أدلة عملية معمقة

فحص استخراج OCR قبل الاستشهاد بوثيقة

الانتقال من صفحة ممسوحة إلى معلومة محققة: فحص الحروف والجداول وترتيب القراءة واللغات قبل البحث أو الحساب أو الاستشهاد بالنص المتعرف عليه آليًا.

آخر تحديث :

اطلاع على الأرشيف مع قارئ ميكروفيلم ووثائق قديمة.

رسم توضيحي مولّد بالذكاء الاصطناعي

هل يحافظ النص المستخرج على معنى الوثيقة؟

قد يخفي النص القابل للتحديد نفيًا ضائعًا أو رقمًا مستبدلًا أو أعمدة مختلطة أو اسمًا مقطوعًا. يساعد OCR على العثور على المعلومات، لكن الصفحة الأصلية تبقى مرجع التحقق. التمييز بين استخراج يكفي للوصول إلى فقرة وآخر صالح للاستشهاد أو الحساب. لا تعوض نسبة دقة عامة تقييمًا مرتبطًا بالاستخدام المقصود.

  1. حفظ المصدر

    تسجيل الوثيقة والمنشأ وتاريخ الاسترجاع وترقيم الصفحات. حفظ صورة الصفحة والنص بصورة منفصلة مع الإصدارات. يجب ألا يطمس استخراج جديد الدليل المستخدم سابقًا. التحقق من ملاءمة شروط الوصول وإعادة الاستخدام للعمل المقصود.

  2. اختيار المقاطع

    تضمين صفحة بسيطة وجدول وحاشية وعمود ضيق وأنظمة الكتابة الموجودة. إضافة كل قيمة تسند الاستنتاج: مبالغ وتواريخ ووحدات وأسماء وأدوات نفي. الصفحات السهلة وحدها لا تمثل محتوى متنوعًا جيدًا؛ توضيح التغطية المختارة.

  3. مقارنة الرموز الحاسمة

    قراءة الصورة والاستخراج جنبًا إلى جنب. فحص الصفر وحرف O والواحد وحرف I والفواصل العشرية وإشارات السالب والمراجع. قراءة الأرقام مع وحداتها وفتراتها. بيان التصحيحات في النسخ النصي دون تغيير الملف الأصلي بصمت.

  4. إعادة بناء البنية

    تتبع العناوين والفقرات والأعمدة والحواشي والخلايا. صف الجدول ليس مجرد كلمات؛ ربط القيم برؤوسها. فحص الجداول الممتدة عبر صفحات. الاحتفاظ بصفحة أو منطقة المصدر لكل قيمة يعاد استخدامها.

  5. اختبار البحث واللغات

    البحث عن اسم ومرجع وعبارة في كل نظام كتابة. فحص التشكيل والحروف العربية والترقيم وترتيب النصوص المختلطة. التعرف على العلامات مختلف عن ترجمة المعنى. عدم تصحيح أسماء العلم تلقائيًا بقاموس عام.

  6. تحديد الاستخدام

    تصنيف المقاطع إلى محققة أو مصححة بسجل أو غير موثوقة. قد يساعد استخراج جزئي على البحث دون أن يصلح للحساب. إعادة قراءة النص المستشهد به من المصدر وتقديم موضع ثابت. بعد تغيير المحرك أو الإعدادات إعادة المقاطع الصعبة بدل الاكتفاء بحجم النص الإجمالي.

ورشة قراءة البيانات

لا تتحقق هوية المعرّف بدرجة جيدة

يفصل المثال DEMO-O12 تطابق المحارف وترتيب الكتل قبل الاستشهاد أو الربط.

بيانات وسجلات افتراضية للتعلم: لا تأتي هذه النتائج من استعلام مباشر لأي خدمة.

ترتيب الأعمدة وهوية الرمز

تُقرأ الصفحة بالعمود الأيسر ثم الأيمن. يناوب OCR الكتل ويستبدل صفرين من الرمز بحرفي O؛ ولا يغطي تطابق المحارف عيب الترتيب هذا.

