通过自动实体识别解禁殖民档案
摘要：殖民档案引起了各个角度的日益关注，因为它们包含了历史上被边缘化的人民的痕迹。然而，就像大多数档案一样，由于长期存在的障碍，它们仍然难以访问。在这里，我们重点关注其中一个障碍：在历史研究资料中存在的偏见，比如人名索引，这些索引至今仍在使用。在殖民档案中，索引可能通过遗漏对历史上被边缘化的人的提及来保持沉默。为了克服这种局限性并扩大现有查找工具的范围，我们提出使用自动实体识别。为此，我们提供了一个适用于此目的的注释类型，并将其应用于荷兰东印度公司（VOC）的殖民档案中。我们发布了一个近70,000个注释的语料库作为一个共享任务，并使用最先进的神经网络模型提供了基准。我们的工作意在促进对（殖民）档案的广泛接触的进一步贡献，将自动化集成为实现这一目标的可能手段。
作者：Mrinalini Luthra, Konstantin Todorov, Charles Jeurgens, Giovanni Colavizza
论文ID：2210.02194
分类：Digital Libraries
分类简称：cs.DL
提交时间：2022-10-06