Grazie Andrea, molto interessante.

Confermo l'interesse del gruppo di ricerca TIPS di UniPD per la ricerca
di soluzioni per l'archivio.
A chi possiamo manifestare la nostra disponibilità a collaborare?

TIPS (Technoscientific Issues in the Public Sphere,
<https://tipsproject.eu/tips>) al momento gestisce un corpus italiano di
più di 2.5 milioni di articoli dal 2014, più altri corpora in altre
lingue (francese, inglese, spagnolo, portoghese) per un totale di 7
milioni di articoli.
I testi sono indicizzati e disponibili attraverso una interfaccia web
(non pubblica) per la gestione di progetti di ricerca.
Io mi occupo di acquisizione, pulizia, NER e analisi con RegExp. Preciso
che non abbiamo esperienza di OCR.

Buona serata,

Alberto Cammozzo

On 03/12/2020 12:04, Andrea Bolioli wrote:

Buongiorno a tutti/e,

alcuni anni fa ho lavorato al riconoscimento di named entities e

valutazione degli errori di OCR dell'Archvio storico La Stampa.

Condivido un articolo che scrivemmo nel 2014:

http://clic2014.fileli.unipi.it/proceedings/vol1/CLICIT2014116.pdf

<http://clic2014.fileli.unipi.it/proceedings/vol1/CLICIT2014116.pdf>

Sono responsabile dei progetti R&I di CELI - Language Technology,

facciamo Natural Language Processing da parecchi anni.

L'aspetto critico dell'Archivio La Stampa, come di altri archivi, è la

gestione, più che la creazione, come sappiamo. In quegli anni

suggerivo di renderlo il più aperto possibile e darlo in gestione ad

un ente aperto e duraturo, ad es. l'Università.

In questo momento per quanto ne so la Regione sta valutando se dare

l'archivio in gestione al Polo del 900. Dal punto di vista tecnico,

non so cosa vogliono fare. Ho suggerito di nuovo alla persona che

guidò il progetto di affidare la gestione all'Università e di farne

una cosa la più aperta possibile (codice aperto ecc)

Buona giornata,

Andrea Bolioli

Il giorno gio 3 dic 2020 alle ore 11:43 Giovanni Biscuolo

<giovanni@biscuolo.net <mailto:giovanni@biscuolo.net>> ha scritto:

Buongiorno Elena,

Elena Marangoni <elena.marangoni@unito.it

<mailto:elena.marangoni@unito.it>> writes:

Buongiorno,

sono molto d'accordo

[...]

Grazie!

sarebbe bello se il detentore dei diritti, posto che non intende

farsi

carico dell'archivio, donasse tutto con una licenza CC (vera, senza

tante N...)

Per favorire l'economia del riuso dei sorgenti (gli articoli), se

fossi

io a donare sceglierei la CC-BY-SA.

e rendesse possibile un vero progetto di valorizzazione, ad es. su

Internet Archive

Sarebbe un sogno, mi ci butterei *a pesce* in un progetto del genere,

promuovendo la valorizzazione dei contenuti attraverso diverse e

multidisciplinari "catene di build" [1] che partendo dal "codice

sorgente" (gli articoli) riescano a generare un discreto valore

aggiunto. Sarebbe materiale preziosissimo per studiosi (dagli storici

agli antropologi) e _studenti_ (dalle medie ai master universitari).

Pensate se tutti gli articoli dei quotidiani e dei periodici

pubblicati,

dopo 14 anni dalla prima pubblicazione (per fare un numero a caso),

fossero automaticamente redistribuibili in CC-BY-SA... di _default_.

Che lavoro straordinario si potrebbe fare! [2]

Se le risorse pubbliche fossero spese per progetti del genere

(pubblici)

sarebbe anche meglio :-D

[...]

Saluti, Giovanni

[1] già "solo" permettere agli studenti di prarticare la marcatura

semantica degli articoli attraverso Semantic Mediawiki sarebbe

potentissimo, immaginate di poter fare query SPARQL sull'intero

archivio... «Immagina, puoi.» B-)

[2] e invece no, per fare un progetto scolastico di marcatura

semantica

dei testi tocca usare opere di secoli fa: non che siano male,

eh... forse la prova del tempo tempra le conoscenze.

--

Giovanni Biscuolo

_______________________________________________

nexa mailing list

nexa@server-nexa.polito.it <mailto:nexa@server-nexa.polito.it>

https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa

<https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa>

--

*Andrea Bolioli*

Research & Innovation Manager

*M *+39 333 7405664

*CELI srl*

via San Quintino, 31 - Torino

<https://www.google.com/maps/place/Via+S.+Quintino,+31,+10121+Torino+TO/@45.0668691,7.6684529,17z/data=%213m1%214b1%214m5%213m4%211s0x47886d13c6b49f81:0x2b74ae2a12fca9de%218m2%213d45.0668653%214d7.6706416>

Torino IT – 10121

<https://www.google.com/maps/place/Via+S.+Quintino,+31,+10121+Torino+TO/@45.0668691,7.6684529,17z/data=%213m1%214b1%214m5%213m4%211s0x47886d13c6b49f81:0x2b74ae2a12fca9de%218m2%213d45.0668653%214d7.6706416>

*

*T *+39 011 5627115

*W *www.celi.it <https://www.celi.it/>

_______________________________________________

nexa mailing list

nexa@server-nexa.polito.it

https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa

_______________________________________________
nexa mailing list
nexa@server-nexa.polito.it
https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa