| 看板: BudaTech ◎ 佛典電子化討論 板主: HeavenChow |
| 閱讀文章： 第 943/2032 篇 | 上篇 | 下篇 | 回覆 | 轉寄 | 轉貼 | m H d | 返回 |
發信人: maha <maha@tpts1.seed.net.tw>, 信區: BudaTech
標 題: 丹青OCR若干問題
發信站: 國立中山大學網路組 Mailing List (Tue Aug 19 02:25:03 1997)
轉信站: Lion!ccnews.nsysu!news.nsysu!buda-tech@sccid.nsysu
來 源: sccid.nsysu.edu.tw
丹青OCR 進行自動辨識後的『自動詞庫校正』，我也一直搞不清楚它的實際作用，
猜想大概跟Lexchk資料夾裡面的7個dat檔有關係。看那檔案日期都是92、93年，可
能是一些封閉式的資料，不允許使用自行鍵入。
另外，這『自動詞庫校正』不知道它跟線上校對時『前相關』、『後相關』是否也
有關係？這『前相關』、『後相關』也很詭異，我一直看不出什麼字詞的相關性。
還有，各個字集的『學習字庫』無法轉移，我無法將 T4342所製作的『學習字庫』
拿到T13202用。
還有，我所建立的學習字──『婬』（內碼D4D9），怎麼到功能表[其它]/[刪除學
習字] 一看，卻變成『莮』（內碼D778）。這也是為什麼當下次使用學習字庫辨識
時，『婬』的圖形都被辨識成『莮』字。
丹青OCR 的繁體字集有T4342、T6142、T13202三種，到底使用哪一種最好？剛使用
時都會以為字越多越好，但事實不然。所採用的字集越多，不但辨識速度減慢，且
系統會去抓一些不常見的怪字來湊數，使得辨識效果不佳。底下這個實驗可以初步
證明這點：
以佛教大藏經《梵網經》第13頁做範本（去圈點後共 806個中文字），分別以上面
三種字集進行辨識（不使用學習字庫），T4342 得出 a.txt，T6142 得出 b.txt，
T13202得出 c.txt，這三個.txt檔都未經線上校對。然後取其中的一個檔詳加校對
得出 d.txt。再利用fgfc（佛經檔案比對程式）分別比對 a-d、b-d、c-d，得出其
差異處分別為37、29、61（詳見以下【附件】）。從這裡可以知道，在不採用學習
字庫的情況下，利用T6142所產生的b.txt才是最好的。
maha 8/19/97
【附件】
T4342 T6142 T13202
差異=37 差異=29 差異=61
******* a.txt ******* b.txt ******* c.txt
1: 含邢 1: 含邢 1: 含
******* d.txt ******* d.txt ******* d.txt
1: 舍那 1: 舍那 1: 舍
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
1: 述 1: 迎 1: 拋
******* d.txt ******* d.txt ******* d.txt
1: 迦 1: 迦 1: 迦
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
1: 拋 1: 拋 1: 洳 各坐萻
******* d.txt ******* d.txt ******* d.txt
1: 迦 1: 迦 1: 迦 各坐菩
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
2: 干百億 盧含 2: 干百億 盧含 2: 干百億 盧含
******* d.txt ******* d.txt ******* d.txt
2: 千百億 盧舍 2: 千百億 盧舍 2: 千百億 盧舍
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
2: 拋 各按 2: 迪 各按 2: 拋 各接徵
******* d.txt ******* d.txt ******* d.txt
2: 迦 各接 2: 迦 各接 2: 迦 各接微
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
2: 謫 3: 瘍 2: 誧
******* d.txt ******* d.txt ******* d.txt
2: 誦 3: 場 2: 誦
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
3: 瘍 4: 嚷略 3: 奿
******* d.txt ******* d.txt ******* d.txt
3: 場 4: 瓔珞 3: 是
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
4: 謫 4: 懂 3: 韹至本淔傷
******* d.txt ******* d.txt ******* d.txt
4: 誦 4: 薩 3: 還至本道場
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
5: 誚 5: 藤 4: 嚶
******* d.txt ******* d.txt ******* d.txt
5: 誦 5: 藏 4: 瓔
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
5: 捏 6: 卯 4: 萻磋
******* d.txt ******* d.txt ******* d.txt
5: 提 6: 即 4: 菩薩
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
6: 常 7: 人 4: 含那誧
******* d.txt ******* d.txt ******* d.txt
6: 尚 7: 大 4: 舍那誦
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
6: 小 8: 拋 4: 誧 汝新學萻
******* d.txt ******* d.txt ******* d.txt
6: 心 8: 迦 4: 誦 汝新學菩
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
6: 卯 8: 又 5: 誧
******* d.txt ******* d.txt ******* d.txt
6: 即 8: 叉 5: 誦
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
7: 人 8: 考宅 5: 菽
******* d.txt ******* d.txt ******* d.txt
7: 大 8: 孝名 5: 藏
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
7: 誚 11: 磋 5: 小
******* d.txt ******* d.txt ******* d.txt
7: 誦 11: 薩 5: 心
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
8: 述 11: 諳 6: 常
******* d.txt ******* d.txt ******* d.txt
8: 迦 11: 諸 6: 尚
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
8: 又 12: 左 6: 小
******* d.txt ******* d.txt ******* d.txt
8: 叉 12: 王 6: 心
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
8: 考 12: 此丘 6: 卯
******* d.txt ******* d.txt ******* d.txt
8: 孝 12: 比丘 6: 即
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
9: 謂 13: 此 7: 人
******* d.txt ******* d.txt ******* d.txt
9: 誦 13: 比 7: 大
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
11: 尸 13: 姪男姪 7: 小聽我誧
******* d.txt ******* d.txt ******* d.txt
11: 口 13: 婬男婬 7: 心聽我誦
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
11: 諳 13: 背 8: 萻
******* d.txt ******* d.txt ******* d.txt
11: 諸 13: 皆 8: 菩
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
12: 主 16: 況 8: 萻
******* d.txt ******* d.txt ******* d.txt
12: 王 16: 咒 8: 菩
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
12: 此丘 18: 況 8: 又孝暊
******* d.txt ******* d.txt ******* d.txt
12: 比丘 18: 咒 8: 叉孝順
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
13: 此 19: 辰睫 8: 考
******* d.txt ******* d.txt ******* d.txt
13: 比 19: 反更 8: 孝
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
13: 庶民黃門姪男姪 19: 姪教人姪 9: 日
******* d.txt ******* d.txt ******* d.txt
13: 席民黃門婬男婬 19: 婬教人婬 9: 口
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
14: 謫 19: 姪姪因姪緣姪 9: 萻
******* d.txt ******* d.txt ******* d.txt
14: 誦 19: 婬婬因婬緣婬 9: 菩
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
14: 謫一切苦 20: 娃茉 9: 小聽佛誧
******* d.txt ******* d.txt ******* d.txt
14: 誦一切菩 20: 婬業 9: 心聽佛誦
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
16: 睨 20: 姪而菩蔭 10: 牛
******* d.txt ******* d.txt ******* d.txt
16: 咒 20: 婬而菩薩 10: 半
******* ******* *******
******* a.txt ******* b.txt ******* c.txt
17: 侑 20: 姪不 10: 小萻
******* d.txt ******* d.txt ******* d.txt
17: 常 20: 婬不 10: 心菩
******* ******* *******
******* a.txt ====== 檔案比對結束 ******* c.txt
18: 峴 10: 玸諸萻
******* d.txt ******* d.txt
18: 咒 10: 地諸菩
******* *******
******* a.txt ******* c.txt
18: 小 11: 誧
******* d.txt ******* d.txt
18: 心 11: 誦
******* *******
******* a.txt ******* c.txt
19: 睫 11: 小
******* d.txt ******* d.txt
19: 更 11: 心
******* *******
******* a.txt ******* c.txt
19: 姪教人姪 11: 萻硅
******* d.txt ******* d.txt
19: 婬教人婬 11: 菩薩
******* *******
******* a.txt ******* c.txt
19: 姪姪因姪緣姪 12: 誧
******* d.txt ******* d.txt
19: 婬婬因婬緣婬 12: 誦
******* *******
******* a.txt ******* c.txt
20: 姪柴 12: 注
******* d.txt ******* d.txt
20: 婬業 12: 王
******* *******
******* a.txt ******* c.txt
20: 姪 12: 此丘
******* d.txt ******* d.txt
20: 婬 12: 比丘
******* *******
******* a.txt ******* c.txt
20: 姪不 13: 此
******* d.txt ******* d.txt
20: 婬不 13: 比
******* *******
====== 檔案比對結束 == ******* c.txt
13: 庶民黃門姪男姪
******* d.txt
13: 席民黃門婬男婬
*******
******* c.txt
14: 誧
******* d.txt
14: 誦
*******
******* c.txt
14: 萻
******* d.txt
14: 菩
*******
******* c.txt
14: 誧
******* d.txt
14: 誦
*******
******* c.txt
15: 萻
******* d.txt
15: 菩
*******
******* c.txt
15: 小
******* d.txt
15: 心
*******
******* c.txt
16: 睨
******* d.txt
16: 咒
*******
******* c.txt
16: 萻薩
******* d.txt
16: 菩薩
*******
******* c.txt
17: 趄
******* d.txt
17: 起
*******
******* c.txt
17: 小孝順小
******* d.txt
17: 心孝順心
*******
******* c.txt
17: 小
******* d.txt
17: 心
*******
******* c.txt
18: 晛
******* d.txt
18: 咒
*******
******* c.txt
18: 娀
******* d.txt
18: 賊
*******
******* c.txt
18: 萻
******* d.txt
18: 菩
*******
******* c.txt
18: 小
******* d.txt
18: 心
*******
******* c.txt
19: 哽
******* d.txt
19: 更
*******
******* c.txt
19: 萻
******* d.txt
19: 菩
*******
******* c.txt
19: 姪
******* d.txt
19: 婬
*******
******* c.txt
19: 姪姓因姪緣婬
******* d.txt
19: 婬婬因婬緣婬
*******
******* c.txt
20: 如裴乃至萻
******* d.txt
20: 婬業乃至畜
*******
******* c.txt
20: 懂
******* d.txt
20: 薩
*******
******* c.txt
20: 小
******* d.txt
20: 心
*******
******* c.txt
20: 良
******* d.txt
20: 更
*******
******* c.txt
20: 姪不
******* d.txt
20: 婬不
*******
====== 檔案比對結束 ======
|
| 閱讀文章： 第 943/2032 篇 | 上篇 | 下篇 | 回覆 | 轉寄 | 轉貼 | m H d | 返回 |
卍 台大獅子吼佛學專站 http://buddhaspace.org |