بررسی روش های بازشناسی متون فارسی
- سال انتشار: 1394
- محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
- کد COI اختصاصی: ICEEE07_393
- زبان مقاله: فارسی
- تعداد مشاهده: 893
نویسندگان
گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور تهران تهران، ایران
گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور شهرری تهران، ایران
چکیده
با توجه به اهمیت تبدیل اسناد و تصاویر متنی به شکل متن قابل ویرایش، تا کنون روش های مختلفی برای بازشناسی آنها ارائه گردیده است. روش هایی که برای بازشناسی متون فارسی ارائه شده اند با توجه به ویژگی های خاص این زبان بوده است و در این مقاله به بررسی این روش ها پرداخته خواهد شد. تحقیقات مورد بررسی در سه زمینه: بازشناسی برون خط متون چاپی و دست نویس فارسی، بازشناسی برخط حروف فارسی و بازشناسی ارقام فارسی خواهند بود. با تجزیه و تحلیل روش های بازشناسی برون خط دقت بازشناسی و کاربرد هر یک از آنها بررسی می گردد. در بین روش های بررسی شده حداکثر نرخ بازشناسی 99 % برای متن چاپی و 96.2 % برای متون دست نویس گزارش می شود. همچنین تحقیق های ارائه شده در زمینه بازشناسی برخط مورد بررسی و مقایسه قرار خواهند گرفت و مشاهده خواهد شد بالاترین دقت بازشناسی 98 % برای حروف مجزای فارسی در این روش ها به دست آمده است. در زمینه بازشناسی ارقام فارسی نتایج حاصل از بررسی نشان می دهد نرخ 99.40 % برای 20000 مجموعه تست بهترین نتیجه گزارش به دست آمده می باشد.کلیدواژه ها
بازشناسی، متون فارسی، ارقام فارسی، قطعه بندیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.