Программы для обработки данных из метрических книг

Всем Доброго Дня и Здоровья !
Случайно набрел на эту тему.
Вполне возможно, что об этом писали т.к. всю тему не просмотрел.

НО!

Вот это очень похоже на задачу поставленную ТС
https://forum.vgd.ru/post/511/55664/p1617791.htm#pp1617791

Это МК. Я скачал файл к примеру на "Б" это около 200 тыс. строк.
И так по всем буквам алфавита.
Это Excel и по мне так все очень удобно.
Как то это сделали.
Разработчик, как я понял работает по теме ВОВ https://forum.vgd.ru/post/188/53046/p1505411.htm#pp1505411

Добрый день.
А кто-нибудь работает над семантическим анализом, чтобы по неразобранному тексту МК строить связи?

paul1914 написал:

[q]

Добрый день.
А кто-нибудь работает над семантическим анализом, чтобы по неразобранному тексту МК строить связи?

[/q]

А это реально? Прям сказка. Тут по разобранному часто строить не получается).

Всем привет, изучаю сейчас программы для автоматического распознавания метрических книг, чтобы вручную не просматривать. В целом, подход везде одинаковый - тренируем нейросеть (модель) на базе уже распознанных вручную данных и потом её применяем для других похожих данных. Соответственно, программы делятся на те, где уже есть зашитые модели, и те, где можно свои модели тренировать.

Из существующих моделей распознания старинного рукописного русского текста самое лучшее, что я пока нашел - в сервисе Transkribus, вот на форуме Вилейского уезда его обсуждали. Там есть три модели, относящиеся к русскому языку

• Russian generic handwriting (на текстах конца 19го и начала 20го века, в частности из проекта Прожито)
• Rychkov archive (на рукописных тестах Константина Рычкова 1911-1913)
• Russian church slavonic (на церковных текстах 16го века)
  

Для проверки загрузил туда скан метрической книги 1904 года с относительно читабельным текстом, лучше всего отработала модель Russian generic handwriting, на удивление, она распознала довольно много, включая названия населенных пунктов и фамилии. Самое интересное наверное фамилии, так вот из 12 фамилий на листе (6 фамилий отцов + 6 фамилий воспреемников) она распознала правильно 8. Разметка страницы при распознании не сохраняется, зато есть поиск по всем распознанным страницам, т.е. сценарий для себя я вижу какой - загружаем метрику - распознаем все страницы - делаем поиск по нужной фамилии и альтернативным написаниям - вручную смотрим найденные записи.

Понятно, что по одному листу рано выводы делать, но сам факт того, что существуют модели, которые хоть что-то распознают в метриках, обнадеживает.

Остальные две модели не распознали почти ничего.

Также, в сервисе можно тренировать свои собственные модели, если у вас есть размеченные данные.

Но, теперь ложка дёгтя - сервис платный, при регистрации дают 500 бесплатных кредитов, которых хватит на распознание 400 страниц, далее нужно платить, даже за использование своей собственной модели. Но раз они смогли натренировать модель, значит можно их опыт воспроизвести на open source решениях, конечно для этого нужны данные и опыт в этой теме.

Gloyko написал:

[q]

Мне вот интересно, а "полуслепые" МК она читает?

[/q]

Что такое "полуслепые" МК? Если дадите файл, я могу его прогнать там.