Large Scale Genealogical Information Extraction From Handwritten Quebec Parish Records

要約

タイトル：手書きのケベック州パリッシュ・レコードからの大規模な系譜情報抽出
要約：
– この論文では、ケベック州の手書きのパリッシュ・レジスターから情報を抽出するための、完全なワークフローが提案されている。
– これらの文書に含まれる個人と家族の情報は、ケベック州の遺伝学的、人口統計学的、社会学的研究にとって非常に貴重である。
– ページ分類、テキスト行検出、手書きテキスト認識、固有名詞認識、アクト検出と分類の各ステップに分割されるワークフローでは、機械学習モデルが使用されている。
– 抽出された情報に検証ルールが適用され、情報が標準化され、データ品質が保証される。
– ワークフローは、19-20世紀の2百万ページのケベック州パリッシュ・レジスターを処理するために使用された。65％のレジスターをサンプルとして、320万のアクトを認識した。サンプルから認識された出生と死亡アクトの検証により、74％が完全で有効なものであることが分かった。
– これらのレコードはBALSACデータベースに統合され、大規模な家族関係や系譜の関係を再構築するためにリンクされる。

要約(オリジナル)

This paper presents a complete workflow designed for extracting information from Quebec handwritten parish registers. The acts in these documents contain individual and family information highly valuable for genetic, demographic and social studies of the Quebec population. From an image of parish records, our workflow is able to identify the acts and extract personal information. The workflow is divided into successive steps: page classification, text line detection, handwritten text recognition, named entity recognition and act detection and classification. For all these steps, different machine learning models are compared. Once the information is extracted, validation rules designed by experts are then applied to standardize the extracted information and ensure its consistency with the type of act (birth, marriage, and death). This validation step is able to reject records that are considered invalid or merged. The full workflow has been used to process over two million pages of Quebec parish registers from the 19-20th centuries. On a sample comprising 65% of registers, 3.2 million acts were recognized. Verification of the birth and death acts from this sample shows that 74% of them are considered complete and valid. These records will be integrated into the BALSAC database and linked together to recreate family and genealogical relations at large scale.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI