本論文は、中世文書コーパスにおける流動的な文字セットの問題に対処し、文字セットの簡略化と略語を逆転させる手法を導入します。著者たちは、自己教師あり学習を用いた一対一の文字レベルRNNを訓練してこれらのマッピングを解除し、わずか20行のテキストだけで文字誤り率（CER）を半分まで低減します。

  • 一対一RNNは、挿入と削除を無視しながらHTR後処理の大幅な改善をもたらす。
  • 同じネットワークは、中世文書の写本における略語を展開するために、文字レベルのアラインメント正解を用いて帯状RNNに変換される。
  • 複雑なヒューリスティックにより、任意のセット間の文字の意味的類似度を定義する指標が定められ、これは「文字の語幹化」と呼ばれる。
  • これらの手法を効率的に実行するためのPythonライブラリが提示される。

この研究は、歴史的文書における多様なデジタル化方針や異なる転写慣行に対処するためのツールと指標を提供する。