Information System of Masaryk University 

Document Engineering for Digital Libraries (invited talk 5.11.2010,Portsmouth University Computing ...

česky | in English

SOJKA, Petr. Document Engineering for Digital Libraries (invited talk 5.11.2010,Portsmouth University Computing Seminar,UK). In University of Portsmouth Computing Seminar. 2010.
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 (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 projectName: Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (Acronym: ERCIM)
Investor: Ministry of Education, Youth and Sports of the CR, INGO
250503, internal MU codeName: The European Digital Mathematics Library (Acronym: EuDML)
Investor: European Union, Competitiveness and inovation framework programme
PrintDisplayed: 25. 9. 2017 17:23

Other references 


Go to top | Current date and time: 25. 9. 2017 17:23, Week 39 (odd)

Contact: istech(zavináč/atsign)fi(tečka/dot)muni(tečka/dot)cz, Office for Studies, access rights administrators, is-technicians, e-technicians, IT support | Use of cookies | learn more about Information System