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.
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 :
ماسح كتب في مقر Internet Archive بسان فرانسيسكو. صورة لسياق توثيقي؛ لا تمثل مهمة أو معدات خاصة بـ Alexis Roux ZG. © Dvortygirl · المصدر · CC BY-SA 4.0. تغيير الحجم والتحويل إلى WebP؛ العرض مقصوص.
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.
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.
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.
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.
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.
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.
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.
حالات وقرارات
حالات نموذجية لإعداد التحقق، وليست وصفًا لمهام منفذة أو ملاحظات فعلية.
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.
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.