Introducción a IMPACT. Isabel Bordes Cabrera

807 views

Published on

Presentada en "Sesión de demostración de IMPACT en la BNE. Octubre 2011. Biblioteca Nacional España

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
807
On SlideShare
0
From Embeds
0
Number of Embeds
10
Actions
Shares
0
Downloads
2
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Introducción a IMPACT. Isabel Bordes Cabrera

  1. 1. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.INTRODUCCIÓN A IMPACTSESIÓN DE DEMOSTRACIÓN IMPACTBiblioteca Nacional de España, 5 de octubre de 2011
  2. 2. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Antecedentes El texto no digitalizado es “virtualmente” invisible Disponibilidad de material digitalizado demasiado lento, pequeñas cantidades y pocas fuentes Tecnología OCR (reconocimiento óptico de caracteres) no resultados satisfactorios para documentos históricos Falta de conocimiento institucional y especialización ineficiencia y “reinventar la rueda” 2
  3. 3. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Texto histórico: típicos resultados OCRVVt Venetien den 1.Junij, Anno 1618.DJgn i f paffato te S aöJifeert mo?üen/bah .)etgiuotbciraetail)i.r/JtmelchontDecht te /sbnbe bele btr felbrr geiufttceert baer bnber eeniglje jprant o^fen/bie ftcb .metbeSpaenfcbeu enbeeemgljen bifet Cbeiiupcen berbonbru befe 3
  4. 4. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Retos OCRTintas traspasadasManchasEncuadernacionesOrificios/desgarrosErrores de impresiónSellosPlieguesSuciedadAnimalesEntintado débilReparacionesCalidad del papelLaminación 4
  5. 5. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Retos lingüísticos: variantes ortográficas, variantes degrafía, formas conjugadas, declinadas…y más Variantes históricas para la forma verbal hubo: hubo, huvo, uvo, vuo, uuo, huuo… Variantes históricas para la palabra holandesa ‘wereld’ (mundo): werelt weerelt wereld weerelds wereldt werelden weereld werrelts waerelds weerlyt wereldts vveerelts waereld weerelden waerelden weerlt werlt werelds sweerels zwerlys swarels swerelts werelts swerrels weirelts tsweerelds werret vverelt werlts werrelt worreld werlden wareld weirelt weireld waerelt werreld werld vvereld weerelts werlde tswerels werreldts weereldt wereldje waereldje weurlt wald weëled 5
  6. 6. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Reto institucional: falta de conocimiento y experiencia →ineficiencia 6
  7. 7. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Cómo afrontar estos retos: La visión de IMPACT• Digitalizar los textos impresos históricos en Europa mejor, más rápido , más barato• Proporcionar herramientas, servicios e instalaciones para continuar avanzando en este campo 7
  8. 8. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.El proyecto en cifras Apoyado por la Comunidad Europea a través de la línea ICT del FP7 Coordinación Biblioteca Nacional de Países Bajos (KB) Tipo de proyecto: Proyecto de integración a Gran Escala Financiación de la UE : € 11 500 000 Fecha de inicio: 1 enero 2008 Duración: 48 meses A partir de 2012: Centro de competencia sostenible Contacto: impact@kb.nl Sitio web: www.impact-project.eu 8
  9. 9. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Consorcio IMPACT - Inicial Bibliotecas Universidades y Centros de Investigación – National Library of the Netherlands (KB) – Dutch Institute for Lexicology (INL) – The British Library (BL) – National Centre for Scientific Research – – Bibliothèque nationale de France (BNF) Demokritos (NCSR) – German National Library (DNB) – University of Salford (USAL) – Bavarian State Library (BSB) – University of Munich (CIS group) – Göttingen State and University Library – University of Innsbruck (InfMath group) (UGOE) – University of Bath (UKOLN) – Austrian National Library (ONB) – University of Innsbruck Library (UIBK) Proveedores comerciales – IBM (Haifa Research Lab) – ABBYY (Moscow) 9
  10. 10. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.OBJETIVOSMejora significativa de la digitalización masiva del texto impreso históricos mediante: Innovación del software OCR y tecnologías en torno a los idiomas Compartir conocimientos y poner en pie habilidades a nivel europeo Garantizar existencia a largo plazo herramientas y servicios al finalizar el proyecto Conseguir el intercambio de procesos o datos entre sistemas heterogéneos (‘interoperabilidad’) Proporcionar una Guía de Mejores Prácticas en el ámbito de la digitalización Atender las necesidades de usuarios en diversos idiomas 10
  11. 11. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. Inicio 2010 nuevos socios i.a.: … ... … … 23 Biblioteca Nacional de España BNE ES 24 Fundación Biblioteca Virtual Miguel de Cervantes BVC ES 25 Poznań Supercomputing and Networking Center PSNC PL … … … …BNE/UA = marzo de 2010 11
  12. 12. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 12
  13. 13. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Extensión de objetivosUtilizar las herramientas de IMPACT para construir un léxico eficiente para idiomasfuera de los objetivos iniciales de IMPACT→ Inicialmente: inglés, alemán, holandés→ Dp: lenguas romance y eslavas ej españolDemostrar y difundir los resultados del proyecto en Europa del Sur y del Este, yapoyar la adquisición de conocimientos en digitalización en dichos paísesReforzar la cooperación y mejorar la explotación de las sinergias de I+D sobre ICTa lo largo de la Unión EuropeaEstablecer vínculos estratégicos con el fin de avanzar en: el acceso al conocimiento, desarrollo de estándares y soluciones interoperables 13
  14. 14. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Estructura del proyecto: 4 subproyectos OPERATIONAL CONTEXT (OC) Requisitos, documentación wfs y mediciones Mejores prácticas y directrices Marco de trabajo e integración técnica - interoperabilidad TEXT RECOGNITION (TR) -5 WG ENHANCEMENT & ENRICHMENT (EE) Pre-procesamiento y segmentación Corrección colaborativa OCR adaptativo y experimental Lexica e índices geográficos Modelos y diccionarios Metadatos estructurales CAPACITY BUILDING (CB) Publicación recursos Formación y apoyo Demostraciones 14
  15. 15. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Herramientas de OCRTecnologías para la extracción de texto en formato digital a partir de una página Motor de OCR adaptativo: Clave del proyecto IMPACT, software de primera línea adaptado específicamente a las necesidades de las bibliotecas y que se adapta durante el proceso de OCR, integrando otras herramientas: Image enhancement toolkit Segmentation toolkit Módulos de post-corrección Otros motores OCR Prototipos y herramientas experimentales Prototipo OCR sobre textos escritos a máquina (Typewritten OCR prototype) Wordspotting… OC TR EE CB 15
  16. 16. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Herramientas de enriquecimiento (tecnologíalingüística)Conseguir que los resultados de OCR sean más precisos y accesibles Corrección colaborativa Sistema de corrección colaborativa a través de web: plataforma web, adecuada para participación voluntaria masiva, valida y corrige resultados OCR. La primera herramienta de este tipo que se relaciona directamente a un motor de OCR Lexicon e índices geográficos Léxicos generales y NER (nnll-uk-ger) Herramientas para proporcionar medios que permitan superar barrera lingüística histórica Metadatos estructurales FEP: un conjunto de servicios web que pueden explotarse para detectar y etiquetar automáticamente metadatos estructurales del material escaneado OC TR EE CB 16
  17. 17. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Herramientas y servicios estratégicos Sitio web proporciona acceso a todos los resultados del proyecto y constituye el núcleo de una red virtual formada por todos los centros de competencia europeos en materia de digitalización y las actividades de investigación asociadas Un conjunto de herramientas de Apoyo a la Toma de Decisiones que puede utilizarse para inciar, organizar, gestionar y evaluar el coste de los proyectos de digitalización masiva Recursos de aprendizaje (learning resource toolbox) con directrices de funcionamiento que sirvan de guía para la implementación real de todas las herramientas producidas en el proyecto. Formación y apoyo Sistema Help Desk peticiones, ayuda entre usuarios, socios del proyecto, centros de competencia de digitalización. Programa de formación sobre temas y tecnologías en torno a la digitalización a gran escala con una amplia gama de documentación de apoyo disponible a través del sitio web del proyecto Demos OC TR EE CB 17
  18. 18. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Biblioteca Nacional de España (CB) Entró a formar parte en marzo de 2010, II Fase del proyecto , en colaboración con la Universidad de Alicante Aportación de más de 60.000 imágenes (UA-BVMC) y subida a PRIMA (md): Escala grises, color, 300 dpi, TIFF Obras anteriores XIX ej: Teatro Siglo de Oro Obras cuyo OCR no está ofreciendo buenos resultados – En 3 sets: Development (Lexicon Building) – Evaluation - Demonstration Probar las funcionalidades realizadas por los desarrolladores participantes Demonstration dataset Lotes, repositorio resultados Difundir el proyecto (presentaciones a nivel interno, FESABID, sesión externa) 18
  19. 19. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Universidad de Alicante (EE-CB) Colaboración en carga en el servidor de imágenes PRIMA Gestión de contrato GroundTruth (evaluación), control de calidad y subida a PRIMA Difundir el proyecto Creación de léxico español antiguo para conectar a las soluciones de OCR 19
  20. 20. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. Herramientas del entorno de trabajo 20
  21. 21. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.PRIMA Repositorio de imágenes aportadas por las bibliotecas participantes que sirven de ejemplo para los diversos planes proyectados Home 21
  22. 22. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.PRIMA: Groundtruth-formato PAGE 22
  23. 23. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.MyExperiment Plataforma o entorno de desarrollo donde investigadores intercambian ideas, desarrollos y planes Home 23
  24. 24. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 24
  25. 25. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.TAVERNAHerramienta creada por un Grupo de Trabajo (myGrid) , de código libre (JAVA), que permite eldiseño y ejecución de Flujos de Trabajos Servicio Web: Interoperabilidad Facilidad acceso Dinamismo Flujos simples & complejos 25
  26. 26. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.TAVERNA: flujos simples o complejos 26
  27. 27. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Funcionamiento Taverna en Impact 27
  28. 28. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 28
  29. 29. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 29
  30. 30. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 30
  31. 31. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 31
  32. 32. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 32
  33. 33. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 33
  34. 34. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 34
  35. 35. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 35
  36. 36. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 36
  37. 37. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 37
  38. 38. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 38
  39. 39. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. 39
  40. 40. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Cómo estar al día sobre IMPACT En Twitter Unión al LinkedIn group Visita el blog y el website Lista de correo del proyecto para recibir el boletín trimestral Canal Youtube Para cualquier pregunta ó feedback: contactar con IMPACT helpdesk 40
  41. 41. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Twitter: @impactocr, #impactproject Tweets sobre últimas noticias en IMPACT (Re)tweets de noticias en torno a la digitalización, tecnología OCR y lingüística Tweets en vivo durante conferencias, talleres 41
  42. 42. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.LinkedIn group: IMPACT Improving Access to Text Comunidad online Canal para obtener feedback sobre los entregables IMPACT (versiones posteriores) Discusiones sobre digitalización, tecnología OCR y lingüística 42
  43. 43. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.IMPACT blog: impactocr.wordpress.com Utilizado para talleres y días de demostración Incorporación de – Presentaciones – Vídeos 43
  44. 44. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. www.impact-project.eu 44
  45. 45. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. Boletín trimestral IMPACTSecciones: Novedades Especial en torno a una herramienta Fotos e informes sobre contribuciones de IMPACT a conferencias Entrevistas equipo humano IMPACT 45
  46. 46. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Canal de IMPACT en Youtubewww.youtube.com/user/theimpactproject Breves introducciones sobre cada subproyecto y cada uno de los líderes de los distintos work package Vídeo de presentación de IMPACT elaborado por la KB Video de IBM sobre CONCERT 46
  47. 47. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. IMPACT Helpdeskwww.impact-project.eu/helpdesk 47
  48. 48. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. GRACIAS POR SU ATENCIÓN Isabel Bordes Cabrera Jefe de Servicio de Biblioteca Digital, BNE isabel.bordes@bne.es 48

×