№ 1 (2023)

Предметом настоящего исследования являются программные методы автоматизированной предобработки исторических источников и разработка эффективного решения задач при работе с источниками личного происхождения. В рамках статьи проанализировано актуальное положение в области использования современных программных методов. Авторы демонстрируют основной круг аргументов, по которым такие исторические источники с технической точки зрения необходимо рассматривать отдельно. Проведен методологический разбор особенностей применения оптического распознания символов на основе предобработанных данных. Особое внимание уделено преимуществам и ключевым параметрам эффективности конечного результата работы при использовании автоматизированной преодобработки текстов, в том числе при дальнейшем использовании OCR-методов.   Научная новизна исследования заключается в предложении и подробном описании программного решения сложившейся проблемы на основе методов машинного обучения. Разработанная программа имеет три фазы работы с цифровыми копиями источников личного происхождения. В ее основе заложены использование библиотеки OpenCV и решения ряда задач с помощью преобразования Хафа. Опираясь на общий анализ исследования мы можем выделить основные преимущества автоматизированной предобработки сканированных документов: сокращение времени, повышение точности, борьба с искажениями и оптимизация процесса. Представленные результаты успешной апробации разработанного решения позволяют судить о возможных сферах ее эффективного применения.

Целью исследования является реконструкция демографических стратегий сельских социумов. Объект исследования – отдельные поселения и сельсоветы (группы поселений) Тамбовской и Тверской областей (в общей сложности 2861 поселение и 371 сельсовет). Представленная работа предпринята в рамках большого проекта по фрактальному моделированию демографических стратегий аграрного населения Европейской России в длительной исторической ретроспективе – начиная с середины XIX века. Хронологические рамки статьи охватывают не только кризис аграрной сферы 1990-х годов, но и определённое восстановление некоторых сельских поселений в 2000 – 2010-х годах. Для проведения экспериментов с предлагаемой компьютерной моделью была создана база данных, в которой в формализованном виде представлены основные параметры исследованных поселений и сельсоветов. Авторы приходят к выводу, что, несмотря на все отличия, демографические стратегии тверских и тамбовских поселений эволюционируют в рамках одной и той же закономерности: Тверская и Тамбовская области просто находятся в немного разных фазах одного и того же процесса. Крестьянское общество в Тверской области имеет меньший потенциал в качестве миграционного донора и базы для естественного роста. Более старая и северная Тверская область дольше шла по пути раскрестьянивания и урбанизации. Тамбовское крестьянское общество несколько менее истощено и, следовательно, могло бы демонстрировать большие демографические успехи в случае удачной демографической политики.

В статье представлены результаты проекта по созданию виртуальных моделей архитектурных памятников ландшафтного музея-заповедника "Василево" в Тверской области с их последующей 3D печатью и созданием масштабного макета. Музей-заповедник "Василево" расположен на территории усадьбы Львовых XVIII-XIX вв. и включает в себя усадебные постройки, а также 16 памятников деревянного зодчества XVIII-XIX вв., привезенных и установленных на территории заповедника их различных районов Тверского региона. Среди них - объекты культурного наследия федерального значения: деревянные храмы, памятники гражданской застройки. Музей является филиалом Тверского государственного объединенного музея и входит в туристический маршрут "Пушкинское кольцо Верхневолжья".   В результате реализации проекта авторов статьи были выполнены виртуальные модели и масштабные физические модели 19 архитектурных объектов музея-заповедника "Василево". В работе использовались технологии фотограмметрии, полигонального 3D моделирования, FFF 3D печати, макетирования. Процесс фотографирования для создания цифровой модели по технологии фотограмметрии осуществлялся с использованием профессионального БПЛА и зеркального фотоаппарата. Основным программным обеспечением являлись Blender, Autodesk Meshmixer, Agisoft Metashape. Опыт оцифровки объектов показал, что фотограмметрия позволяет хорошо запечатлеть передать в компьютерной модели мелкие детали, которые могут быть в дальнейшем отражены в масштабных моделях при 3D печати. В частности, это деревянные стены и перекрытия различной конструкции, каменная кладка, гравированные изображения и надписи на камне. 3D печать осуществлялась на 3D-принтерах Creality Ender 3 и Creality Ender 5. Материалом для печати являлась пластмасса полилактид. Напечатанные модели были раскрашены и укреплены в виде масштабного макета. Готовый макет был передан музею "Василево" и используется в целях музейного показа.

Наша статья посвящена попытке применения современных методов NLP для оптимизации процесса распознавания текста исторических источников. Любой исследователь, решивший воспользоваться инструментами распознавания отсканированных текстов, столкнется с рядом ограничений точности конвейера (последовательности операций распознавания). Даже наиболее качественно обученные модели могут давать существенную ошибку по причине неудовлетворительного состояния дошедшего до нас источника: порезы, изгибы, кляксы, стертые буквы – всё это мешает качественному распознаванию. Наше предположение состоит в том, что, используя заранее заданный набор слов, маркирующих присутствие интересующей нас темы, с помощью модуля нечетких множеств (Fuzzy sets) из NLP-библиотеки SpaCy, мы сможем восстановить по шаблонам те слова, которые по итогам процедуры распознавания оказались распознаны с ошибками. Для проверки качества процедуры восстановления текста на выборке из 50 номеров газеты «Биржевые ведомости» мы посчитали оценки количества слов, которые бы не вошли в семантический анализ из-за неправильного распознавания. Все метрики были посчитаны также с использованием паттернов нечетких множеств. Оказалось, что в среднем на номер «Биржевых ведомостей» приходится 938.9 слов, маркирующих тему нашего исследования – торговые и финансовые операции с ценными бумагами. Из них изначально правильно распознаются в среднем 87.2% слов. Примерно 119.6 слов (в среднем на 50 номеров) содержат опечатки, связанные с некорректным распознаванием. Благодаря использованию алгоритмов нечетких множеств нам удалось эти слова восстановить и включить в семантический анализ. Мы считаем, что восполнение 12.8% слов, потенциально относящихся к изучаемой теме – это хороший результат, существенно повышающий качество дальнейшего семантического анализа текста методами компьютерного моделирования.

В статье рассматривается содержание и итоги международной конференции Ассоциации «История и компьютер» (АИК) «Историческая информатика как Historical Data Science», состоявшейся 11–13 ноября 2022 г. на историческом факультете МГУ имени М.В. Ломоносова. Подробно описаны все этапы и формы проведения конференции: 2 пленарных заседания, секционные заседания, круглый стол. Конференция была посвящена 30-летию АИК и 10-летию журнала "Историческая информатика". В программу конференции вошло свыше 100 докладов, авторы которых представляли научные центры России, Азербайджана, Беларуси, Германии, Казахстана, Кыргызстана, Норвегии и Узбекистана.   Основную часть конференции составили 10 секционных заседаний, где были представлены доклады по актуальным историческим проблемам, решение которых предлагалось авторами на основе методов и технологий исторической информатики. При этом в большинстве докладов значительное внимание уделялось характеристике используемых данных, методам их обработки и визуализации. Большое внимание было уделено созданию баз данных и информационных систем, статистической обработке исторических данных, методам анализа текстов, исторической геоинформатике, 3-D моделированию. Рассматривались также результаты археологических исследований с применением цифровых технологий, методы исторической информатики в исследовательской работе архивов и музеев, цифровые технологии в историческом образовании.