Book Matching: alertas de coincidências também com livros!

A semana está apenas começando e vamos iniciá-la com o pé direito, com novidades para vocês! Temos o prazer de anunciar mais uma nova e revolucionária tecnologia no nosso site, a Book Matching.

Esta tecnologia faz uma varredura de todas as nossas coleções de livros históricos já digitalizados e busca pessoas que foram adicionadas às árvores genealógicas de MyHeritage. Esta ferramenta exclusiva do site do MyHeritage faz uma análise semântica para que possa compreender cada linha, de cada página, de cada livro digitalizado, a fim de encontrar coincidências entre os nomes, com grande precisão. A ferramenta já adicionou 80 milhões de novos matches para os nossos usuários! Cada match representa um parágrafo de um livro, que trata especificamente de uma pessoa presente na árvore. É então possível acessar diretamente o parágrafo em questão e fazer buscas no restante do livro.

Com a ferramenta Book Matching você será capaz de fazer descobertas fascinantes sobre a sua família, que não seriam encontradas de outra forma. Quem sabe você não descobre até mesmo novos parentes e antepassados? Use as informações descobertas para aumentar sua família e para dar mais colorido às suas vidas.

Só para contar um pouquinho da nossa história e relembrar nossas conquistas, primeiramente lançamos o SuperSearch™, nosso motor de busca para registros históricos, em 2012. Em dezembro de 2015 nós adicionamos a nossa coleção de livros históricos ao SuperSearch™. Bem recentemente, nós triplicamos o número de livros compilados, aumentando de 150 mil para 450 mil os volumes desta coleção, com um total de 91 milhões de páginas. Para compilar os livros nós formamos um grupo de curadores e já planejamos acrescentar milhões de novas páginas à coleção de livros digitalizados a cada ano.

O desafio

Livros sempre foram uma das melhores fontes de pesquisa genealógica, mas fazer buscas eficientes era quase impossível. Mesmo depois de serem fotografados e digitalizados e de ser aplicada uma técnica de reconhecimento ótico de caracteres (OCR), ainda continuava sendo necessária uma enorme quantidade de tempo para se verificar os livros onde se pensava ter uma fonte importante, quando na verdade, muitas vezes, tratava-se de falsos positivos. Por exemplo, se você tinha um Antônio  Gabriel na sua árvore genealógica, a pesquisa em livros trazia resultados de pessoas com nomes Antônio ou Gabriel, sem levar em consideração primeiros nomes, ou sobrenomes. Mesmo se a busca trouxesse resultados com Antônio Gabriel, isto não era nenhuma garantia de que se tratava ali do Antônio Gabriel procurado. Mas não havia  como fazer buscas cruzadas, procurando por um Antônio Gabriel, nascido em Portugal, na década de 40, casado com uma Maria das Graças Mota.

Book Matching trazendo soluções

A nossa tecnologia de Book Matching ultrapassa estas dificuldades na medida em que é capaz de entender narrativas, descrevendo pessoas em livros históricos, incluindo nomes, datas, eventos, locais e relacionamentos, e encontrando matches de grande precisão, em grande velocidade, para todos os 2 bilhões de indivíduos, presentes nas árvores genealógicas do MyHeritage. E este processo é sempre aumentado na medida em que adicionamos mais livros e vocês mais pessoas à árvore.

Uma tarefa hercúlea com cara de simples

Extrair informações  genealógicas de livros não é uma tarefa fácil. Em documentos estruturados como certidões de nascimento, ou censos demográficos fica claro saber que tipo de informação está contida nos documentos encontrados. É fácil saber onde estão os nomes, as datas de nascimento e assim por diante. Por outro lado, com dados de textos não estruturados, como livros históricos digitalizados, fatos como datas de nascimento, falecimento e locais podem estar escritos de inúmeras maneiras diferentes, com contextos variados, sem uma localização ou ordem claramente delimitada. Embora expressões como “morte”, “morreu”, “faleceu” possam fazer referência à morte de uma pessoa, outras expressões menos usadas também têm que ser levadas em considerações, como “partiu desta para melhor”, “nos deixou” ou “foi levado para junto do Pai”. Atualmente nós temos uma lista muito grande de expressões somente para poder detectar o falecimento de alguém. Os livros muitas vezes não utilizam o nome completo das pessoas. Por exemplo, um parágrafo pode trazer o primeiro nome de uma mulher e o parágrafo seguinte passa a falar e a descrever seu pai. Para detectar e colocar juntas estas informações é necessário o uso de uma tecnologia bastante poderosa e nós trabalhamos duro para desenvolver os mais variados algoritmos possíveis, para podermos garimpar informações genealógicas dentro dos livros. Eles foram testados e aprimorados, repetidos e aperfeiçoados para garantir os níveis mais altos de precisão e para que pudéssemos extrair o maior número de informações possíveis de cada livro. Durante o processo, nós encontramos milhões de pequenos erros em OCR e os corrigimos. Por exemplo, se havia uma informação dizendo que uma pessoa havia nascido em “<aio” nós corrigimos para “Maio”, ou se foi escrito “Avril”, nós entendemos que se queria ter escrito “Abril”, e assim por diante.

No momento, alguns livros estão ainda duplicados, pois eles foram incluídos em sites de domínio público várias vezes, por grupos diferentes. Ninguém havia sido capaz de detectar que isso era redundante. Estamos agora nas últimas fases de otimizar uma tecnologia que seja capaz de “desduplicar” os livros. Ou seja, assim que completarmos esta etapa, estas matches repetidas irão desaparecer.

