Spuštění nad již zpracovaném ALTO

[kerschfilip]

Je nutné definovat, jak se má AnnoPage zachovat, pokud dostane na zpracování ALTO, ve kterém už jsou jednou detekované obrázky
Má z alto:

• doplnit nové detekce
• změnit pouze popisky pomocí jiného promptu/nastavení
• smazat detekované objekty a zpracovat celé znovu

[ikiss-fit]

Za mě by to mohlo fungovat třeba nějak takto:

Pokud se bude zpracovávat stránka s konfigurací, ve které je detekce netextových elementů, tak se existující elementy smažou a nahradí novými. Pokud v konfiguraci detekce nebude, tak se ponechají existující elementy a jednotlivé kroky zpracování se provedou nad nimi. K tomu by AnnoPage mohl mít i nějaký přepínač, kterým se bude říkat, jestli se mají ponechat stávající elementy i v případě, kdy se bude provádět detekce netextových elementů.

To mázání by však ještě mělo několik dílčích problémů k vyřešení: Mají se smazat úplně všechny elementy z <tags>? Co když tam bude element, který nevytvořil AnnoPage - má se taky smazat? Předpokládám, že spíš ne. Je potom potřeba umět rozlišit, jaký nástroj daný element vytvořil. Můžeme se spolehnout, že to bude vždy rozpoznatelné? Co dělat v případě, kdy např. AnnoPage detekuje netextový element stránky, zapíše jej do ALTO, nějaký další nástroj tento element dále zpracuje a do ALTO zapíše nějaké další informace, které se k tomuto elementu vztahují? Tím, že by se smazal tento element, tak potom by se asi měly smazat i ty navazující informace. Možná, že to v současné chvíli ani není potřeba řešit, ale dokážu si představit, že tyto problémy mohou v budoucnu nastat.

[kerschfilip]

Pokud se bude zpracovávat stránka s konfigurací, ve které je detekce netextových elementů, tak se existující elementy smažou a nahradí novými. Pokud v konfiguraci detekce nebude, tak se ponechají existující elementy a jednotlivé kroky zpracování se provedou nad nimi. K tomu by AnnoPage mohl mít i nějaký přepínač, kterým se bude říkat, jestli se mají ponechat stávající elementy i v případě, kdy se bude provádět detekce netextových elementů.

S tímhle určitě souhlasím

Mají se smazat úplně všechny elementy z <tags>? Co když tam bude element, který nevytvořil AnnoPage - má se taky smazat? Předpokládám, že spíš ne. Je potom potřeba umět rozlišit, jaký nástroj daný element vytvořil. Můžeme se spolehnout, že to bude vždy rozpoznatelné?

Taky myslím, že by měl AnnoPage smazat jen tags které sám vytvořil. Mohl by se tedy před smazáním elementu podívat do <recordContentSource> nebo <recordIdentifier source="AnnoPage"> a mazat pouze pokud tam bude AnnoPage (jakékoliv verze)?

Co dělat v případě, kdy např. AnnoPage detekuje netextový element stránky, zapíše jej do ALTO, nějaký další nástroj tento element dále zpracuje a do ALTO zapíše nějaké další informace, které se k tomuto elementu vztahují? Tím, že by se smazal tento element, tak potom by se asi měly smazat i ty navazující informace. Možná, že to v současné chvíli ani není potřeba řešit, ale dokážu si představit, že tyto problémy mohou v budoucnu nastat.

Pokud by ten další nástroj doplňující nějaké informace modifikoval StructureTag vytvořený AnnoPage, tak by měl podle mě upravit ten zdroj informace a dát tam vlastní identifikátor.

Pokud by ale na StructureTag vytvořený AnnoPage jen odkazoval, tak asi tu asi vazbu prostě rozbijeme. V tuhle chvíli takový nástroj nemáme, takže je to dost teoretická (i když určitě potřebná) úvaha