaast heeft hij nieuwe algoritmes ontwikkeld om deze eigenschappen op basis van patroonherkenningsmethoden te bepalen.

Handschriften verschillen per individu en dat leidt tot specifieke patronen in handgeschreven tekst. Deze informatie is te gebruiken om de schrijver te identificeren. He analyseert verschillende kenmerken, zoals textural-based, textural-free en grapheme-based features, ontworpen om handschriften in historische handgeschreven documenten te beschrijven. Deze features zijn computationeel efficiënt en intuïtief voor de eindgebruiker.

Volgens paleografische experts veranderen handschriften continu en geleidelijk over relatief korte tijdperiodes van ongeveer 25 jaar. Door de geleidelijke verandering van schrijfstijl te modelleren is te bepalen waar en wanneer een historische document is geschreven. He ontwierp een systeem om statuten te dateren die in de periode van 1300 tot 1550 CE in het taalgebied van Middeleeuws Nederlands zijn geschreven.

He laat zien dat de features op basis van de vorm die hij gebruikt snel en gemakkelijk zijn toe te passen, in veel gevallen zonder training op nieuwe datasets en problemen, zelfs in situaties waarin er weinig gelabelde data beschikbaar is.

Het promotieonderzoek van Sheng He vond plaats bij de afdeling Kunstmatige Intelligentie van onderzoekschool Alice met financiering door NWO. Hij werkt nu als postdoc aan de RUG.

Proefschrift: http://hdl.handle.net/11370/25d04eb0-866f-4a04-b64f-ad0b6534cfbb