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

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

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.