Распознавание удмуртских текстов: различия между версиями
Ӧньӧ Лав (обсуждение | вклад) |
Ӧньӧ Лав (обсуждение | вклад) |
||
Строка 60: | Строка 60: | ||
[[Файл:Abbyy udm6.png|800 px|]] | [[Файл:Abbyy udm6.png|800 px|]] | ||
Как и в случае с другими языками вычитка текста после распознавания остается кране желательной. | |||
Как видим при распознавании программа допустила четыре ошибки: | Как видим при распознавании программа допустила четыре ошибки: | ||
Строка 66: | Строка 68: | ||
#Вместо '''Отын''' программа прочитала '''Ӧрын'''. | #Вместо '''Отын''' программа прочитала '''Ӧрын'''. | ||
#Вместо '''тырон''' стоит '''гырон'''. | #Вместо '''тырон''' стоит '''гырон'''. | ||
Случаев, подобных №2 будет все меньше с пополнением тестовой базы словаря поддержки. | |||
Последние две ошибки произошли вероятно в связи с качеством печати в данном сегменте текста. | Последние две ошибки произошли вероятно в связи с качеством печати в данном сегменте текста. | ||
Более тщательное распознавание в подобных случаях, а также в случае №1, возможно в русле общего улучшение качества программы FineReader. | |||
==Ссылки== | ==Ссылки== |
Версия от 17:26, 18 октября 2014
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 и в случае с другими языками вычитка текста после распознавания остается кране желательной.
Как видим при распознавании программа допустила четыре ошибки:
- Проигнорирован абзац после заголовка Куэт.
- Слово сузэръёсыз-лэн не распознано как цельная единица, поскольку пока отсутствует в словаре поддержки.
- Вместо Отын программа прочитала Ӧрын.
- Вместо тырон стоит гырон.
Случаев, подобных №2 будет все меньше с пополнением тестовой базы словаря поддержки.
Последние две ошибки произошли вероятно в связи с качеством печати в данном сегменте текста. Более тщательное распознавание в подобных случаях, а также в случае №1, возможно в русле общего улучшение качества программы FineReader.