Detailed Information on Publication Record

SOJKA, Petr. Document Engineering for Digital Libraries (invited talk 5.11.2010,Portsmouth University Computing Seminar,UK). Online. In University of Portsmouth Computing Seminar. 2010, [citováno 2024-04-24]

Other formats: BibTeX LaTeX RIS

Basic information
Original name	Document Engineering for Digital Libraries (invited talk 5.11.2010,Portsmouth University Computing Seminar,UK)
Name in Czech	Dokumentové inženýrství pro digitální knihovny (zvaná přednáška 5.11.2010,Portsmouth University Computing Seminar,Portsmouth,UK)
Authors	SOJKA, Petr (203 Czech Republic, guarantor, belonging to the institution)
Edition	University of Portsmouth Computing Seminar, 2010.

Other information
Original language	English
Type of outcome	Requested lectures
Field of Study	Documentation, librarianship, work with information
Country of publisher	Czech Republic
Confidentiality degree	is not subject to a state or trade secret
WWW	slides
RIV identification code	RIV/00216224:14330/10:00045289
Organization unit	Faculty of Informatics
Keywords (in Czech)	digitalizace matematických dokumentů;DML-CZ;workflow digitalizace;digitalni knihovny;pdfjbim;jbig2enc;RDF recompression
Keywords in English	mathematics knowledge management;DML-CZ;digitization workflow;digital libraries;pdfJbim;big2enc;PDF recompression
Tags	DML-CZ, EuDML--The European Digital Mathematics Library
Tags	International impact
Changed by	Changed by: doc. RNDr. Petr Sojka, Ph.D., učo 2378. Changed: 28/5/2012 17:12.

Abstract
Several innovative document transformations and tools developed in the process of building the Digital Mathematical Library DML-CZ http://dml.cz are described. The main result is our new PDF re-compression tool, developed using a enhanced jbig2enc library. Together with pdfsizeopt.py by Péter Szabó, we have managed to decrease PDF storage size and transmission needs by 62%: using both programs we reduced the size of the original already compressed PDFs to 38%. We briefly describe workflow and tools developed for creating the digital library. The batch digital signature stamper, the document similarity metrics which uses four different methods, a [meta]data validation process and math OCR tools represent some of the main [by]products. Such document engineering, together with Google Scholar indexing optimization, have led to the success of serving digitized and born-digital scientific math documents to the public in DML-CZ, and are being employed also in The European Digital Mathematics Library, EuDML.

Abstract

Several innovative document transformations and tools developed in the process of building the Digital Mathematical Library DML-CZ http://dml.cz are described. The main result is our new PDF re-compression tool, developed using a enhanced jbig2enc library. Together with pdfsizeopt.py by Péter Szabó, we have managed to decrease PDF storage size and transmission needs by 62%: using both programs we reduced the size of the original already compressed PDFs to 38%. We briefly describe workflow and tools developed for creating the digital library. The batch digital signature stamper, the document similarity metrics which uses four different methods, a [meta]data validation process and math OCR tools represent some of the main [by]products. Such document engineering, together with Google Scholar indexing optimization, have led to the success of serving digitized and born-digital scientific math documents to the public in DML-CZ, and are being employed also in The European Digital Mathematics Library, EuDML.

Abstract (in Czech)
Přednáška bude uvozena vizí světové digitální matematické knihovny. Popíši architekturu zpracování matematických dokumentů v Digitální matematické knihovně DML-CZ. Speciální pozornost bude věnována vyvinutym inovativním nástrojům a transformací dokumentů, které byly vyvinuty v rámci digitální matematické knihovny DML-CZ: nástroj pro PDF rekompresi, který využívá enkodér jbig2enc. Dohromady s dalšími programy, především pdfsizeopt.py, který vyvinul Péter Szabó, jsme byli schopni snížít velikost PDF a nároky na jejich přenos o 62 %: použitím obou nástrojů jsme snížíli velikost PDF dokumentů na 38 % z původní velikosti. Mezi produkty tohoto projektu patří i dávkové podepisování PDF documentů, metriky vyhledávání podobností u dokumentů, které používají čtyři různé metody, process validace [meta]dat a OCR nástroje pro matematiku. Tento způsob tvorby dokumentů spolu s Google Scholar optimalizací indexace, vedlo k úspěšné obsluze digitalizovaných a born-digital vědeckých matematických dokumentů pro veřejnost v DML-CZ a bude dále nasazeno také v projektu evropské digitální matematické knihovny EuDML.

Abstract (in Czech)

Přednáška bude uvozena vizí světové digitální matematické knihovny. Popíši architekturu zpracování matematických dokumentů v Digitální matematické knihovně DML-CZ. Speciální pozornost bude věnována vyvinutym inovativním nástrojům a transformací dokumentů, které byly vyvinuty v rámci digitální matematické knihovny DML-CZ: nástroj pro PDF rekompresi, který využívá enkodér jbig2enc. Dohromady s dalšími programy, především pdfsizeopt.py, který vyvinul Péter Szabó, jsme byli schopni snížít velikost PDF a nároky na jejich přenos o 62 %: použitím obou nástrojů jsme snížíli velikost PDF dokumentů na 38 % z původní velikosti. Mezi produkty tohoto projektu patří i dávkové podepisování PDF documentů, metriky vyhledávání podobností u dokumentů, které používají čtyři různé metody, process validace [meta]dat a OCR nástroje pro matematiku. Tento způsob tvorby dokumentů spolu s Google Scholar optimalizací indexace, vedlo k úspěšné obsluze digitalizovaných a born-digital vědeckých matematických dokumentů pro veřejnost v DML-CZ a bude dále nasazeno také v projektu evropské digitální matematické knihovny EuDML.

Links
LA09016, research and development project	Name: Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (Acronym: ERCIM)
LA09016, research and development project	Investor: Ministry of Education, Youth and Sports of the CR, Czech Republic membership in the European Research Consortium for Informatics and Mathematics
250503, interní kód MU	Name: The European Digital Mathematics Library (Acronym: EuDML)
250503, interní kód MU	Investor: European Union