Verbeteren OCR-tekst met een lokale AI / LLM

Onze online krantencollectie omvat 500.000 pagina's. Ze zijn doorzoekbaar met Elasticsearch. De tekst is uit de scan geëxtraheerd met behulp van tesseract OCR, en opgeslagen als alto.xml. De kwaliteit van die OCR-tekst is aardig, maar voor verbetering vatbaar. In een poging de vindbaarheid te verbeteren hebben we het volgende experiment gedaan: de OCR-tekst uit de alto.xml hebben we naar een lokale LLM gestuurd (gemma4) met deze prompt: "Je ...

MDTO van XML naar RDF

Heeft iemand toevallig al ervaring met het omzetten van MDTO in XML naar MDTO in RDF? Misschien ook een script of stylesheet om te delen? Ik sta op het punt daar wat voor te maken maar bedacht me dat ik vast niet de eerste ben die zoiets nodig heeft. Dank, René Voorburg