RADIONICA O PROCENI KVALITETA I PREČIŠĆAVANjU TEKSTOVA U OKVIRU PROJEKTA „EVROPSKE NOVINE“ 
Aleksandra Trtovac, aleksandra@unilib.bg.ac.rs, Univerzitet u Beogradu, Univerzitetska biblioteka „Svetozar Marković“, Beograd 
Univerzitetska biblioteka „Svetozar Marković“ u Beogradu jedan je od 18 punopravnih partnera u projektu „Evropske novine“ u kome učestvuju najznačajnije nacionalne i univerzitetske biblioteke Evrope, pored organizacije LIBER i nemačke firme CCS1, kao i 11 pridruženih partnera. 
Projektom će korisnicima Europeane biti omogućen pristup do punog teksta, pretraživanje i pronalaženje informacija na preko 18 miliona digitalizovanih strana novina. 
Projekat „Evropske novine“ započeo je 2012. i traje do 2014. godine. 
U okviru projekta, u Univerzitetskoj biblioteci u Beogradu je 13. i 14. juna 2013. godine održana radionica o proceni kvaliteta i prečišćavanju tekstova digitalizovanih novina. 
Na radionici je učešće uzelo pedesetak bibliotekara i informatičkih stručnjaka iz raznih delova Evrope (od Finske, Estonije, Islanda, Danske, preko Francuske, Velike Britanije, Nemačke, Holandije, Švajcarske, Španije, Poljske, Češke do Slovenije, Hrvatske, Bosne i Hercegovine, Bugarske i Makedonije). 
Učesnici radionice su, pored predstavnika partnerskih biblioteka, bile i kolege iz Narodne biblioteke Srbije, Muzeja Nikole Tesle, Univerzitetske bibilioteke u Nišu. . 
Posle pozdravnog govora prof. dr Aleksandra Jerkova, direktora Univerzitetske biblioteke „Svetozar Marković“ i osnovnih informacija o programu radionice koje je iznela Marike Vilms, glavna organizatorka radionice i predstavnica LIBER-a, imali smo priliku da čujemo izlaganja i korisne sugestije kolega koji u okviru projekta rade na razvoju aplikacija, testiranju i analiziranju dostavljenih digitalizovanih sadržaja. 
Takođe, aktivno smo učestvovali u razgovorima i diskusijama u malim grupama i ostavljali svoje komentare na tzv. „demokratskom zidu“ gde je Marike Vilms postavila nekoliko tema: 
„Otkrio sam da...“, 
„Primetio sam da...“, 
„Osećam da...“, 
„Naučio sam da...“, 
„Predložio bih...“ 
Hans-Jerg Lider iz Državne biblioteke u Berlinu, koja je i koordinator projekta, govorio je najpre o tehnologijama koje se koriste prilikom procene kvaliteta i prečišćavanja novinskih tekstova – optičko prepoznavanje karaktera (OCR2), optička segmentacija članaka (OLR3), prepoznavanje imenovanih entiteta (NER4), prepoznavanje klase stranice. 
Takođe, istekao je važnost projekta u smislu metapodataka koji se dodeljuju novinskim člancima – pored pretrage u punom tekstu, moguće je pretraživanje i preko metapodataka od kojih je posebno zanimljivo prepoznavanje tekstova koji opisuju fotografije kojima su ilustrovani novinski članci. 
Takođe, Lider je govorio i o izazovima i poteškoćama na koje se nailazi prilikom prečišćavanja tekstova starih novinskih stranica. 
U prvom redu, stare novine su štampane otiskivanjem nekvalitetnog mastila, pa je optičko prepoznavanje karaktera time otežano. 
Prednosti za korisnike Europeane, ali i za partnere u projektu su i mogućnost pretrage preko ključnih reči i fraznog pretraživanja, pretraživanje slika i informacija o njima, značenje teksta, uključivanje korisnika u proces korigovanja, ali i bogaćenja sadržaja, pristup sadržajima i preko aplikacija za mobilne telefone... 
Klemens Nojdeker iz Nacionalne biblioteke Holandije u Hagu govorio je o procesima prečišćavanja teksta novina i razvoju alata za bolju organizaciju podataka koje biblioteke dostavljaju. 
Dva partnerske institucije rade na ovim poslovima – Univerzitet u Insbruku i nemačka firma CCS. 
Koraci koji prate proces prečišćavanja teksta su: odabir novina, postavljanje uslova vezanih za autorska prava, unos podataka u kolekciju metapodataka (master lista), binarizacija, preimenovanje dokumenata i struktura foldera, završna provera podataka i metapodataka, OCR/OLR, proizvodnja fajla sa metapodacima u formatu METS5, i na kraju NER. 
Problemi koji se u ovim procesima javljaju su uglavnom vezani za različite tehnike digitalizacije i pristup sadržaju, različite formate dokumenata, fontove, jezike, pisma. 
Alati koji su razvijeni za što bolje prečišćavanje teksta i organizaciju podataka su: 
BCT – Binarisation and Colour Reduction Tool, FRT – File Rename Tool, FAT - File Analyzer Tool. 
