新約聖書デジタル写本における深層学習による写字識別キュレーションシステムの構築

点击翻译按钮获取中文摘要

本研究は、新約聖書のIIIFに準拠したデジタル写本データを活用し、文字の形状や連なり程度、近傍単語との関係性など、伝統的な校訂本における異読情報のアパラトゥスでは確認できない写字の特徴を把握することを目的としている。今年度は、写字識別キューレーションシステム構築の準備段階として、IIIF対応画像からの写字の切り出しの作業を中心に進めてきた。バチカン図書館が公開しているデジタル写本、およびLeipzig大学図書館所蔵のIIIF対応したシナイ写本の画像を分析対象と文字データの収集を行った。IIIF image APIからバチカン写本のデジタル画像データにアクセスし、OpenCVライブラリを使用して文字箇所を機切り抜いたデータを取得した。字形が似ている文字と異なる文字のデータとして、アルファ、ラムダ、イプシロンの文字データのそれぞれ約7000個を用いて、アルファ文字を基準に、ラムダ、イプシロン文字との字形の差について異常検知手法を用いて測定をした。異常検知には、Ruffら(2018)が提唱したOne-Class Deep SVDDとAutoEncoderを用いて深層学習をさせた。その結果、AutoEncoderとDeep SVDDともに字形の似たアルファとラムダのInput-Output差分と異常スコアの分布の重なりが確認され、イプシロンについては、異常スコア分布のばらつきが大きいことが分かった。さらに、異常スコアが高い画像には、インクの濃さや隣接文字の一部が混入しているケースが多いことから、字形とは別の要素が識別に寄与している可能性があることが分かった。