Распознавание удмуртских текстов

ABBYY FineReader 12 Professional Edition распознает документы на 190 языках на основе кириллицы, латиницы, греческого и армянского алфавитов, а также языки на основе иероглифического письма, искусственные языки и языки программирования, причём для 44 языков предусмотрена словарная поддержка и проверка орфографии.

Удмуртский язык есть в списке ABBYY, но словарная поддержка для него по умолчанию не предусмотрена. В настоящее время выходом может стать добавление нового пользовательского языка на основе языка "Удмуртский".

Добавление пользовательского языка "Удмурт кыл"

Чтобы качественно распознавать удмуртские тексты необходимо создать новый пользовательский язык:

В меню "Сервис" кликнем "Редактор языков". В окне Редактора языков нажимаем "Новый".

В появившемся меню "Новый язык или группа языков" выбираем базовым языком "Удмуртский" и нажимаем ОК.

Откроется окно Свойство языка

В имени нового языка вместо Копия (Удмуртский) пишем, например, Удмурт кыл.

Нажимаем ОК.

Теперь Удмурт кыл появится в списке пользовательских языков.

Добавление словаря поддержки

В Сервис → Редактор языков → Пользовательские языки отмечаем Удмурт кыл (см. выше) и выбираем меню Свойства (на нижней панели окна).

В Свойствах языка в разделе Словарь вместо Нет точкуем Пользовательский словарь

Кликнем его Cвойства. Появится окно Словарь для языка "Удмурт кыл":

Нажимаем Импорт и загружаем предварительно скачанный [отсюда] и распакованный файл словаря поддержки удмуртского языка. Загрузка словаря занимает не менее 5 минут.

В окне словаря нажимаем кнопку "Закрыть" и в свойствах языка нажимаем ОК. Теперь удмуртские тексты будут распознаваться с учетом словоформ, заложенных в словарь поддержки.

Сохранение пользовательского языка

Дабы не пришлось создавать пользовательский язык каждый раз, сохраните пакет, в котором Вы создали польз. язык "Удмурт кыл". Теперь данный язык останется в этом пакете и автоматически появится в тех, которые будут создаваться позже.

Распознавание удмуртского текста

Для распознания удмуртского текста устанавливаем Удмурт кыл как язык документа:

Язык документа -> Выбор языков... (внизу) -> Редактор языков -> Пользовательские языки (внизу) -> Удмурт кыл -> ОК).

Качество распознавания достаточно высокое. Пример см. на изображении:

Как видим при распознании программа допустила четыре ошибки:

1. Проигнорирован абзац после заголовка Куэт.
2. Слово сузэръёсыз-лэн не распознано как цельная единица, поскольку пока отсутствует в словаре поддержки.
3. Вместо Отын программа прочитала Ӧрын.
4. Вместо тырон стоит гырон.

Последние две ошибки произошли вероятно в связи с качеством печати в данном сегменте текста.

С пополнением тестовой базы будет расти и словарь поддержки, а соответственно распознавание будет идти все более качественно.

Ссылки

• ABBYY FineReader 12 Professional Edition