Florian Langhanki, M.A.

University of Würzburg
Centre for Philology and Digitality

c/o Department for Artificial Intelligence
Am Hubland
D-97074 Würzburg

Room: 4 U 16
Phone: +49 931/31-87717

florian.langhanki@uni-wuerzburg.de

Further institutional affiliations

Institute of German Philology, Medieval Studies

Publications

Langhanki, Florian ; Wehner, Maximilian ; Hinrichsen, Lena ; Baierer, Konstantin ; Reul, Christian:Flexibles Arbeiten mit OCR4all - Massenvolltextdigitalisierung von Drucken mithilfe von OCR-D und hochqualitative Transkription von Handschriften. In: DHd2022 Kulturen des digitalen Gedächtnisses (2022)
- [ Abstract ]
- [ BibTeX ]
- [ URL ]
"Die automatisierte Texterkennung von historischen Drucken und Handschriften stellt eine anspruchsvolle Aufgabe bei der Entwicklung modularer wie flexibler OCR-/HTR-Workflows dar. Besonders Forschungsfelder wie Text Mining oder Sentiment Analysis haben die Schwierigkeiten einer Textdigitalisierung entsprechender Materialien bei gleichzeitigem Bedarf großer Textmengen zur Anwendung quantitativer Analyseverfahren erkannt. Auch im Kontext hochqualitativer Volltexterfassungen digitaler Editionen besteht großer Bedarf an intuitiv und komfortabel zu bedienender Software. Die an der Universität Würzburg entwickelte Software OCR4all nimmt neben den formulierten Anforderungen entsprechender Workflowsysteme die Ausrichtung auf einen geisteswissenschaftlichen Nutzer:innenkreis für sich in Anspruch. Durch die baldige Unterstützung der im Rahmen von OCR-D entwickelten Lösungen wird nun die Anwendung im Spannungsfeld einer Massenvolltextdigitalisierung und einer hochqualitativen Erfassung historischer Texte möglich. Der Workshop bietet einen umfassenden Einstieg ins Thema der OCR und HTR historischer Materialien. Teilnehmende werden in die Nutzung von OCR4all eingeführt und dazu befähigt, auf Grundlage anspruchsvoller Ausgangsmaterialien hochqualitative Textdaten zu generieren." Ein Beitrag zur 8. Tagung des Verbands "Digital Humanities im deutschsprachigen Raum" - DHd 2022 Kulturen des digitalen Gedächtnisses.

@article{langhanki_florian_2022_6328079, abstract = {"Die automatisierte Texterkennung von historischen Drucken und Handschriften stellt eine anspruchsvolle Aufgabe bei der Entwicklung modularer wie flexibler OCR-/HTR-Workflows dar. Besonders Forschungsfelder wie Text Mining oder Sentiment Analysis haben die Schwierigkeiten einer Textdigitalisierung entsprechender Materialien bei gleichzeitigem Bedarf großer Textmengen zur Anwendung quantitativer Analyseverfahren erkannt. Auch im Kontext hochqualitativer Volltexterfassungen digitaler Editionen besteht großer Bedarf an intuitiv und komfortabel zu bedienender Software. Die an der Universität Würzburg entwickelte Software OCR4all nimmt neben den formulierten Anforderungen entsprechender Workflowsysteme die Ausrichtung auf einen geisteswissenschaftlichen Nutzer:innenkreis für sich in Anspruch. Durch die baldige Unterstützung der im Rahmen von OCR-D entwickelten Lösungen wird nun die Anwendung im Spannungsfeld einer Massenvolltextdigitalisierung und einer hochqualitativen Erfassung historischer Texte möglich. Der Workshop bietet einen umfassenden Einstieg ins Thema der OCR und HTR historischer Materialien. Teilnehmende werden in die Nutzung von OCR4all eingeführt und dazu befähigt, auf Grundlage anspruchsvoller Ausgangsmaterialien hochqualitative Textdaten zu generieren." Ein Beitrag zur 8. Tagung des Verbands "Digital Humanities im deutschsprachigen Raum" - DHd 2022 Kulturen des digitalen Gedächtnisses.}, author = {Langhanki, Florian and Wehner, Maximilian and Hinrichsen, Lena and Baierer, Konstantin and Reul, Christian}, journal = {DHd2022 Kulturen des digitalen Gedächtnisses}, keywords = {myown}, month = {mar}, title = {Flexibles Arbeiten mit OCR4all - Massenvolltextdigitalisierung von Drucken mithilfe von OCR-D und hochqualitative Transkription von Handschriften}, year = 2022 }
Reul, Christian ; Tomasek, Stefan ; Langhanki, Florian ; Springmann, Uwe:Open Source Handwritten Text Recognition on Medieval Manuscripts using Mixed Models and Document-Specific Finetuning. In: arXiv Preprints (submitted to DAS 2022) (2022)
- [ Abstract ]
- [ BibTeX ]
- [ URL ]
This paper deals with the task of practical and open source Handwritten Text Recognition (HTR) on German medieval manuscripts. We report on our efforts to construct mixed recognition models which can be applied out-of-the-box without any further document-specific training but also serve as a starting point for finetuning by training a new model on a few pages of transcribed text (ground truth). To train the mixed models we collected a corpus of 35 manuscripts and ca. 12.5k text lines for two widely used handwriting styles, Gothic and Bastarda cursives. Evaluating the mixed models out-of-the-box on four unseen manuscripts resulted in an average Character Error Rate (CER) of 6.22%. After training on 2, 4 and eventually 32 pages the CER dropped to 3.27%, 2.58%, and 1.65%, respectively. While the in-domain recognition and training of models (Bastarda model to Bastarda material, Gothic to Gothic) unsurprisingly yielded the best results, finetuning out-of-domain models to unseen scripts was still shown to be superior to training from scratch. Our new mixed models have been made openly available to the community.