Book Matching em ação

Recentemente mostramos a alguns dos genealogistas blogueiros mais agraciados (ou geneabloggers, como eles são muitas vezes chamados) as Book Matches que encontramos para eles, de forma que eles fossem os primeiros a ver a tecnologia em ação, nas suas próprias árvores genealógicas.

Dick Eastman, do blog Eastmans´s Online Genealogy Newsletter vem pesquisando há vários anos a história da sua família. Ele tem aproximadamente 2780 pessoas na sua árvore genealógica salva no site do MyHeritage e já recebeu cerca de 500 Book Matches. A maioria das informações dos livros é novidade pra ele.

Por exemplo, Elizabeth Fifield, uma tia de uma antepassada direta de Dick (8ª geração) aparecia em sua árvore genealógica simplesmente com uma data de nascimento, de falecimento e seus irmãos.

Uma Book Match automática foi encontrada para a Elizabeth no livro “Genealogical and personal memoirs relating to the families of the state of Massachusetts [Memórias pessoais e genealógicas relacionadas às famílias do Estado de Massachusetts]; por Cutter, William Richard, 1847-1918”, uma fonte que Dick talvez ainda não tivesse consultado.

O trecho abaixo foi encontrado pelo MyHeritage. Como vocês podem ver, informações muito importantes foram encontradas para ela, como o nome do seu marido e outras informações históricas importantes sobre ele e seus 6 filhos, incluindo suas datas de nascimento – todas estas informações que Dick ainda não tinha e que ele pode agora incluir em sua árvore, adicionando assim um novo ramo à ela.

Outro genealogista de renome, o Randy Seavers do blog Genea-Musings tem mais de 40 mil pessoas na sua árvore no MyHeritage. E agora com mais de 20 mil Book Matches ele tem uma verdadeira montanha de informações novas para analisar. Por exemplo, Randy tem um parente, William Seavers Woods, em sua árvore genealógica que aparentemente nunca foi casado.

No anuário “Alumni Record of Wesleyan University [Registros de formandos da Universidade de Wesleyan], Middletown, Connecticut, 1921” MyHeritage encontrou uma coincidência perfeita para William:

William se formou naquela universidade e a página lista algumas de suas conquistas, mencionando inclusive o nome de sua esposa e de seu filho – informações que Randy ainda não tinha em sua árvore. Note que o filho de William Robert usava o sobrenome da sua mãe Grace: Crombie. Uma vez que Robert não usava nem o sobrenome Seavers, nem Woods, Randy poderia nunca ter descoberto esta informação se não fosse por este Book Match. Agora Randy tem uma pista nova e pode voltar a pesquisar este ramo da família, que parecia ter chegado a um beco sem saída.

Leland Meitzler do blog Genealogy Blog importou sua árvore  genealógica com 5106 membros para o site do MyHeritage. Ele já recebeu alertas sobre 694 Book Matches. Um deles se refere a Elisha Mills, encontrado no livro “A Walloon Family in America: Lockwood de Forest and His Forbears [Uma família de valões na América: Lockwood de Forest e seus ancestrais]1500-1848,” (1914).

A coincidência permite adicionar os pais de Elisha e descreve também todos os seus feitos, adicionando também mais vida à história da família.

Finalmente Pat Richley, do blog Dear Myrtle, também recebeu alguns Book Matches. Thomas Wasden, o trisavô de Pat, era exibido na sua árvore com muito poucas informações, somente datas e locais.

Mas foi encontrada uma coincidência entre ele e o livro “Colonial Families of Philadelphia [Famílias coloniais da Filadélfia] by Jordan, John Woolf, 1840-1921” (1911).

A match também trazia uma foto dele, do século XIX. Um incrível achado que Pat agora pode adicionar à sua árvore!

Os blogueiros ficaram de queixo caído com as incríveis coincidências encontradas, que trouxeram informações únicas e exclusivas às suas respectivas árvores. Não foram encontrados literalmente nenhuns falsos positivos. Se o Book Matching foi capaz de encontrar informações tão preciosas para genealogistas profissionais, que pesquisam suas famílias há tantos anos e com tanto conhecimento de causa, imagina o que a tecnologia não é capaz de fazer para você e para quase todo usuário do MyHeritage…

A compilação das fontes publicadas é uma coleção de livre acesso para todos. Mas para visualizar os Book Matches é necesário ter uma assinatura de dados do MyHeritage.

O que virá a seguir? O Book Matching só está disponível para livros em inglês por enquanto, mas a tecnologia será aprimorada para que livros em outros idiomas também possam ser analisados. Nós estamos sempre aumentando o nosso repositório de registros históricos digitalizados, para facilitar a pesquisa da história familiar. Esperamos firmemente que possamos dobrar o número de livros digitalizados em MyHeritage em breve. E iremos adicionar livros de genealogia extraordinários de toda a Europa, em todas as línguas mais importantes da Europa em breve!

Como saber se você também tem Book Matches? Basta fazer o login no seu site de família e checar se você tem Record Matches através da aba de Descobertas, ou cheque sua caixa de entradas de email, para ver se enviamos um email novo para você. Qualquer Match recebida será possível graças a esta nova tecnologia.

Você ainda não conhece o MyHeritage? Faça o seu cadastro no site e faça o upload da sua árvore genealógica através de um arquivo GEDCOM e comece agora mesmo a se beneficiar das novas descobertas possíveis através do Book Matching – uma ferramenta exclusiva do MyHeritage.

Você ficará espantado com o valor inestimável destes livros históricos e passará a vê-los com muito mais carinho, reconhecendo o seu valor que será trazido a você com a tecnologia do Book Matching.

Divirta-se!