إذا تجاوز الجدول الشاشة فمرره أفقياً؛ تعمل أسهم لوحة المفاتيح عند تركيز المنطقة.

ترتيب الأعمدة وهوية الرمز
الخطوةبيانات المثالالتشخيصالقرار
صورة بعمودينيساراً A1,A2؛ يميناً B1,B2الترتيب المتوقع A1,A2,B1,B2.احفظ الصورة ومراجع المناطق.
الاستخراج الخامA1,B1,A2,B2تتناوب الأعمدة ويختلط الاستدلال.أعد الترتيب بقراءة الصورة.
المعرّف الحاسمالصورة AB-0010؛ OCR AB-OO10تحول صفران إلى حرفي O.صحح مع أثر قبل إعادة الاستخدام.
عينة محارف محاذاةخطآن في 10 000؛ تطابق 99.98 %لا تقيس الدرجة الخيالية ترتيب الكتل.أعد قراءة كل معرّف يدعم الاستنتاج.

هل تسمح درجة 99.98 % بالاستشهاد بـAB-OO10؟

افتح كل اقتراح لمقارنة تشخيصه. قد تبقى فحوص إضافية ضرورية.

نعم فالدرجة شبه مثالية.

لا؛ يكفي خطآن لتغيير المفتاح المستخدم.

نعم بعد ترتيب الأعمدة.

لا؛ البنية والمحارف فحصان مستقلان.

لا؛ اقرأ الرمز في الصورة ووثّق التصحيح.

مناسب. افحص المقطع كاملاً واحفظ النص الخام منفصلاً عن النقل المصحح.

سجل خيالي معبأ

الملف: DEMO-O12
الصورة: AB-0010؛ الاستخراج الخام: AB-OO10
الترتيب الخام: A1,B1,A2,B2
الترتيب المراجع: A1,A2,B1,B2
العينة: 10 000 محرف؛ خطآن
التصحيح: الرمز والترتيب مع مرجع الصفحة
الاستخدام: المقطع المفحوص فقط

أرفق بالمقطع المستشهد به الصفحة ومنطقة الصورة المراجعتين. احفظ منفصلةً الاستخراج الخام والنقل المصحح ومبرر كل تصحيح للرمز.

توثيق القواعد منفصل عن الأمثلة الافتراضية

مقارنة حالات وتمارين أخرى

اختفاء النفي

يسمح النص المستخرج بما يستبعده الأصل. مقارنة الجملة الكاملة وحاشيتها وسياقها. تسجيل التصحيح والرجوع إلى المصدر عند الاستشهاد؛ تشابه معظم الكلمات لا يحمي المعنى.

اندماج عمودين

يمكن العثور على العناوين لكن الفقرات تتناوب بين الأعمدة. إعادة ترتيبها وفق الصورة قبل التلخيص. اختبار عبارة كاملة؛ وجود كلمات في الفهرس لا يثبت انتماءها إلى المقطع نفسه.

مجموع غير متسق

فقدت قيمة إشارتها أو انتقلت إلى عمود آخر. فحص الخلايا المستخدمة ورؤوسها ووحداتها. الحساب فقط من القيم المحققة وتوثيق الخلايا غير المقروءة بدل استكمالها بالتخمين.

قراءة موجهة لمقطع

فقدان فاصل يضاعف المبلغ مئة مرة

في هذا التمرين الخيالي ينقل A القيمة المقروءة من الصورة الأصلية ويمثل B نتيجة OCR. يحدد رقم الصفحة والجدول المنطقة اللازمة للمراجعة.

تمرين خيالي: توضح المعرفات والقيم والتواريخ التحقق. المقطع ليس ردا جمع مباشرة.

  1. تحديد الخلية

    اربط الصفحة 7 والجدول 2 والعنوان ووحدة EUR. لا تفحص العدد دون سياقه.

