Familysearch.org - архивная база мормонов

gecube написал:

[q]

idrua
Добрый день! Вы мне в личке ответили, ответили бы и здесь для приличия. А то получается, что посмотрели, что сделать ничего не можете, и как будто "слились". Верю в Вашу порядочность и корректность :-)
P.s. фоты, которые я Вам отправил, абсолютно реальные и представляют выборку документов, которые мы здесь обсуждаем.
P.p.s. или можно я хоты бы Ваш приватный ответ мне здесь опубликую?

[/q]

Да никуда я не сливался. Текущая работа отвлекает и не всегда есть время на форумы.
Не вопрос, отвечу всем.

Итак, если разные типы документов.
1) Структурированные (по простому: одинаковые на просвет). С помощью специализированного софта задаем какие поля извлекать, указываем типы полей (цифровые, текстовые и т.д.) и получаем результат. Можно задействовать несколько движков, чтобы улучшить уровень достоверности. В результате примерно 95% распознается в полном автомате, а 5% на ручной ввод (где компьютер не смог определить гипотезу ответа и сомневается в результате)

2) Полуструктурированные. Чеки, договора, налоговые и т.д. Они не одинаковые на просвет, но структура у этих документов всегда одинаковая. Например, если стоит задача извлечь сумму чека, то нужно искать текст "сумма", а дальше программно смотреть вправо или вниз для поиска сниппета с цифрами. Чуть труднее и дольше, чем со структурированными.

3) Неструктурированные. Вот то что вы мне выслали, это и есть пример неструктурированного документа. Какие-то линии, поля, пометки. Каждый документ кардинально отличается от предыдущего. Сплошной естественный рукописный.

Из неструктурованных документов можно извлекать только ключевые данные, а не всё. ФИО, даты, причины смерти/болезни, возможно что-то еще. Т.е. мы заранее обучаем распознаватель на возможные ответы и извлекаем их.

idrua написал:

[q]

Из неструктурованных документов можно извлекать только ключевые данные, а не всё. ФИО, даты, причины смерти/болезни, возможно что-то еще. Т.е. мы заранее обучаем распознаватель на возможные ответы и извлекаем их.

[/q]

Эффективность программ распознавания текста на 70-80% (если не больше) зависит от лексического и грамматического анализа, т.е. от внеграфической интерпретации.
Если текст нестандартный (в широком смысле) или источник плохого качества, то и качество распознавания будет мусорным.

Любимова написал:

[q]

Однако, про просмотре пленки по селу Борисоглебскому - нашла село Маклауш за 1837 год.

[/q]

Скоро запустят проект по маршрутизации. Наверное, там можно будет внести все поправки.
У меня, например, куча пленок по Порховскому уезду с общим названием "Порховский уезд". Тоже надеюсь расписать их по приходам.

microArt написал:

[q]

Скоро запустят проект по маршрутизации.

[/q]

Где?

Nikolay_Ch написал:

[q]

Где?

[/q]

На Familysearch. Gontar не раз об этом писала.