Za optičko prepoznavanje karaktera koristi se ABBYY FineReader SDK i softver State-of-the-Art OCR, za optičku segmentaciju članaka tehnologija docWorks, a za NER tehnologija Stanford CRF-NER koja podržava nemački, engleski i holandski jezik sa dodatkom francuskog i litvanskog za imenovane entitete osoba, lokacija I organizacija. 
Štefan Plečaher i Kristijan Klausner sa Univerziteta u Salfordu govorili su o poteškoćama prilikom prepoznavanja karatera u starim novinama. 
Procena kvaliteta je važna zbog upotrebe specifičnih fontova koja uzrokuje greške u tekstovima digitalnih verzija novina. 
Da bi se prevazišli ovi problemi, potrebno je uključiti veliki broj spoljnih saradnika koji bi popravke radili na osnovu štampanog teksta. 
Nakon ovih predavanja i analiza, napravljene su male grupe u kojima su predstavnici različitih ustanova imali priliku da se bliže upoznaju, razgovaraju i razmene iskustva vezana za organizaciju poslova u projektu, digitalizaciju novina i daju predloge za unapređenje projekta. 
Prvi dan radionice okončan je posetom Muzeju Nikole Tesle i zajedničkom večerom svih učesnika. 
Drugog dana radionica je započeta prezentacijom Lote Vilms iz Nacionalne biblioteke Holandije o prepoznavanju imenovanih entiteta. 
Ona je objasnila da je projektom predviđeno prepoznavanje imenovanih entiteta za osobe, lokacije i organizacije i dala primere za navedene imenovane entitete. 
U sledećem, praktičnom delu radionice, učesnici su, podeljeni u dve grupe, pratili prezentaciju softvera Named Entity Attestation Tool. 
Softver je jednostavan za upotrebu i omogućava lako uređivanje prepoznatih entiteta, ali je mali problem bio taj što učesnici radionice ne poznaju holandski jezik, pa nisu bili u mogućnosti aktivnije da učestvuju. 
Za sada je ovaj alat dostupan za prepoznavanje imenovanih entiteta na nemačkom, holandskom i francuskom jeziku. 
U toku radionice prof. dr Cvetana Krstev i prof. dr Duško Vitas, predstavnici Grupe za jezičke tehnologije Matematičkog fakulteta Univerziteta u Beogradu, dogovorili su sa koordinatorom projekta, Hansom-Jergom Liderom, da se na obrađenim tekstovima srpskih novina uradi i prepoznavanje imenovanih entiteta za srpski jezik. 
Potom je Klaus Gravenhorst iz firme CCS predstavio rezultate vezane za optičku segmentaciju članaka i prepoznavanje metapodataka o njima putem softvera docWorks. 
Da bi se postigli najbolji rezultati potrebno je strukturirati prethodno nestrukturirane tekstove. 
Softver prepoznaje reči, kolone sa tekstom, tekstualne blokove, rubrike, ilustracije, reklame i oglase, tabele i sledeće tipove stranica: naslovnu stranu, sadržaj, stranice sa ilustracijama (one koje sadrže bar jednu ilustraciju), kao i stranice koje sadrže isključivo reklame i oglase. 
Takođe, moguće je prepoznavanje nastavaka članaka (ukoliko članak počinje na jednoj, a završava se na drugoj strani). 
Softver docWorks omogućava konverziju metapodataka o prepoznatim člancima u format METS XML. 
Na ovu prezentaciju nadovezao se Ginter Milberger sa Univerziteta u Insbruku koji je najpre govorio o formatima za metapodatke koji se koriste u projektu, u prvom redu METS i ALTO6. U fokusu su bili strukturalni metapodaci i predloženo je da strukturalni elementi budu: područje naslova, zaglavlje, oglasi i reklame, ilustracije, naslov rubrike, broj strane... 
Takođe, predlog je da se članci razvrstavaju prema sledećim tipovima: vesti, kratke vesti, prikazi knjiga, pozorišnih predstava, čitulje i nekrolozi, reklame i oglasi, poslovni oglasi, vremenska prognoza, priče, pesme... 
Učesnici u projektu su podstaknuti daju predloge za strukturalne metapodatke imajući u vidu potrebe korisnika, kao i da analiziraju formalni sadržaj novina. 
Na ovoj veoma korisnoj radionici su, osim novih saznanja o toku projekta i razvoju aplikacija i alata, u lepoj atmosferi sklopljena brojna poznanstva sa bibliotekarima i informatičkim stručnjacima koji su došli iz raznih krajeva Evrope. 
Bila je to lepa prilika da se nauči nešto novo, ali i razmene iskustva i otvore nove mogućnosti. 
Kao bibliotekaru Univerzitetske biblioteke, izuzetno mi je drago što smo, čini mi se, bili izuzetno uspešni kako u organizaciji poslovnog dela, tako i raznolikog zabavnog sadržaja za naše drage goste i kolege 