  2. مقارنة المحارف

    يحتوي A على فاصلة عشرية ومسافة تجميع. فقدهما B؛ لا تعني 125000 القيمة 1 250,00.

  3. تصحيح التفريغ

    احفظ المخرج الخام وتصحيحا منفصلا مرتبطا بالخلية. أعد الحسابات التي استخدمت المقياس الخاطئ.

مقارنة خيالية: A قراءة الصورة وB نتيجة OCR

p. 7 / table 2
A   1 250,00 EUR
B   125000 EUR

ما ينبغي فحصه

القيمة المعتمدة: 1 250,00 EUR
القيمة الخام 125000 EUR ستكون أكبر بمئة مرة.
نطاق التحقق
فحص خلية واحدة لا يثبت صحة الجدول أو كل الصفحات. افحص أيضا أدوات النفي والأسماء والوحدات الحاسمة.
هل إضافة فاصلة إلى جميع أعداد OCR تصحيح موثوق؟

التعليل

لا. قد تختلف قواعد الكتابة والأخطاء حسب العمود أو الصفحة. برر كل تصحيح مؤثر بالمنطقة الأصلية؛ قد تنشئ القاعدة العامة العمياء أخطاء جديدة.

مراجع رسمية : Tesseract — Improving the quality of the output

قراءة / حالة مشروحة

خطآن في المحارف وحقلان حاسمان يحتاجان إلى مراجعة

نقارن سلسلتين افتراضيتين مع حفظ حالة الأحرف والعلامات والمسافات الثلاث. يتضمن المرجع 18 محرف ASCII وأربعة رموز نصية. نفصل هنا الرموز بالمسافات دون حذف الترقيم: هذه قاعدة WER المعلنة لهذا المثال، وليست إعداداً عاماً.

مثال افتراضي؛ لا يصف مشاهدات خدمة أو عميل.

على الشاشات الصغيرة، مرّر الجدول أفقياً.

خطآن في المحارف وحقلان حاسمان يحتاجان إلى مراجعة
الفحصقيمة المثالالتفسير
المرجع المراجعREF A01 -12.50 EUR18 محرفاً مع المسافات؛ أربعة رموز نصية.
ناتج OCR الخامREF A0I 12.50 EUR17 محرفاً؛ تحول الرقم 1 إلى I واختفت علامة السالب.
CER: أخطاء المحارف2 / 18 × 100 ≈ 11.1 %استبدال واحد وحذف واحد نسبة إلى عدد محارف المرجع.
WER: قاعدة هذا المثال2 / 4 × 100 = 50 %استُبدل رمزان من أربعة: المعرّف والمبلغ بإشارته.
صلاحية الاستخدامA01 ≠ A0I ; -12.50 ≠ 12.50قد يشير المعرّف إلى عنصر آخر، والعلامة تعكس القيمة. ارجع إلى مناطق المصدر قبل الربط أو الحساب.
هل يمكن إعلان موثوقية قدرها 88.9 %؟

متمم CER لا يقيس صدق الوثيقة أو احتمال صحة كل حقل. هنا تغير الحقلان المفيدان رغم تشابه السلسلتين.

لماذا نوثق قواعد المقارنة؟

قد يؤدي حذف الترقيم قبل الحساب إلى إخفاء خطأ الإشارة. قارن المخرجات بالقواعد نفسها، ثم افحص الحقول الحاسمة وترتيب القراءة بصورة منفصلة.

تاريخ مراجعة المراجع

تمرين مع الحل

علامة مفقودة تقلب الاستنتاج

مثال افتراضي: القيم والوثائق لتعلم الطريقة ولا تصف مؤسسة حقيقية.

يمثل العمود تغيراً مئوياً ويصف الملخص الآلي النتيجة بأنها ارتفاع.

إذا تجاوز الجدول الشاشة فمرره أفقياً؛ تعمل أسهم لوحة المفاتيح عند تركيز المنطقة.

