Anagnosis: Unterschied zwischen den Versionen

← Zum vorherigen Versionsunterschied Zum nächsten Versionsunterschied →

Version vom 18. Januar 2016, 12:48 Uhr

Anagnosis

Ziel des Projekts ist die automatisierte Verknüpfung zwischen Transkriptionen von Papyri und den Schriftzeichen der dazugehörigen Bilddatei. Dadurch soll eine Brücke zwischen papyrologischen Bilddatenbanken und der internationalen Volltextdatenbank für literarische Papyri (Digital Corpus of Literary Papyri, aufbauend auf papyri.info) geschlagen werden. Der eigens von KALLIMACHOS entwickelte Online-Editor soll neben einer Parallelanzeige die automatisierte Verknüpfung von Text und Abbildung auf Buchstabenebene ermöglichen. Ein solches alignment-Verfahren wird damit erstmalig auch für Papyrustexte nutzbar gemacht. Die angestrebte Verknüpfung von Bild und Text soll in der Zukunft erlauben, aus den in der Abbildung vorhandenen Buchstaben Alphabete herauszuziehen, die selbst wiederum für paläographische Vergleiche und zur graphischen Rekonstruktion der Lücken herangezogen werden können.

Bild-Text-Verknüpfung

Aus der DCLP-Datenbank werden Texte und Metadaten in den Anagnosis-Editor importiert. Die Metadaten zu den einzelnen Papyrustexten beinhalten bereits einen Link zur URL der jeweiligen online-Abbildungen, auf die der Editor ebenso zugreift. Einzelne Texteinheiten (Kolumnen/Fragmente) des Transkriptes bekommen eine ID und werden über diese mit dem entsprechenden Bild verknüpft.

Die weitere Allinierung zwischen Textbereichen (Zeilen und Buchstaben) wird über die Textposition der Glyphen und ein mithilfe von Normboxen bestimmtes Koordinatensystem gewährleistet. Zunächst wird auf das Textfeld in der Abbildung ein Normbereich aufgezogen und ggf. rotiert. Dieser dient als Referenz für die durch vier Werte festgelegten Normkoordinaten. Eine OCR-Segmentierung erzeugt Glyphenboxen mit den entsprechenden Koordinaten, wobei sich die Positionierung der Glyphenkoordinaten auf die bereits festgelegte Normbox bezieht. Ein Versuch, Kupferstiche herkulanensischer Papyri durch auf Tesseract gestützte Trainingswerkzeuge zu bearbeiten hat bereits gute Ergebnisse gezeigt.

Die Resultate der Anwendung dieses Verfahrens auf photographische Aufnahmen sind von der Schrifttypologie stark abhängig, lassen jedoch berechtigterweise annehmen, dass im Verlauf des Projektes ein automatisiertes character spotting, etwa durch stroke analysis und ähnliche Methoden, zu erzielen sein wird.

Speicherung der Metadaten

Die auf diese Weise festgelegten Koordinaten (Normkoordinaten und Boxkoordinaten) werden anschließend automatisch in einem validierten xml-Format gespeichert. Verschiedene Versuche haben in dieser Hinsicht zur Verwendung zweier separater xml-Dateien als best practice geführt: Eine Datei enthält den Text mit den Metadaten; in der anderen werden die ermittelten Bildkoordinaten gespeichert. Jede Abbildung bzw. jeder Bildbereich sowie jede Texteinheit erhalten dabei eine eindeutige Identifikationsnummer, die Verknüpfungen zwischen den Dateien ermöglicht.

Der Anagnosis-Editor

Kernelement bei der Zuweisung von elektronischem Text, Bildern und Bildkoordinaten ist der eigens von KALLIMACHOS entwickelte Editor, der für die Zukunft auch für vergleichbare Projekte erweitert werden kann. Im Editor können die Nutzer einen Papyrustext über eine Identifikationsnummer (die TM- oder Trismegistos-Nummer) auswählen.

Eine in zwei Spalten aufgeteilte Seite erscheint. Eine Leiste im oberen Bereich gibt die wichtigsten Metadaten zum Text (TM-Nummer, Autor und Titel, Publication-ID) wider. In der linken Spalte wird eine Abbildung des Fragmentes bzw. der Kolumne angezeigt. Die rechten Spalte zeigt nach Wahl des Nutzers:

Allgemeine Informationen zum Status des Dokuments
Die xml-Datei mit Text und Metadaten sowie die Koordinatendatei
Die Transkription des abgebildete Papyrus
Die zu bearbeitende Transkription zur Zuweisung der Buchstabenboxen.

