D4R平台旨在帮助非技术用户，特别是历史学家，探索历史文献。它通过将自然语言问题转化为Cypher查询，提供友好的图形界面，从而提升历史研究的效率和可访问性。

本研究提出了一种基于信息论的方法，用于识别历史文献中的公式性群集，特别适用于多作者文本如希伯来圣经。该算法通过加权自信息分布检测文本结构模式，为文本分析提供量化框架，增强对复杂文本的理解。

本研究提出HERITAGE平台，旨在解决现代人对汉字书写的理解困难，提供开源的Hanja自然语言处理工具，以提高历史文献翻译效率，降低探索门槛。

本研究提出了一种新型多模态语言模型，针对手写文稿数字化中的OCR问题，尤其是不同书写风格。研究结果表明，该方法性能优于现有技术，具有广泛的应用潜力。

本文研究了Transformer架构中OCR敏感神经元对历史文献命名实体识别的影响。通过分析神经元在不同文本中的激活模式，发现中和OCR敏感神经元可以提升历史报纸和经典注释中的NER性能，表明定向神经调制有助于改进噪声文本模型的性能。

19世纪的地籍是历史学家和考古学家的重要来源。研究人员使用卷积神经网络和视觉变换器训练了深度学习模型，提取了大量数据。他们开发了一个基于浏览器的工具，帮助研究人员和公众识别19世纪地点中的建筑物。这个工具有助于理解斯泰里亚地区的定居历史，并帮助公共行政机构和公民确定文化遗产敏感区域。