المعطيات الأولية
المصدرالنص المقروء
صورة الجدول−12,5
استخراج OCR12.5

ما ينبغي التحقق منه

  1. اقرأ الخلية في الصورة الأصلية.
  2. تحقق من الإشارة والفاصل والعنوان.
  3. أعد الاستنتاج من الخلية المصححة.
قراءة الحل

الحل والقرار

القيمة −12.5 %، أي انخفاض في هذا الجدول. تغيير الفاصلة إلى نقطة قد يكون تنسيقاً، لكن حذف الإشارة يغير المعنى. صحح الملخص والحسابات المشتقة أيضاً مع إبقاء الاستخراج الأصلي قابلاً للتعريف.

إذا تغيرت الحالة

إذا أمكن أن تكون الشرطة رمزاً لقيمة مفقودة، فاقرأ المفتاح والمحاذاة؛ لا تعتبرها تلقائياً علامة سالب.

السجل الواجب حفظه

احفظ الصفحة وموضع الخلية والصورة المقروءة ونص OCR الخام والتصحيح المعلل.

مرجع موثق

ALTO: مقياسان للثقة باتجاهين متعاكسين

يعرف ALTO 4.4 ثقة الكلمة WC وثقة المحارف CC بنهايات متعاكسة. هذه بيانات OCR وليست دقة مقاسة على مجموعتك.

ALTO: مقياسان للثقة باتجاهين متعاكسين
المرجعالقيمة أو الصيغةما الذي يحدده
WC0 → 10 غير واثق و1 واثق بحسب المحرك؛ لا يغني الرقم العالي عن قراءة الصورة.
CC0 → 9رقم لكل محرف: 0 واثق و9 غير واثق. لا تقرأ 9 كثقة أعلى.
HPOS / VPOSMeasurementUnitموضعان أفقي وعمودي بوحدة القياس المعلنة؛ لا تفترض البكسلات.
CONTENTStringمحتوى وحدة نصية متعرف عليه؛ احفظ رابط الصفحة والمنطقة.
ReadingOrderALTO 4.3+ترتيب قراءة صريح أُدخل في 4.3؛ افحص النسخة قبل توقع العنصر.

ما يُحفظ في الملف

احفظ النسخة والوحدة والنص والإحداثيات معاً. قد تختلف ملفات المؤسسات؛ توثق BnF صيغ ALTO الخاصة بها. غياب القيمة لا يعني ثقة صفرية.

هل يثبت WC = 0.99 صحة 99٪ من المحارف؟

لا؛ WC ثقة المحرك لوحدة نصية وليس نسبة صحة محارف مرصودة. قارن مقاطع بتفريغ مرجعي وصف العينة دون تحويل القيمة إلى شهادة دقة.

الوثائق الأصلية

تاريخ الاطلاع على الوثائق .

مرجع موثق

علامة سنة 1930 لا تؤرخ طباعة الكتاب

تعرض النسخة المصورة فتحة من نسخة كتاب غوتنبرغ المقدس المحفوظة بمكتبة الكونغرس، وعلامات ملكية داخل الغلاف. مصدرها WDL7782 عبر Wikimedia Commons. يجب فصل العمل عن تاريخ هذه النسخة.

فتحة من نسخة كتاب غوتنبرغ المقدس بمكتبة الكونغرس: داخل الغلاف بعلامات ملكية وملصق مجموعة فولبير المؤرخ 1930 وورقة حراسة.

فتحة من نسخة كتاب غوتنبرغ المقدس بمكتبة الكونغرس: داخل الغلاف بعلامات ملكية وملصق مجموعة فولبير المؤرخ 1930 وورقة حراسة.

نسخة مصورة توثيقية فعلية · Library of Congress · World Digital Library · Wikimedia Commons · المصدر · إعادة الاستخدام

نسخة مصورة مبيّنة ضمن الملك العام في سجل الملف. تصغير وتحويل WebP دون قص. تاريخ التصوير غير محدد.

