本文介绍了一种用于从魁北克手写教区登记簿中提取信息的完整工作流程，该工作流程通过将文档图像转换为个人化的信息，使其适用于遗传、人口统计和社会研究。工作流程采用逐步方法，并采用不同的机器学习模型，同时由专家设计的验证规则用于标准化提取的信息并确保其一致性。该方法已被用于魁北克教区登记簿中超过 200 万个页面的处理，并将被整合到 BALSAC 数据库中进行家族和系谱关系的重建。

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

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

本文探讨了创建和分析用于数据挖掘和文本分析研究的新数据集，为利兹大学国家方言语料库的联合研究项目做出了贡献。研究使用机器学习分类器对各个法语国家的法语方言文本样本进行分类，并遵循 CRISP-DM 方法论的步骤对数据进行了采集、质量问题和文本分析数据转换的探索。最后，在应用适当的数据挖掘技术后，讨论了评估方法、最佳特征和分类器以及结论。

Aug, 2022

针对超过 100 个面部数据集进行的历史调查表明，这些数据集受到政治动机、技术能力和当前社会规范等多种因素的影响，掩盖了一些可能有害或有问题的实践。因此，需要明确传达这些细节，以建立更加深入的对技术在现实世界中功能的理解。

Feb, 2021

本文介绍了一个新的数据集 CENSUS-HWR，包含 1812014 个灰度图像，用于训练自动手写体识别模型，可以作为深度学习算法的基准，该数据集来自美国 1930 和 1940 年的人口普查，可免费下载。

May, 2023

本文提出了一个脸部搜索系统，它使用快速搜索程序和 COTS 匹配器相结合的级联框架，通过卷积神经网络生成的深度特征来过滤大量的照片，并在 80 百万张网络下载的人脸图像的图库上对该系统进行了评估。

Jul, 2015

该论文利用机器学习模型针对历史研究的挑战进行研究，旨在提高 OCR 质量和识别数据结构的准确度。

Jan, 2024

本文利用计算机视觉技术从 Google 街景图像中的车辆数量预测美国城市的收入、碳排放、犯罪率等城市属性，并探讨城市中车辆与人口属性之间的关系，以实现对城市的大规模社会学分析。

Sep, 2017

本文总结了在 EMNLP 2022 范围内举行的 CASE 工作坊的第五届会议，该工作坊聚焦于跨技术和社会科学领域的事件信息收集和多模态方法对该跨学科研究主题的拓展。

Nov, 2022