DOI: 10.18485/judig.2026.2.ch5 ISSN:

Од (слике) текста ка графу знања: дигитализација и семантичко обогаћивање енциклопедије Свезнање

Јована Рађеновић, Биљана Рујевић, Александра Томашевић, Оливера Китановић, Ранка Станковић
Show PDF Cite
Рад представља поступак дигитализације, структурног обогаћивања и изградње графа знања заснованог на историјској српској енциклопедији „Свезнање“ из 1937. године. Процес је обухватио скенирање, оптичко препознавање текста, ручну корекцију грешака, структурно уређивање и конверзију у формат TEI-XML. Посебна пажња посвећена је очувању изворног правописа и структуре текста, као и дефинисању прецизних упутстава за сараднике који су учествовали у корекцији и анотацији материјала. У раду су описани најчешћи проблеми дигитализације, укључујући мешање ћирилице и латинице, погрешно препознавање карактера и структурне грешке у тексту.

Након корекције текста примењене су методе препознавања именованих ентитета (NER), повезивања ентитета са базом знања Википодаци (NEL), као и екстракције релација између ентитета. Енциклопедијски чланци су додатно класификовани према домену и семантичком типу, чиме је омогућена изградња семантички обогаћеног графа знања. Добијени ресурс представља значајан допринос дигиталној хуманистици и развоју језичких технологија за српски језик, омогућавајући напредну семантичку претрагу, анализу културног наслеђа и интеграцију са екосистемом повезаних отворених података.

Додатно, применом великих језичких модела над препричаним и сажетим верзијама одредница генерисан је и скуп парова питања и одговора заснован на садржају енциклопедије, намењен даљим применама у системима за одговарање на питања и приступима заснованим на генерисању потпомогнутом претрагом (RAG).

More from our Archive