यह लेख मध्यकालीन पाठ कॉर्पोरा में तरल वर्ण-सेट की चुनौती को वर्ण-सेट सरलीकरण और संक्षेपण को उल्टा करने के लिए विधियों का परिचय देकर संबोधित करता है। लेखक आत्म-निगरानी के साथ चरित्र-स्तर के वन-टू-वन आरएनएन को प्रशिक्षित करते हैं ताकि इन मैपिंग्स को रद्द किया जा सके, केवल 20 पाठ पंक्तियों का उपयोग करके वर्ण त्रुटि दर (CER) की आधी बहाल करें।
- वन-टू-वन आरएनएन इंसेर्शन और डिलीशन को नजरअंदाज करते हुए एचटीआर पोस्ट-सुधार के लिए महत्वपूर्ण सुधार प्रदान करते हैं।
- चरित्र-स्तर की अलाइनमेंट ग्राउंड ट्रुथ का उपयोग करके, मध्यकालीन चार्टर ट्रांसक्रिप्शन में संक्षेपण को विस्तारित करने के लिए उसी नेटवर्कों को बैंडेड आरएनएन में अनुकूलित किया जाता है।
- मनमाने सेटों के वर्णों के बीच अर्थवैज्ञानिक समानता के लिए एक मेट्रिक परिभाषित करने वाली एक विस्तृत हीयुरिस्टिक, जिसे अक्षर लीमेटाइज़ेशन कहा जाता है।
- इन सभी विधियों को कुशलता से करने के लिए एक पायथन लाइब्रेरी प्रस्तुत की गई है।
यह कार्य ऐतिहासिक दस्तावेजों में विषम डिजिटलाइज़ेशन नीतियों और भिन्न ट्रांसक्रिप्शन अभ्यासों को संभालने के लिए उपकरण और मेट्रिक प्रदान करता है।