hrvatski

Ispravljanje pogrešaka u tekstovima nastalim postupkom optičkog raspoznavanja znakova

U tekstovima nastalim postupkom optičkog raspoznavanja znakova (engl. OCR) često su prisutne pogreške uzrokovane netočnim raspoznavanjem pojedinačnih znakova ili slijeda znakova. Pogreške su specifične te ih u pravilu nije moguće riješiti uobičajenim alatima za provjeru pravopisa, a onemogućavaju daljnju kvalitetnu strojnu obradu tekstova. U okviru rada napravljena je analiza i tipologija pogrešaka te su opisani postupci automatskog ispravljanja pogrešaka u takvim tekstovima. Na temelju opisanih postupaka razvijena je programska implementacija koja uključuje skup unaprijed definiranih supstitucijskih pravila, popis oblika riječi te vjerojatnosni jezični model.

optičko raspoznavanje znakova; OCR; ispravljanje pogrešaka; OCR postprocesiranje; znakovni n grami; supstitucijska pravila; jezični model

nije evidentirano