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]

Очевидно, что подобные программы пока что и еще долго не расшифруют архивные документы. Им только цифры и подписи по клеточкам разбирать.

Автоматическое распознавание таких документов пока что невозможно.

Документы из украинских архивов пока что недоступны. Из российских можно смотреть.

Регистрируетесь на сайте familysearch.org, входите на сайт, находите нужную пленку и правой кнопкой мыши щелкаете по значку фотоаппарата, выбираете "Открыть в новой вкладке".

Открывать в новой вкладке обязательно, иначе документы не откроются.

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.