Den Vest-Sjællandske Avis
Link til fritekstsøgning: https://hislabaau.shinyapps.io/Slagelse/
Udgivelsessted: Slagelse
Periode dækket: 1815-1842
Digitaliseret: Januar 2025 - Februar 2025
Digitaliseret af: Johan Heinsen
Billedproveniens: LOAR
Version: 1.0
Præcision af tekstgenkendelse
Kendte udfordringer, der forårsager ujævn præcision:
Identifikationen af første overskrift efter titelbladet har problemer, fordi første overskrift sjældent følger de øvrige overskrifters format. Af samme grund er identifikationen af seneste rubrik udfordret i begyndelsen af mange numre.
Sidetal er automatisk filtreret fra. Dette kan i enkelte tilfælde have fjernet talelementer fra tekst.
I perioder udfordres første linje i annoncer grundet formatering, hvor første over står med en stor skrift, der i linjeidentifikationen knyttes til annoncens anden linje.
I slutningen af perioden findes nogle meget lange bilag. Disse er filtreret fra i søgeinterfacet.
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 tekster: 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).
link: her kan du gå til den oprindelige affotografering, der er tilgængelig i Mediestream.