Development of a Support System for the Reprinting of Oieryu Kuzushiji (Edo Period Official Handwriting) Documents by Integrating Visual and Linguistic Information

通过整合视觉和语言信息开发重印江户时代官方手写文献的支持系统

基本信息

批准号：
22K18149
负责人：
吉賀夏子
金额：
$ 2.91万
依托单位：
Saga University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

この研究では、御家流と呼ばれる江戸期の公的な文書などに使用する書体で書かれた日記（業務文書）の翻刻を支援するシステムを開発する。最近は、IIIFという標準規格に基づいた歴史文化系画像が公開されており、これらの画像を使った人文学研究のためのAI-OCR（光学文字認識）技術で自動翻刻が試みられている。例えば、現行のAI-OCRアプリ「miwo」は、AI-OCR技術によりくずし字で書かれた文書などの画像を読み取り、楷書体の文字に翻刻するアプリの中でも実用的なものだが、漢字が95%以上を占める江戸期の日記に対しては、文字位置の判定は高精度に行う一方で、文字の判定は10%～50%程度に留まる。これは、AI-OCRに用いる学習データの量と種類が不足しているためである。現在利用可能なくずし字データは、人文学オープンデータ共同利用センター（CODH）から配布されているものがあるが、これらのデータは主に文学作品で変体仮名の多用される古典籍画像から、専門家によって手作業でアノテーションされたものである。他方、くずし字の解読がある程度の訓練を要するものである以上、不特定多数によるクラウドソーシングのような方法は品質保証が難しく非現実的である。しかし、最終的には専門家によるデータの確認も必要である。このような状況下でくずし字用のAI-OCRの質を高めるには、人と技術をうまく活用する手法を確立することで、多様な文書に用いられていた御家流くずし字字形の学習データを増やす仕組みを確立することが重要となる。今年度は、くずし字の読み解きに興味のある市民と希少な専門家の技術を効率的に生かす翻刻支援システムにより正解データを増やせる環境を構築した。専用作業サイトを実装して2名に実際にサイトを利用して御家流くずし字のアノテーションデータを修正し、正解データに仕上げることが可能になった。

在这项研究中，我们将开发一个系统，支持以江户时代官方文件使用的字体（称为 Goke 风格）书写的日记（商业文件）的转录。最近，基于IIIF标准的历史文化图像已经发布，并正在尝试利用AI-OCR（光学字符识别）技术自动转录它们，用于人文研究。例如，当前的AI-OCR应用程序“miwo”是一款实用的应用程序，它使用AI-OCR技术读取用Kuzushiji书写的文档图像并将其转录为楷书，但它有95个江户时代的日记。占10%以上，虽然字符位置可以高精度确定，但字符识别率仍停留在10%至50%左右。这是因为AI-OCR使用的训练数据量和类型不足。目前可用的 kuzushiji 数据由人文学科开放数据中心 (CODH) 分发，但这些数据主要由文学作品中经常使用变假名的经典书籍中的图像组成，并由该公司手动注释。另一方面，由于破译葛字迹需要一定的训练，不限人数的众包等方法难以保证质量，不切实际。不过，数据最终还需要专家的确认。在这种情况下，为了提高 Kuzushiji 的 AI-OCR 质量，我们需要建立一种善用人力和技术的方法，并利用在各种文档中使用的 Goke 风格 Kuzushiji 的学习数据建立一个系统来增加这个数额很重要。今年，我们创建了一个环境，可以通过转录支持系统来增加正确答案数据的数量，该系统有效地利用了对破译葛紫记感兴趣的公民和稀有专家的技能。通过设置专用的工作站点，两个人就可以实际使用该站点来修正Oke-ryu Kuzushiji的注释数据并将其完成为正确的数据。