@article{reul2022open, abstract = {This paper deals with the task of practical and open source Handwritten Text Recognition (HTR) on German medieval manuscripts. We report on our efforts to construct mixed recognition models which can be applied out-of-the-box without any further document-specific training but also serve as a starting point for finetuning by training a new model on a few pages of transcribed text (ground truth). To train the mixed models we collected a corpus of 35 manuscripts and ca. 12.5k text lines for two widely used handwriting styles, Gothic and Bastarda cursives. Evaluating the mixed models out-of-the-box on four unseen manuscripts resulted in an average Character Error Rate (CER) of 6.22%. After training on 2, 4 and eventually 32 pages the CER dropped to 3.27%, 2.58%, and 1.65%, respectively. While the in-domain recognition and training of models (Bastarda model to Bastarda material, Gothic to Gothic) unsurprisingly yielded the best results, finetuning out-of-domain models to unseen scripts was still shown to be superior to training from scratch. Our new mixed models have been made openly available to the community.}, author = {Reul, Christian and Tomasek, Stefan and Langhanki, Florian and Springmann, Uwe}, journal = {arXiv Preprints (submitted to DAS 2022)}, keywords = {myown}, title = {Open Source Handwritten Text Recognition on Medieval Manuscripts using Mixed Models and Document-Specific Finetuning}, year = 2022 }
Langhanki, Florian ; Leue, Sebastian ; Hamm, Joachim:’Das nüv schiff von Narragonia’ (Straßburg [Johannes Grüninger], vor 23.05.1495; GW5048).. In: Burrichter, B. ; Hamm, J. (eds.) Narragonien digital. Digitale Textausgaben von europäischen ’Narrenschiffen’ des 15. Jahrhunderts. (2021)
- [ BibTeX ]
- [ URL ]
@article{leue2021schiff, author = {Langhanki, Florian and Leue, Sebastian and Hamm, Joachim}, editor = {Burrichter, Brigitte and Hamm, Joachim}, journal = {Narragonien digital. Digitale Textausgaben von europäischen 'Narrenschiffen' des 15. Jahrhunderts.}, keywords = {myown}, title = {'Das nüv schiff von Narragonia' (Straßburg [Johannes Grüninger], vor 23.05.1495; GW5048).}, year = 2021 }
Jung, Raphaëlle ; Langhanki, Florian ; Wehner, Maximilian:Narragonien digital: ’Den narren spiegel ich diß nenn’. Sebastian Brants Narrenschiff und seine europäische Überlieferungsgeschichte.. In: bildungsgeschichte.de (ed.) , Bibliothek für Bildungsgeschichtliche Forschung (2021)
- [ BibTeX ]
- [ URL ]
@article{https://doi.org/10.25523/32552.9, author = {Jung, Raphaëlle and Langhanki, Florian and Wehner, Maximilian}, editor = {bildungsgeschichte.de}, keywords = {myown}, publisher = {Bibliothek für Bildungsgeschichtliche Forschung}, title = {Narragonien digital: 'Den narren spiegel ich diß nenn'. Sebastian Brants Narrenschiff und seine europäische Überlieferungsgeschichte.}, year = 2021 }

Vita

Job History

Since 11/2020: Lecturer at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)
Since 10/2022: Research associate at the Centre for Philology and Digitality (University of Würzburg)
10/2021 – 09/2022: Research assistant at the Centre for Philology and Digitality (University of Würzburg)
10/2020 – 10/2021: Research assistant at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)
05/2019 – 12/2019: Student research assistant, project ‚Narragonien Digital – Kallimachos‘ (University of Würzburg)
03/2019 – 09/2019: Student research assistant at the Centre for Philology and Digitality (University of Würzburg)
10/2018 – 07/2020: Tutor at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)
09/2017 – 09/2020: Student research assistant at the Chair for German Philology of the middle ages and early modern era (University of Würzburg)

Education

10/2017-10/2020 – Studies of 'Middle Ages and Early Modern Era' (Master) at the University of Würzburg.

09/2020 – Master Thesis: "Der Trojanische Krieg im Druck – Erarbeitung eines Konzepts für ein Online-Repositorium frühneuhochdeutscher Großepik"

10/2011-02/2018 - Studies of Latin Philology, Greek Philology, German Philology, Geography (Bachelor) at the University of Würzburg.

02/2018 – Bachelorthesis: "Metareferenz bei Herbort von Fritzlar"

Miscellaneous

09/2019: Workshop "OCR4all – ein semi-automatisches OCR-Tool für historische Drucke" (with Maximilian Wehner)
11/2018: Workshop "OCR auf alten Handschriften und Inkunabeln" (Bamberg -ZeMaS) (with Dr. Michael Dahnke)