ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. ΤΜΗΜΑ...

ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. ΤΜΗΜΑ ΑΡΧΕΙΟΝΟΜΙΑΣ-ΒΙΒΛΙΟΘΗΚΟΝΟΜΙΑΣ.

ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ

«Επιστήμη της Πληροφορίας - Διοίκηση και Οργάνωση Βιβλιοθηκών με έμφαση στις Νέες Τεχνολογίες της Πληροφορίας»

Ασημάκης Μπούτλας

“Ανάκτηση τεκμηρίων με τη μέθοδο Document Image Retrieval”

Εργασία για το μάθημα « Ψηφιακές Βιβλιοθήκες »

Διδάσκων: Σαράντος Καπιδάκης


Εξάμηνο Α’

Αθήνα 2008





Εισαγωγή

Ψηφιακές Βιβλιοθήκες

Image Retrieval – Μέθοδοι

Document Image Retrieval

Σύστημα AIDI

Εφαρμογές

Συμπεράσματα - Προβληματισμοί

ΠΕΡΙΕΧΟΜΕΝΑ





Εισαγωγή

Document Image Retrieval (DIR):

Μέθοδος ανάκτησης ψηφιοποιημένων τεκμηρίων με υπολογισμό κοινών χαρακτηριστικών γνωρισμάτων τους (π.χ. σχεδιάγραμμα κειμένου, σχήμα χαρακτήρων)

Document Image Analysis:

Ηλεκτρονική επεξεργασία τεκμηρίων (ψηφιοποίηση, ευρετηρίαση κλπ) για δημιουργία συλλογής ψηφιακής βιβλιοθήκης.





Ψηφιακές Βιβλιοθήκες

Οργανωμένες συλλογές ψηφιακών αντικειμένων (εικόνα, βίντεο, ήχος)

Αυτοματοποιημένη επεξεργασία, πρόσβαση και ανάκτηση τεκμηρίων

Ανάπτυξη ποικίλων μεθόδων ανάκτησης

Από τους χειρόγραφους δελτιοκαταλόγους, στους ηλεκτρονικούς

καταλόγους ανοικτής πρόσβασης και στις ψηφιακές βιβλιοθήκες





Image Retrieval

Μέθοδοι

Optical Character Recognition (OCR)

«Ελεύθερη» αναγνώριση χαρακτήρων

ευρετηρίαση κειμένων - επισήμανση λέξεων-κλειδιών

ανάκτηση γραφικών στοιχείων

ανάκτηση χειρογράφων κειμένων

Document Image Retrieval (DIR)





Document Image Retrieval (DIR)

Ανάκτηση τεκμηρίων βάση του σχεδιαγράμματος του

κειμένου ή του σχήματος των αλφαριθμητικών χαρακτήρων

(παρόμοια μέθοδος – το ξεφύλλισμα των τεκμηρίων είτε επιτόπου στα ράφια της βιβλιοθήκης είτε ηλεκτρονικά με την παράθεση σαρωμένων εγγράφων στην οθόνη του Η/Υ)

Εφαρμογή σε συλλογές ψηφιοποιημένων τεκμηρίων:

με διαφορετική ανάλυση σάρωσης

με πολύγλωσσα κείμενα

με πολύπλοκα σχεδιαγράμματα και εικόνες

με χειρόγραφα κείμενα





Το σύστημα AIDI

(Automatic Indexing of Document Retrieval)

Πανεπιστήμιο της Φλωρεντίας, Ιταλία. Τμήμα Πληροφορικής

Αρχιτεκτονική συστήματος

Ανάλυση σχεδιαγράμματος κειμένων

Εξαγωγή λέξεων-κλειδιών και κωδικοποίηση τους με ετικέτες

Δημιουργία 2 διαφορετικών ευρετηρίων








Ευρετηρίαση Λέξεων

Προβλήματα χρήσης OCR

Χρήση DIR

συνολική απεικόνιση λέξης (κωδικοποίηση βάση των εμφανέστερων χαρακτηριστικών γνωρισμάτων της)

κωδικοποίηση χαρακτήρων (character object)




Ανάκτηση βάση του σχεδιαγράμματος των εγγράφων

σημειώσεις και σχολιασμοί στα περιθώρια της σελίδας

σχεδιάγραμμα ή εικόνα σε συγκεκριμένη θέση μέσα στο κείμενο

εγγραφα με πολλές στήλες (π.χ. εφημερίδες)





Ανάκτηση βάση του σχεδιαγράμματος των εγγράφων

ΜέθοδοιΑπεικόνιση σε δενδροειδή μορφή (TF-IDF, τα παρόμοια

σχεδιαγράμματα περιέχουν παρόμοιες υποκατηγορίες κατά την απεικόνιση σε δενδροειδή μορφή, δηλ. τα φύλλα των δέντρων τους είναι παρόμοια)

Διανυσματικής απεικόνιση (υπολογισμός χαρακτηριστικών γνωρισμάτων συγκεκριμένων περιοχών, οι οποίες καλύφθηκαν με ένα πλέγμα, που τοποθετήθηκε στη σελίδα)

Υπολογισμός χαρακτηριστικών δενδροειδούς απεικόνισης









Το σύστημα AIDI(Automatic Indexing of Document Retrieval)


Αποτελέσματα πειραμάτων





Άλλες εφαρμογές Document Image Retrieval

Χρήση χειρόγραφων υπογραφών ως ερωτήματα

Ανάκτηση τεκμηρίων με διαφορετικούς, και ενδεχομένως μη προτυποποιημένους

αλφαριθμητικούς χαρακτήρες (π.χ. Κινέζικα, Ινδικά, Ελληνικά)

Ανάκτηση χειρόγραφων τεκμηρίων





Χρήση χειρόγραφων υπογραφών ως ερωτήματα

στάδια εφαρμογής

αφαίρεση τυπωμένου κειμένου

εξαγωγή χαρακτηριστικών

ανάκτηση

Συμπεράσματα – Προβληματισμοί

Νέα προσέγγιση στην ανάλυση ψηφιοποιημένων τεκμηρίων

Ανάγκη ανάπτυξης και εφαρμογής παρόμοιων μεθόδων από χώρες με δύσκολο αλφάβητο

Επίλυση προβλημάτων που προκύπτουν με προγενέστερες μεθόδους

Απαραίτητη η εφαρμογή για συλλογές χειρογράφων τεκμηρίων ή τεκμηρίων με πολύπλοκα σχεδιαγράμματα και πολύγλωσσα κείμενα.

Ανάγκη εφαρμογής της μεθόδου στη Ελλάδα (πολλά χειρόγραφα κείμενα, αλλαγή αλφαβήτου και χαρακτήρων – αρχαιότητα, βυζαντινά κείμενα, ΓΑΚ)

Εφαρμογή μελλοντικά σε άλλες περιπτώσεις συλλογών (τρισδιάστατα αντικείμενα, ταυτοποίηση φωτογραφιών κλπ)









Ευχαριστώ για την προσοχή σας!

ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. ΤΜΗΜΑ...

Documents