DIGAR-i Eesti artiklite portaalis on mitmeid ajalehti, mis ei ole artikliteks jagatud ehk segmenteeritud. RaRa-siseselt toimub segmenteerimine spetsiaalse programmiga, kasutades visuaalset informatsiooni. Uurijatele on sellised lahendused sageli aga kättesaamatud. TalTechi informaatikatudengite Greteli Mittali ja Maria Kristina Andranikyana bakalaureusetöö käigus peenhäälestati eestikeelne BERT-mudel EstBERT tuvastama ajaleheartiklite piire, kasutades sisendina vaid lehekülje teksti. Eesmärgiks oli eelkõige katsetada, kas sellist lähenemisviisi on võimalik artiklite tuvastamiseks kasutada. Mudel saavutas testimisel F1-skoorid 0,65 ja 0,74. Mudeli usaldusväärsust saab tõsta treeningandmestiku laiendamise ja mitmekesistamisega.

Mudel ja repositoorium:

• EstBERT newspaper segmentation mudel Hugging Face'is.
• GitHub-i repositoorium.