علامة سنة 1930 لا تؤرخ طباعة الكتاب
المرجعالقيمة أو الصيغةما الذي يحدده
Biblia latinaMainz · c. 1455تضع المكتبة الطباعة في ماينتس، واكتمالها على الأرجح أواخر 1455.
Languageاللاتينيةنص لاتيني بترجمة الفولغاتا؛ لغة ملصق المجموعة ليست لغة الكتاب كله.
Materialالرقهذه النسخة مطبوعة على الرق بحسب الوصف المؤسسي.
Vollbehr1930سنة اقتناء المكتبة مجموعة فولبير، وتظهر أيضاً على الملصق المصور.
WDL7782معرّف سجل World Digital Library المذكور بمصدر الملف، وليس رقم صفحة.

ما يُحفظ في الملف

في OCR، افصل نص العمل والتعليقات وعلامات الملكية والملصقات المضافة. انسب كل معلومة لمنطقتها ووظيفتها. لا يرد هنا تاريخ الرقمنة أو التصوير؛ لا تستنتجه من 1455 أو 1930.

ماذا تثبت «The Vollbehr Collection 1930»؟

إنها علامة مجموعة وليست سنة الطباعة. يوثق الوصف المؤسسي الاقتناء سنة 1930 منفصلاً. احفظ الفرق والنسخة المحددة؛ لا تصف علامة هذا المجلد جميع نسخ الطبعة.

الوثائق الأصلية

تاريخ الاطلاع على الوثائق .

مرجع موثق

PDF/A: ملف الحفظ ليس شهادة أصالة

تحدد أجزاء ISO 19005 متطلبات حفظ العرض وموارده. يقارن الجدول ملفات تعريف موثقة ولا يفحص ملفات الزائر. حدد الملف التعريفي الدقيق قبل تفسير تقرير المطابقة.

PDF/A: ملف الحفظ ليس شهادة أصالة
المرجعالقيمة أو الصيغةما الذي يحدده
PDF/A-1ISO 19005-1:2005الجزء الأول المبني على PDF 1.4. يدعم إعادة إنتاج العرض؛ لا يثبت امتداد .pdf مطابقته.
PDF/A-2ISO 19005-2:2011مبني على PDF 1.7 ويسمح بوظائف إضافية وإدراج PDF/A وفق قواعده. لا يعني السماح بأي تنسيق مرفق.
PDF/A-3ISO 19005-3:2012يسمح بملفات مضمنة بأي تنسيق. لا تجعل مطابقة الحاوية مرفقاتها قابلة للحفظ أو الإتاحة أو مطابقة لـPDF/A.
PDF/A-4fISO 19005-4:2020ملف تعريفي للجزء الرابع المبني على PDF 2.0 يسمح بمرفقات بتنسيقات أخرى. لا يحدد اسمه طبيعة المرفق أو جودته.
pdfaid:part / pdfaid:conformance1 / Bمثال تصريح XMP لـPDF/A-1b: قيمة part هي 1 وconformance هي B. هو ادعاء مطابقة وليس تحققاً ناجحاً.
PDF/UAISO 14289عائلة معايير إتاحة PDF. يمكن استهداف PDF/A وPDF/UA معاً؛ لا يثبت PDF/A وحده الإتاحة.

ما يُحفظ في الملف

احفظ الملف الدقيق والملف التعريفي المختبر والأداة وإصدارها والقواعد والنتائج. يحتاج OCR وترتيب القراءة والمرفقات والتوقيعات إلى فحوص مستقلة. لا يثبت التنسيق المؤلف أو التاريخ أو الادعاءات.

هل PDF/A ذو نص قابل للتحديد متاح حتماً؟

لا. لا يثبت تحديد النص البنية الدلالية أو ترتيب القراءة أو أوصاف الصور المناسبة. افحص متطلبات الإتاحة واقرأ بأدوات المساعدة.

