تقسیم بندی و تشخیص زیرکلمات اسناد قدیمی دست نویس فارسی
- سال انتشار: 1401
- محل انتشار: فصلنامه دستاوردهای نوین در برق،کامپیوتر و فناوری، دوره: 2، شماره: 5
- کد COI اختصاصی: JR_JNAECT-2-5_004
- زبان مقاله: فارسی
- تعداد مشاهده: 227
نویسندگان
دانشجوی دکترا ، دانشگاه آزاد اسلامی واحد بیرجند
استادیار دانشگاه آزاد اسلامی واحد فردوس
چکیده
اسناد تاریخی همواره مورد توجه مورخان و زبان شناسان است. اسناد مهم معمولا توسط روش های تقسیم بندی و شناسایی به صورت دیجیتال تبدیل می شود. دیجیتالی کردن اسناد برای تحقیق بر روی این اسناد و حفاظت از آنها اهمیت فراوانی دارد. این مقاله یک چهارچوب تقسیم بندی و تشخیص کلی برای تصاویر اسناد تاریخی فارسی پیشنهاد شده است. ابتدا با حذف نویزها، رفع کجی، حذف مهرها و ... پیش پردازش روی اسناد انجام شده و تصویر سند به یک تصویر دو سطحی تبدیل می شود. در مرحله دوم یک روش تقسیم بندی متن سند به خطوط پیشنهاد شده است. در مرحله سوم یک روش تقسیم بندی خطوط به زیرکلمات رسم الخط فارسی را ارائه کرده و زیرکلمات این اسناد را استخراج نموده سپس از شبکه های عمیق برای آموزش زیرکلمات پرتکرار و تشخیص آنها استفاده شده و نتایج بر مبنای معیارهای مختلف گزارش شده است.کلیدواژه ها
اسناد دست نویس فارسی، تقسیم بندی سند، تقسیم بندی خطوط، تقسیم بندی زیرکلمات ، شبکه عصبیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.