报纸是新闻媒体的一种手段,具有记录实事,传播信息的作用。作为信息传播的重要载体,报纸的内容应当是真实的、及时的且可靠的。蒙古文历史报纸是少数民族地区用蒙古文记载实事新闻的印刷出版物。经过长时间的馆藏存储,报纸文献的页面出现了褪色、缺失、污损、折叠等不同程度的损坏。为了更好的保存蒙古族文化遗产,蒙古文历史报纸文献的数字化工作正在全面实施。然而,由于蒙古文报纸文字书写的独特性以及样本数据集稀少等问题,使得蒙古文历史报纸文字的识别研究面临着一定的挑战。因此,本文研究并实现了面向历史报纸的蒙古文文字识别系统,其研究工作如下:1.本文构建了蒙古文历史报纸文字识别语料库。本文通过对蒙古文历史报纸文献的扫描图像进行二值化、列切分、单词切分等操作,收集了217348条蒙古文文字识别语料库作为相关实验的训练和测试样本。2.本文提出了基于Transformer编码-解码器结构的蒙古文历史报纸文字识别模型。该文字识别模型先使用残差神经网络提取图像深层特征,随后由Transformer网络进一步处理图像特征序列并循环解码输出预测序列,完成特征序列到输出序列的映射。相比已有的文字识别方法而言,本文提出的识别模型解决了循环神经网络的长序列依赖难题,同时具备了较高的并行计算能力。此外,残差神经网络的使用弥补了Transformer网络缺少的归纳偏置特性,提高了模型泛化能力。实验结果表明,本文提出的识别模型相比CRNN识别方法提高了4.67%的识别准确率,相比基于注意力机制的识别方法提高了6.16%的识别准确率,其测试集上的最高识准确率能达到83.12%,并实现了较快的处理速度。3.本文搭建了面向历史报纸的蒙古文文字识别系统。本文使用python和Django框架搭建了一个基于浏览器/服务器架构的,简单,易操作且可视化的蒙古文历史报纸文字识别系统,为用户提供了一个蒙古文历史报纸图像的展示与识别平台。