الوثائق الأصلية

تاريخ الاطلاع على الوثائق .

الدليل المطلوب حفظه

  • المصدر والإصدار وصورة الصفحة وتاريخ الاسترجاع.
  • المقاطع المفحوصة وأنظمة الكتابة والتخطيط ومعايير الاختيار.
  • الأخطاء والتصحيحات الصريحة ومواضع القيم المعاد استخدامها.
  • الاستخدامات المسموحة: البحث أو الاستشهاد أو الحساب وحدودها وإعادة الفحص.

مراجع رسمية

بروتوكولات ذات صلة

فحوص قبل الاستنتاج

  • هل قارنت النفي والعلامات والفواصل العشرية والأسماء الحاسمة مباشرة بالصفحة المرئية؟
  • هل تحتفظ خلايا الجدول بعنوان العمود والترتيب الصحيحين بعد النسخ إلى أداة العمل؟
  • هل تشير الإحالة إلى الصفحة الأصلية وتذكر التصحيحات بدلاً من الاقتصار على النص المستخرج؟

أسئلة شائعة

هل تكفي درجة ثقة مرتفعة؟

قد تساعد في ترتيب المراجعة لكنها لا تستبدل مقارنة المقاطع الحاسمة. يمكن لخطأ واحد أن يعكس معنى الجملة.

هل يجب نسخ الوثيقة كاملة؟

يتحدد العمل بحسب القرار. للاستشهاد فحص المقطع وسياقه، وللحساب فحص كل خلية مستخدمة.

هل يمكن تحسين المسح بعد الاستخراج؟

مقارنة استخراج جديد في المقاطع نفسها. حفظ الصورة الأولى وتوثيق التحويلات للتمييز بين المصدر والملفات المعالجة.

هل يترجم OCR الوثيقة؟

لا. التعرف على النص والترجمة مرحلتان مختلفتان بأخطاء وفحوص منفصلة. حفظ المقطع بلغة المصدر.

ما هي المراحل التي يجب مراقبتها في الأولوية؟

الأرقام والأسماء والتواريخ والاحتياطات التي يعتمد عليها الاستنتاج. يمكن أن يبرر خطأ كبير مراجعة اللوحات أو الفقرات التي تم إنشاؤها من خلال نفس عملية الاعتراف.

مرجع موثق

التعرف الضوئي: قياس الأخطاء بمرجع وقواعد معلنة

تحسب مسافة ليفنشتاين أقل العمليات لتحويل المرجع إلى النص المرشح. تساعد على فحص النسخ أو المقتطف، لكنها لا تقيس أمانة الترجمة أو صحة الإجابة.

التعرف الضوئي: قياس الأخطاء بمرجع وقواعد معلنة
المرجعالقيمة أو الصيغةما الذي يحدده
S / D / Ireference → candidateتستبدل S وحدة من المرجع وتحذف D وحدة وتضيف I وحدة إلى المرشح. تكلفة كل عملية 1. تبديل حرفين ليس عملية خاصة هنا.
N / MH+S+D / H+S+Iتمثل N طول المرجع بعد المعالجة المعلنة. مع H وحدات متطابقة، ⁦N = H + S + D⁩ وطول المرشح ⁦H + S + I⁩.
CER / WER (%)100 × (S+D+I) / Nالنسبة ⁦100 × (S + D + I) / N⁩ وقد تتجاوز 100٪: تتطلب a مقابل aaa إدراجين لوحدة مرجعية واحدة.
units / profilecode points · White_Space 17.0.0 · raw / NFCيعد نمط المحارف نقاط الترميز لا العناقيد الكتابية أو UTF-16. يفصل نمط الكلمات عند محارف White_Space الخمسة والعشرين من Unicode 17.0.0 دون تحليل لغوي. تبقى حالة الأحرف والترقيم وNFC اختياري.
tie-breakH → S → D → Iقد توجد محاذاة مثلى متعددة. تُفضل H ثم S ثم D ثم I أثناء الرجوع. في ab مقابل ba يُختار استبدالان وقد تعطي عملية حذف وإدراج التكلفة نفسها.
N = 0undefined rateعند ⁦N = 0⁩ تُعرض العمليات وتبقى النسبة غير معرّفة حتى للنصين الفارغين. يعتمد JiWER 4 اصطلاحات أخرى؛ لا تقارن نتائج مختلفة القواعد.

