Пропало отрицание
Распознанный текст разрешает то, что оригинал исключает. Сравнить всю фразу, примечание и контекст. Записать исправление и цитировать исходный фрагмент: общая близость слов не гарантирует сохранения смысла.
Подробные практические руководства
Проверить OCR перед цитированием документа
Перейти от скана к проверенной информации: проверить символы, таблицы, порядок чтения и языки до поиска, расчётов и цитирования распознанного текста.
Обновление :
Книжный сканер в помещении Internet Archive в Сан-Франциско. Фотография для документального контекста; она не изображает проект или оборудование Alexis Roux ZG. © Dvortygirl · Источник · CC BY-SA 4.0. Размер изменен, формат WebP; при отображении применяется кадрирование.
Сохраняет ли извлечённый текст смысл документа?
Выделяемый текст может скрывать потерянное отрицание, заменённую цифру, смешанные колонки или разорванное имя. OCR облегчает поиск, но исходная страница остаётся основой проверки. Нужно различать извлечение для нахождения фрагмента и достаточно надёжное извлечение для цитаты или расчёта. Универсальный процент точности не заменяет оценку конкретного использования.
Сохранить источник
Записать документ, происхождение, дату получения и нумерацию страниц. Хранить изображение и текст отдельно с обозначением версий. Новое распознавание не должно перезаписывать уже использованное доказательство. Проверить условия доступа и повторного использования.
Выбрать фрагменты
Включить простую страницу, таблицу, примечание, узкую колонку и реально присутствующие письменности. Добавить все значимые суммы, даты, единицы, имена и отрицания. Только лёгкие страницы плохо представляют неоднородный корпус; указать охват.
Сравнить решающие символы
Читать изображение и текст рядом. Проверить ноль и O, единицу и I, десятичные разделители, минусы и ссылки. Рассматривать числа с единицами и периодами. Отмечать исправления в транскрипции, не меняя исходник незаметно.
Восстановить структуру
Проследить заголовки, абзацы, колонки, примечания и ячейки. Строка таблицы не просто набор слов: связать значения с заголовками. Проверить продолжения таблиц на других страницах. Для каждого используемого значения сохранить страницу или область источника.
Проверить поиск и языки
Искать имя, ссылку и выражение в каждой письменности. Проверить диакритику, арабские символы, пунктуацию и смешанные строки. Распознавание знаков отличается от перевода смысла. Не исправлять собственные имена автоматически общим словарём.
Определить использование
Разделить фрагменты на проверенные, исправленные с записью и ненадёжные. Частичный OCR может помогать поиску, оставаясь непригодным для расчёта. Перечитать цитируемый фрагмент по источнику и дать устойчивый указатель. При смене движка повторить сложные страницы, а не только сравнить общий объём.
Ситуации и решения
Типовые ситуации для подготовки проверки. Они не описывают выполненные проекты или реальные наблюдения.
Колонки объединились
Заголовки находятся, но абзацы чередуются между колонками. Восстановить порядок по изображению до пересказа. Поиск полной фразы покажет, принадлежат ли слова одному фрагменту.
Итог не сходится
Значение потеряло знак или попало в другую колонку. Проверить все используемые ячейки, заголовки и единицы. Считать только по проверенным значениям, отмечая нечитаемые ячейки вместо догадок.
Что сохранить
- Источник, версия, изображение страницы и дата получения.
- Проверенные фрагменты, письменности, структура и критерии выбора.
- Ошибки, явные исправления и расположение используемых значений.
- Разрешённые задачи: поиск, цитирование или расчёт, ограничения и повторная проверка.
Официальные источники
Связанные протоколы
Проверки перед выводом
- Сверены ли ключевые отрицания, знаки, десятичные разделители и имена непосредственно с видимой страницей?
- Сохраняют ли ячейки правильный заголовок и порядок после переноса в рабочий инструмент?
- Ссылается ли цитата на исходную страницу и отмечает исправления, а не только на извлечённый текст?
Частые вопросы
Достаточно высокой уверенности движка?
Она помогает выбрать приоритеты, но не заменяет сравнение решающих фрагментов. Одна ошибка способна перевернуть смысл.
Нужно переписать весь документ?
Объём зависит от задачи. Для цитаты проверить фрагмент и контекст, для расчёта — все используемые ячейки.
Можно улучшить скан после OCR?
Сравнить новое извлечение на тех же фрагментах. Сохранить исходное изображение и записать преобразования, отделив источник от подготовленных файлов.
OCR переводит документ?
Нет. Распознавание и перевод — разные этапы с разными ошибками. Сохранить фрагмент на языке источника.