本文通过引入逆转字符集简化和缩写的方法，解决了中世纪文本语料库中字符集多变性的挑战。作者使用自监督训练字符级单射RNN以撤销这些映射，仅使用20行文本即可恢复一半的字符错误率（CER）。

  • 单射RNN在忽略插入和删除的情况下，为HTR后校正提供了显著改进。
  • 通过使用字符级对齐真值，将相同的网络调整为带状RNN，以扩展中世纪宪章转录中的缩写。
  • 一种复杂的启发式方法定义了任意字符集之间字符语义相似度的度量，称为字母词形还原。
  • 提出了一种Python库来高效执行所有这些方法。

这项工作提供了处理历史文档中异构数字化政策和不同转录实践的工具和指标。