arXiv cs.CL· Tamas Kovacs, Daniel Luger·· 12 小时前AI 评分18
利用十九世纪学术遗产为十三世纪教皇登记册构建 HTR：Regesta 与古籍版本驱动的强制对齐与自举
Mining the Nineteenth Century for the Thirteenth: Register-Scale Forced Alignment and HTR Bootstrapping via Legacy Regesta and Antiquarian Editions
AI 导读
研究测量了 Pressutti 的 regesta 与十九世纪部分版本对教皇 Honorius III 登记册手写文本识别（HTR）的贡献，在 fol. 1-203 上呈现三层分工。
正文 · AI 翻译
摘要：针对教皇洪诺留三世登记簿的手写文本识别（HTR）依赖于现代专家转录，而这些转录仅存在于 Reg. Vat. 9 的教皇在位第 1-2 年。对于其余登记簿，十九世纪学术界提供了 Pressutti 的 regesta 和部分版本。在第 1-203 对开页上，两层均存在，我们测量这一遗留层能贡献什么，基于我们首先对照它审计的转录，并发现三个层级上的分工。在正字法层级，原始版本在将识别器适配到第二个教皇在位年时充其量是中性的，且在没有重放的情况下有害，而将其投影到教廷拼写并重放现代源行则将其转变为零标签适配目标：在所有 134 个第 2 年页面汇总后，WER 下降 1.50 个百分点（95% CI -1.84 至 -1.15），缩小了与 oracle 差距的 33%；拼写在年份分界处发生变化，通过抄写员或转录者，而笔迹仅在第 191r 对开页明显变化。在词汇层级，语料库范围的遗留词典包含未编辑条目中 82.2% 的词汇表外单词，并以 66.7% 的精确度标记识别错误，而来自预训练中世纪 NER 模型的标签，蒸馏到识别器的 NER 头中，在专家验证的基准上达到 F1 82.1%，与识别后应用的最佳标注器持平。在拓扑层级，Pressutti 的 regests、结尾的 datum 子句以及 regests 的日期转换为教廷的罗马形式，在识别的行流中找到 73.9% 的条目起始，而版本一致性估计第 203 对开页之后的 CER 为 7.80%。因此，古物学术不能取代现代转录，但它可以在未转录的登记簿中引导、检查和分割 HTR。
| 评论： | 10 页 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.36956 [cs.CV] |
| （或 arXiv:2610.36956v1 [cs.CV] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.36956 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tamás Kovács [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 10:15:08 UTC（38 KB）
来源：arXiv cs.CL · arxiv.org