从 1836 年到 1936 年的法国人口普查列表中提取信息的完整处理工作流程，采用自动手写表格识别、大规模数据采集、文件协作注释、训练手写表格识别模型以及图像的大规模处理方法，为人口学家分析社会变迁提供了改进法国经济和社会结构认知的重要数据。

Apr, 2024

EXO-POPP 项目旨在建立一个包含法国巴黎及其郊区 1880 年至 1940 年之间的 30 万份婚姻记录的综合数据库，其中包括超过 13 万多个扫描的双页图像。该论文介绍了 M-POPP 数据集，这是 M-POPP 数据库的一个子集，用于手写和印刷文件的全页文本识别和信息提取，并已公开提供。通过从页面图像直接进行手写文本识别和信息提取，我们提出了一种完整的端到端架构，该架构是从 DAN 进行了适应。我们通过在 Esposalles 上实现全页信息提取的最新技术水平来展示该架构的信息提取能力，并将该架构作为 M-POPP 数据集的基准。我们还评估并比较了不同的命名实体编码策略对识别手写文本和提取信息的全页性能的影响。

Apr, 2024

本文介绍了一个原型研究，该研究致力于量化公共政策设计的研究。该系统旨在自动化收集法律文件，注释它们，使用超图分析关键实体之间的相互关系。该系统针对 2003 年的《联合国教科文组织保护非物质文化遗产公约》进行了测试，该法律文献规定了保护文化遗产的重要方面。

Sep, 2022

本文探讨了应用于法国历史文件的逻辑版面分析问题，并提出了一种基于规则的方法，并对两种机器学习模型 RIPPER 和 Gradient Boosting 进行了评估和比较。通过实验表明，我们的规则系统表现优于两种机器学习模型，提高了召回率，并证实了我们的系统可以生成足够大的注释数据集，以便于机器学习或深度学习方法进行逻辑版面分析任务。

Feb, 2022

本篇论文提出了一种基于 Transformer 的方法，用于从数字化手写文件中提取信息，将特征提取、手写识别和命名实体识别的步骤结合成了一个模型，并且在不同分辨率下比较了传统的两阶段方法，实验证明全页注意力模型能够从键值注释中进行学习，并且在多个数据集上胜过现有的方法。

Apr, 2023

19 世纪的地籍是历史学家和考古学家的一个复杂且丰富的来源，使用时面临巨大挑战。我们使用卷积神经网络和视觉变换器训练了几个深度学习模型，从这种知识表示中提取大规模数据。我们在这里展示了我们工作的主要结果，并展示了我们基于浏览器的工具的演示，该工具使研究人员和公众利益相关者能够快速识别出 19 世纪弗朗西斯喜安地籍中具有建筑物的地点。这个工具不仅支持学者和研究人员更好地理解斯泰里亚地区的定居历史，还帮助公共行政机构和公民迅速确定文化遗产敏感区域。

Dec, 2023

提出一个包含 5,393 份手写历史文档的信息提取新数据库，其中手写的 finding aid 包含了从 18-20 世纪的六个系列的元数据，每个文档都被页级注释，涵盖了七个检索字段。此数据集是分割自由系统信息提取研究的好机会。提出了基于 Transformer 架构的模型，用于端到端信息提取，并提供三个数据集以进行未来研究的公平比较。

Apr, 2023

本文提出了一个新的数字化的厚磨联盟书古代手写字符数据库以及多模式融合方法，旨在提高辨认古代字符的效率并提供更可靠的技术支持和文本数据。实验结果首先为新数据库提供了基准结果，然后证明了我们提出的方法的效率。

Jul, 2022

本文首次开展了基于语言模型和条件随机场的算法识别文言文历史文本中命名实体的研究，并将其扩展至历史文献的文档结构挖掘。通过对 220 余本地志文献的实际评估，该方法表现出很好的效果，成功识别出数千个名称和地址，其中许多与中国传记数据库中记录的个人信息相匹配，成为该数据库中的新近记录。

Nov, 2015

通过人工智能的对象检测神经网络技术，在考古学目录中快速、自动和标准化地收集数据，同时记录几何整体轮廓。

Nov, 2023