Nyeste Skilderie af Kjøbenhavn

Link til fritekstsøgning: https://hislabaau.shinyapps.io/Nyeste_skilderie/

Udgivelsessted: København

Periode dækket: 1803-1831

Digitaliseret: Januar 2025 - Juni 2025

Digitaliseret af: Johan Heinsen

Billedproveniens: Niels Jensen

Version: 1.0

Sidst opdateret: 25. juni 2025.

Præcision af tekstgenkendelse

Beregnet præcision af tekstgenkendelsen (ordniveau) pr. tekst måned for måned. Linjerne angiver median samt øvre og nedre kvartil.

Kendte udfordringer, der forårsager ujævn præcision:

  • Avisen er digitaliseret fra andre affotograferinger end de øvrige aviser. Disse er høj kvalitet, men stammer fra indbundne udgaver, hvor margin imod ryggen forårsager fejl.

  • Der forekommer enkelte fejl i dateringen.

  • Tekstsegmenteringsmodellen er ikke tunet til materialet. Den splitter typisk avisens længere indlæg i mindre stykker.

Forklaring af datasættets kolonner

  • text: Indeholder den identificerede tekst. Teksten er segmenteret. Algoritmen er designet til at transkribere bogstavret og tekstsøgninger skal indrettes derefter. Det er denne variabel, der søges i via søgeknappen. Søgefeltet godtager regex.

  • id: Dette er et unikt id for den givne tekst. Vær opmærksom på, at disse id’er opdateres for hver udgave af datasættet.

  • dato: Datoen for udgivelsen i formatet år-måned-dag. Du kan klikke på datoen og læse hele udgaven for den givne dato.

  • pwa (= predicted word accuracy): Denne kolonne indeholder en beregnet score for præcisionen på tekstgenkendelsen. Værdierne rangerer mellem 0 og 1.

  • vis_lignende: Her har du mulighed for en alternativ filtrering, der viser en given teksts 25 nærmeste slægtninge i avisen. Slægtskabet er udregnet på baggrund af teksternes placering i et semantisk rum skabt via en encoder-model (https://huggingface.co/JohanHeinsen/Old_News_Segmentation_SBERT_V0.1) og Facebook Artificial Intelligence Similarity Search (https://faiss.ai/index.html).