مقارنة نصين حسب الوحدات

مثال تعليمي أصلي لا يقيس محرك OCR حقيقياً.

حتى 200 نقطة ترميز لكل نص قبل NFC وبعده. تبقى حالة الأحرف والترقيم ونهايات الأسطر LF.

تعمل الأدوات في المتصفح دون إرسال النصوص المدخلة.

حُسبت المقارنة · WER · raw · N = 3 · E = 1

وحدات المرجع N
3
وحدات المرشح M
4
المسافة ⁦E = S + D + I⁩
1
نسبة الخطأ (٪)
33.333333

استبدالات S : 0حذف D : 0إدراجات I : 1وحدات متطابقة H : 3

المحاذاة المختارة بأقل تكلفة ثم أولوية H وS وD وI عند الرجوع. قد توزع محاذاة مثلى أخرى الأخطاء بشكل مختلف.

أعداد عمليات المحاذاةأعداد S وD وI وH؛ المحور من 0 إلى ⁦max(1,N,M)⁩. هذه أعداد وحدات وليست نسباً.040S0D1I3H
أعداد S وD وI وH؛ المحور من 0 إلى ⁦max(1,N,M)⁩. هذه أعداد وحدات وليست نسباً.
عرض المحاذاة والعمليات

تعني ∅ غياب وحدة. تُعرض الوحدات بصيغة JSON لتمييز المسافات والأسطر.

عرض المحاذاة والعمليات
الخطوةوحدة المرجعوحدة المرشحالعملية
1"le""le"وحدات متطابقة H
2"chat""chat"وحدات متطابقة H
3∅"noir"إدراجات I
4"dort""dort"وحدات متطابقة H

النصان المقارنان فعلياً بصيغة JSON

{"reference":"le chat dort","candidate":"le chat noir dort"}

الصيغة والقواعد

N = H + S + D; M = H + S + I
E = S + D + I
N > 0 → rate = 100 × E/N
N = 0 → undefined
أمثلة أصلية: الوحدات والقواعد والحالات الحدية

تستخدم الأمثلة JSON مع تهريب Unicode ولا يحدد التهريب وحدة العد.

أمثلة أصلية: الوحدات والقواعد والحالات الحدية
النص المرجعي المتحقق منهالنص المرشحالصيغة والقواعدNEنسبة الخطأ (٪)
"le chat dort""le chat noir dort"WER · raw3133.333333
"le chat dort""le chat noir dort"CER · raw12541.666667
"a""aaa"CER · raw12200
"cat"""CER · raw33100
"""x"CER · raw01غير معرّفة
""""CER · raw00غير معرّفة
"ab""ba"CER · raw22100
"\u00e9""e\u0301"CER · raw12200
"\u00e9""e\u0301"CER · NFC100
"Le chat.""le chat"WER · raw22100
"les chats""les chats"WER · raw200
"les chats""les chats"CER · raw10110
"un\u00a0chat""un chat"WER · raw200
"\u6587\u672c""\u6587\u4f53"WER · raw11100
"\u6587\u672c""\u6587\u4f53"CER · raw2150
"\u0634\u064e""\u0634"CER · raw2150
"\ud83e\udded""\ud83e\udded\ud83e\udded"CER · raw11100
"un\u200bchat""un chat"WER · raw12200

White_Space ثابت وفق Unicode 17.0.0 ويستخدم NFC محرك المتصفح. لا تُحذف التشكيلات أو حالة الأحرف أو علامات الترقيم.

