ШАҒАТАЙ ҚОЛЖАЗБАЛАРЫНЫҢ МӘТІНІН ТАНУ: CRNN-ДІ НӨЛДЕН БАСТАП ОҚЫТУ МЕН ТРАНСФОРМЕР НЕГІЗІНДЕГІ ТРАНСФЕРЛІК ОҚЫТУДЫ САЛЫСТЫРУ
##plugins.pubIds.doi.readerDisplayName##:
https://doi.org/10.54309/IJICT.2026.27.3.011Кілт сөздер:
Қолжазба мәтінін тану (HTR), шағатай қолжазбалары, Kraken, TrOCR, трансферлік оқыту, деректерді аугментациялау, аз ресурсты тілдерАңдатпа
Архивтік шағатай қолжазбаларын цифрландыру аннотацияланған корпустардың тапшылығымен және араб графикасына негізделген курсивті жазудың күрделілігімен шектеледі. Бұл зерттеуде қолжазба мәтінін танудың (HTR) екі тәсілі бағаланады: нөлден бастап оқытылған Kraken негізіндегі CRNN және трансферлік оқытуды қолданатын трансформатор негізіндегі TrOCR моделі. Эксперименттер деректердің жылыстауын болдырмау үшін бет деңгейінде бөлінген Гуннар Ярринг коллекциясының (Gunnar Jarring Collection) 2531 жол кескінінде жүргізілді. Деректер тапшылығы мәселесін шешу үшін әр архитектураға тән деректерді аугментациялау стратегиялары қолданылды. Аугментацияланған деректермен жетілдірілген TrOCR моделі ең жоғары нәтижеге қол жеткізіп, таңба деңгейіндегі қателер коэффициентін (CER) 10,6% және сөз деңгейіндегі қателер коэффициентін (WER) 35,59% құрады. Деректерді аугментациялау бағаланған екі архитектураның да тану өнімділігін жақсартты, бұл ретте аугментацияланған конфигурациялар тиісті базалық үлгілерге қарағанда төмен CER және WER көрсеткіштеріне жетті. Нәтижелер трансферлік оқытудың зерттелген шағатай корпусы үшін деректер көлемі шектеулі жағдайда тиімдірек инициализация стратегиясын қамтамасыз еткенін көрсетеді. Зерттеу шағатай қолжазбаларын тану үшін бастапқы эксперименталды бенчмарк белгілейді.
##plugins.generic.usageStats.downloads##
Жарияланды
Дәйексөзді қалай келтіруге болады
Журналдың саны
Бөлім
Лицензия
Авторлық құқық (c) 2026 ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ
Бұл жұмыс Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Дүние жүзінде.
https://creativecommons.org/licenses/by-nc-nd/3.0/deed.en