Evaluating BERT's Encoding of Intrinsic Semantic Features of OCR'd Digital Library Collections

The uncertainty caused by optical character recognition (OCR) noise has been a primary barrier for digital libraries (DL) to promote their curated datasets for research purposes, particularly when the datasets are fed into advanced language models with less transparency. To shed some light on this i...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	2021 ACM/IEEE Joint Conference on Digital Libraries (JCDL) s. 308 - 309
Hlavní autoři:	Jiang, Ming, Hu, Yuerong, Worthey, Glen, Dubnicek, Ryan C, Underwood, Ted, Downie, J Stephen
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.09.2021
Témata:	BERT Evaluation Bit error rate Coherence Data Curation Digital Humanities Digital Libraries Encoding Gain measurement HathiTrust Intrinsic Semantic Features Libraries Optical Character Recognition Parallel Corpus Semantics Uncertainty Word Embeddings
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!