بيانات Unicode والترخيص
White_Space data from PropList-17.0.0.txt. Copyright © 2025 Unicode, Inc.

UNICODE LICENSE V3

COPYRIGHT AND PERMISSION NOTICE

Copyright © 1991-2026 Unicode, Inc.

NOTICE TO USER: Carefully read the following legal agreement. BY
DOWNLOADING, INSTALLING, COPYING OR OTHERWISE USING DATA FILES, AND/OR
SOFTWARE, YOU UNEQUIVOCALLY ACCEPT, AND AGREE TO BE BOUND BY, ALL OF THE
TERMS AND CONDITIONS OF THIS AGREEMENT. IF YOU DO NOT AGREE, DO NOT
DOWNLOAD, INSTALL, COPY, DISTRIBUTE OR USE THE DATA FILES OR SOFTWARE.

Permission is hereby granted, free of charge, to any person obtaining a
copy of data files and any associated documentation (the "Data Files") or
software and any associated documentation (the "Software") to deal in the
Data Files or Software without restriction, including without limitation
the rights to use, copy, modify, merge, publish, distribute, and/or sell
copies of the Data Files or Software, and to permit persons to whom the
Data Files or Software are furnished to do so, provided that either (a)
this copyright and permission notice appear with all copies of the Data
Files or Software, or (b) this copyright and permission notice appear in
associated Documentation.

THE DATA FILES AND SOFTWARE ARE PROVIDED "AS IS", WITHOUT WARRANTY OF ANY
KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT OF
THIRD PARTY RIGHTS.

IN NO EVENT SHALL THE COPYRIGHT HOLDER OR HOLDERS INCLUDED IN THIS NOTICE
BE LIABLE FOR ANY CLAIM, OR ANY SPECIAL INDIRECT OR CONSEQUENTIAL DAMAGES,
OR ANY DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS,
WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION,
ARISING OUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THE DATA
FILES OR SOFTWARE.

Except as contained in this notice, the name of a copyright holder shall
not be used in advertising or otherwise to promote the sale, use or other
dealings in these Data Files or Software without prior written
authorization of the copyright holder.

ما يُحفظ في الملف

أمثلة تعليمية أصلية لا تقيس برنامجاً. لا تضمن النسبة المنخفضة ترتيب القراءة أو صحة اسم أو مبلغ. افحص المرجع نفسه مع الوثيقة. يحول المتصفح نهايات الأسطر إلى LF.

ما الفرق بين ثقة المحرك ونسبة الخطأ؟

الثقة تقدير المحرك لنفسه. تقارن CER أو WER الناتج بمرجع وبقواعد مختارة. احتفظ بالمقياسين وطرقهما؛ لا يغني أي منهما عن فحص المقطع المهم.

الوثائق الأصلية

تاريخ الاطلاع على الوثائق .

قراءة موسعة / تطبيق عملي

التحقق من المقاطع التي يستند إليها الاستنتاج

وقد تم تحويل وثيقة رقمية إلى نص. يجب أن يركز التحكم على الأسماء والتواريخ والأرقام والاحتياطات التي تؤثر على القراءة، ثم مقارنة مع المستند البصري.

آخر تحديث في .

الفحوص ذات الأولوية

تحقق من الفقرات المذكورة واللوحات والصفحات المكسورة. إدراج الخلطات في الحروف والخطوط المدمجة والملاحظات التي تم تغيير ترتيبها.

أخطاء التفسير

يمكن أن يحتوي النص السائل على خطأ رقمي كبير. يمكن أن يفتقر البحث الكامل إلى اسم أو كلمة غير معروفة.

وثيقة العمل التي ينبغي حفظها

مجلة OCR يجمع بين النسخة، والنص المعترف به، والقراءة التي تم التحقق منها، والتصحيح. يتم ربط المستخلصات المستخدمة في الاستنتاج بموقعها في الوثيقة الأصلية.