इंटरनेट पर एक धूल संग्रह से: कैसे एबीबीवाई मान्यता सर्वर पुस्तकालयों को डिजिटाइज़ करता है

हमने अपने ब्लॉग पर बार-बार अपने ABBYY मान्यता सर्वर के असामान्य उपयोगों के बारे में लिखा है। और टिप्पणियों में हमें नियमित रूप से पूछा गया था कि हम पुस्तकालयों के साथ सहयोग क्यों नहीं करते हैं। बेशक, हमने जवाब दिया कि हम सहयोग कर रहे थे, लेकिन इस बारे में विस्तार से बात नहीं की। आज हम सही कर रहे हैं।

इतिहास में एक छोटा सा भ्रमण शुरू करने के लिए: हम 10 वर्षों से पुस्तकालयों के साथ काम कर रहे हैं। इस दिशा में पहली परियोजनाओं में से एक लिथुआनिया की राष्ट्रीय पुस्तकालय की सूची का डिजिटलीकरण था। सबसे पहले, वर्ष के दौरान तीन मिलियन (!) कार्ड स्कैन किए गए, जिसमें पुस्तक के शीर्षक, इसके लेखक, प्रकाशक, प्रकाशन का वर्ष और कई अन्य उपयोगी जानकारी थी। याद रखें कि लाइब्रेरी कार्ड कुछ ऐसा दिखता है, और इसे पहचानना इतना सरल नहीं है।

फिर उन सभी को मान्यता दी गई, ऑपरेटरों द्वारा जाँच की गई - और पुस्तकालय को एक त्वरित और आसान इलेक्ट्रॉनिक कैटलॉग मिला।

लेकिन यह बहुत पहले था।

आजकल, पुस्तकालयों के साथ परियोजनाएं अधिक जटिल हैं, और यह, ज़ाहिर है, इलेक्ट्रॉनिक कैटलॉग के बारे में नहीं है, लेकिन मुद्रित सामग्रियों की एक बड़ी मात्रा के डिजिटलीकरण के बारे में है। कोई व्यक्ति ऐतिहासिक पत्रिकाओं का ऑनलाइन संग्रह बनाना चाहता है, कोई दुर्लभ पुस्तकों तक पहुंच खोलना चाहता है, और कोई व्यक्ति इंटरनेट के माध्यम से पूरे पुस्तकालय तक पहुंच प्रदान करना चाहता है।

यहाँ, उदाहरण के लिए, लिथुआनियाई के साथ एक और परियोजना है जिसे हमने पहले 10 साल बाद किया था। कार्य निम्नानुसार निर्धारित किया गया था: लिथुआनियाई अभिलेखागार, संग्रहालयों और पुस्तकालयों से सामग्री से डिजिटल सांस्कृतिक विरासत का एक डेटाबेस इकट्ठा करने के लिए। 1940 से पहले प्रकाशित 50 हजार प्रकाशनों (समाचार पत्रों और पत्रिकाओं) को मान्यता दी जानी थी और उन्हें खोज के लिए उपलब्ध कराया गया था। स्थिति इस तथ्य से और अधिक जटिल थी कि कई दस्तावेज एक बल्कि जर्जर रूप में थे।

मान्यता सर्वर के आधार पर, निम्नलिखित योजना बनाई गई थी:


केंद्रीय वितरण सर्वर (इसका पीक लोड 500 हजार पेज प्रति माह है) ने TIFF को इनबॉक्स से A3 प्रारूप के स्कैन किए गए पृष्ठों के साथ लिया और उन्हें 30 मान्यता स्टेशनों को वितरित किया। मान्यता प्राप्त दस्तावेजों को सत्यापन के लिए 4 ऑपरेटरों को भेजा गया था, जिसके बाद केंद्रीय सर्वर ने खोजे गए पीडीएफ फाइलों में रीड दस्तावेजों को प्रकाशित किया।

नतीजतन, परिणाम सभी अपेक्षाओं को पार कर गया: यह सब केवल तीन महीनों में करना संभव था, और परियोजना बजट मूल रूप से हमारे भागीदारों द्वारा योजनाबद्ध रूप से 4 गुना कम निकला।

ताकि आप यह न सोचें कि हम केवल निकटतम पड़ोसियों के साथ काम करते हैं, हम एक और परियोजना का उदाहरण देते हैं - मलेशिया के साथ। मलेशिया के संग्रहालय विभाग ने हमारे लिए एक कार्य निर्धारित किया है: इंटरनेट के माध्यम से स्थानीय संग्रहालयों (जो 9 हजार पुस्तकों, समाचार पत्रों, पत्रिकाओं और अन्य सामग्रियों) को सुलभ बनाने के लिए सभी आवधिक सामग्रियों को संग्रहित करना है। परिणामों को संग्रहीत करने के लिए, MediaUniverse से एक समाधान चुना गया था। और एक अखबार के लेख का पूरा रास्ता एक इंटरनेट उपयोगकर्ता की स्क्रीन पर कुछ इस तरह दिखता था:



और अंत में, हमारे पड़ोसियों में से एक के साथ परियोजना के बारे में कुछ शब्द - एस्टोनिया। इसकी जटिलता यह थी कि परियोजना के ग्राहक एस्टोनियन नेशनल लाइब्रेरी द्वारा प्रदान की जाने वाली कुछ मान्यता प्राप्त सामग्री (अर्थात् समाचार पत्रों, पत्रिकाओं और पुस्तकों के 600 हजार पृष्ठ) 19 वीं शताब्दी में प्रकाशित हुईं और गॉथिक फोंट में छपीं। एस्टोनिया में पहली किताबें एस्टोनिया में नहीं छपी थीं (तब वहां प्रिंटिंग हाउस नहीं थे), लेकिन स्वीडन, फिनलैंड और जर्मनी में। फिर एस्टोनियाई वर्णमाला में ऐसे अक्षर थे जो अन्य भाषाओं में नहीं थे, और कभी-कभी यह पता चला कि विभिन्न विदेशी प्रिंटिंग हाउसों में समान पत्र अलग-अलग तरीकों से प्राप्त किए गए थे, और इसके विपरीत, विभिन्न पत्र एक-दूसरे के समान थे। ऐसे जटिल मामलों के लिए, मुझे अतिरिक्त रूप से "ट्रेन" हमारे उत्पाद का एक विशेष संस्करण - ABBYY FineReader XIX इंजन OCR (यह संस्करण गोथिक फ़ॉन्ट पहचान सकता है) मिला। शेष सामग्री को उच्च प्रदर्शन वाले Zeutschel OK 300 हाइब्रिड कलर स्कैनर के सहयोग से मान्यता सर्वर द्वारा नियंत्रित किया गया था। वैसे, यदि आप एस्टोनियाई भाषा जानते हैं, तो आप अंत में यहां क्या हुआ, यह देख सकते हैं ।

व्यक्तिगत देशों में संग्रहालयों और पुस्तकालयों के साथ सहयोग के अलावा, हम पुस्तकालय की पुस्तकों के डिजिटलीकरण पर विभिन्न यूरोपीय परियोजनाओं में भाग लेते हैं। इस बारे में कई लेख और प्रेस विज्ञप्तियां थीं, इसलिए हम खुद को दोहराएंगे नहीं, बस इन परियोजनाओं को सूचीबद्ध करें। यह इम्पैक्ट (पाठ के लिए प्रभाव को कम करना) - यूरोपीय आयोग द्वारा शुरू की गई 20 वीं शताब्दी से पहले छपी पुस्तकों के डिजिटलीकरण पर एक बड़े पैमाने पर परियोजना है (अधिक जानकारी के लिए, एबीबीवाई वेबसाइट देखें)। METAe परियोजना के हिस्से के रूप में , कंपनी ने फाइनट्रेडर XIX विकसित किया, एक कार्यक्रम गॉथिक फ़ॉन्ट फ़्राक्टुर को पहचानने के लिए डिज़ाइन किया गया, जो अक्सर 1800 और 1938 के ग्रंथों में पाया जाता है ( इटोगी ने इस पहल के बारे में विस्तार से लिखा है)।