利用十九世纪学术遗产引导教皇登记册手写识别

旧学术材料可引导、校验并切分未转录登记册的HTR

资讯摘要

论文研究如何用十九世纪Pressutti的regesta与部分版本，辅助教皇Honorius III登记册的手写文本识别（HTR）。作者在fol. 1-203上审计并测量这批旧材料的贡献，发现其作用分三层：正字法层经投影到教廷拼写并回放现代行后，第二年134页合并WER下降1.50点，缩小33%与oracle的差距；词汇层旧语料库覆盖82.2%未编辑条目的未登录词，识别错误标记精确率66.7%，蒸馏的中世纪NER模型F1达82.1%；拓扑层可定位73.9%条目起始，并估计fol. 203之后CER为7.80%。

要点速读

1. 正字法层：旧版本经教廷拼写投影与回放后，第二年134页WER下降1.50点（95% CI -1.84至-1.15），缩小33%与oracle的差距。
2. 词汇层：旧语料库含82.2%未编辑条目的未登录词，错误标记精确率66.7%；蒸馏NER模型在专家验证基准上F1为82.1%。
3. 拓扑层：Pressutti regests等可找到73.9%条目起始，并估计fol. 203之后CER为7.80%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。