p 2010

From Bitmaps back to Brains: DML-CZ and EuDML Projects (invited talk 8.11.2010, University of Birmingham AI Seminar, UK)

SOJKA, Petr

Basic information

Original name

From Bitmaps back to Brains: DML-CZ and EuDML Projects (invited talk 8.11.2010, University of Birmingham AI Seminar, UK)

Name in Czech

(zvaná přednáška 8.11.2010, University of Birmingham AI Seminar, UK)

Authors

SOJKA, Petr (203 Czech Republic, guarantor, belonging to the institution)

Edition

University of Birmingham, School of Computer Science, Artificial Intelligence and Natural Computation, 2010

Other information

Language

English

Type of outcome

Vyžádané přednášky

Field of Study

Documentation, librarianship, work with information

Country of publisher

Czech Republic

Confidentiality degree

není předmětem státního či obchodního tajemství

References:

RIV identification code

RIV/00216224:14330/10:00045346

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

International impact
Změněno: 3/5/2011 10:02, doc. RNDr. Petr Sojka, Ph.D.

Abstract

V originále

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.

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)
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)
Investor: European Union