Durch ein Drop-down-Menü kann der Nutzer zur gewünschten Texteinheit navigieren. Sofern verfügbar, wird das entsprechende Bild automatisch angezeigt. Sollten für eine Texteinheit mehrere Bilder zur Verfügung stehen, können die Nutzer wählen, welchen Abbildungstyp der Editor anzeigen soll. Falls noch keine Abbildungen verfügbar sind, können sie von den Nutzern selbst hochgeladen werden: Durch eine manuell verstellbare Normbox wird der Normbereich als Referenz für die Bildkoordinaten bestimmt. Wenn bereits bearbeitete Papyri im Editor vorliegen, können so weitere Bilder zum selben Text (etwa bei Aufnahmen anderer Qualität oder durch andere Techniken angefertigte Faksimile) anhand der bereits vorhandenen Glyphenkoordinaten erneut segmentiert werden.

[bearbeiten]

Projektgruppe Anagnosis

Institut für Klassische Philologie

Lehrstuhl I (Gräzistik)

Residenzplatz, 2 (Südflügel)

D-97070 Würzburg

Prof. Dr. Dr. h.c. Michael Erler
AR Dr. Holger Essler
Vincenzo Damiani, M.A.

Technische Partner

Zentrum für Philologie und Digitalität

Am Hubland

D-97074 Würzburg

Telefon: 0931/31-80534

E-mail

Dr. Herbert Baier
Dipl.-Inform. Felix Kirchner

Kooperationen

Centro Internazionale per lo Studio dei Papiri Ercolanesi "Marcello Gigante", Università degli Studi di Napoli „Federico II“
AristarchusX - Software for the Grammatical Analysis and Annotation of Greek. (Texte: Daniel Riaño Rufilanchas, Universidad Autónoma de Madrid)
Institut für Papyrologie, Ruprecht-Karls-Universität Heidelberg
Würzburger Zentrum für Epikureismusforschung, Julius-Maximilians-Universität Würzburg, Institut für Klassische Philologie
Institute for the Study of the Ancient World, New York University

@@ Zeile 26: / Zeile 26: @@
 Aus der DCLP-Datenbank werden Texte und Metadaten in den Anagnosis-Editor importiert. Die Metadaten zu den einzelnen Papyrustexten beinhalten  bereits einen Link zur URL der jeweiligen online-Abbildungen, auf die der Editor ebenso zugreift. Einzelne Texteinheiten (Kolumnen/Fragmente) des Transkriptes bekommen eine ID und werden über diese mit dem entsprechenden Bild verknüpft.
-Die weitere Alliniierung zwischen Textbereichen (Zeilen und Buchstaben) wird über die Textposition der Glyphen und ein mithilfe von Normboxen bestimmtes Koordinatensystem gewährleistet. Zunächst wird auf das Textfeld in der Abbildung ein Normbereich aufgezogen und ggf. rotiert. Dieser dient als Referenz für die durch vier Werte festgelegten Normkoordinaten. Eine OCR-Segmentierung erzeugt Glyphenboxen mit den entsprechenden Koordinaten, wobei sich die Positionierung der Glyphenkoordinaten auf die bereits festgelegte Normbox bezieht. Ein Versuch, Kupferstiche herkulanensischer Papyri durch auf ''Tesseract'' gestützte Trainingswerkzeuge zu bearbeiten hat bereits gute Ergebnisse gezeigt.
+Die weitere Allinierung zwischen Textbereichen (Zeilen und Buchstaben) wird über die Textposition der Glyphen und ein mithilfe von Normboxen bestimmtes Koordinatensystem gewährleistet. Zunächst wird auf das Textfeld in der Abbildung ein Normbereich aufgezogen und ggf. rotiert. Dieser dient als Referenz für die durch vier Werte festgelegten Normkoordinaten. Eine OCR-Segmentierung erzeugt Glyphenboxen mit den entsprechenden Koordinaten, wobei sich die Positionierung der Glyphenkoordinaten auf die bereits festgelegte Normbox bezieht. Ein Versuch, Kupferstiche herkulanensischer Papyri durch auf ''Tesseract'' gestützte Trainingswerkzeuge zu bearbeiten hat bereits gute Ergebnisse gezeigt.
 Die Resultate der Anwendung dieses Verfahrens auf photographische Aufnahmen sind von der Schrifttypologie stark abhängig, lassen jedoch berechtigterweise annehmen, dass im Verlauf des Projektes ein automatisiertes ''character spotting'', etwa durch ''stroke analysis'' und ähnliche Methoden, zu erzielen sein wird.