350 руб
Журнал «Информационно-измерительные и управляющие системы» №9 за 2013 г.
Статья в номере:
Методы автоматической постобработки результатов распознавания в задачах оцифровки архивных документов
Ключевые слова: оптическое распознавание текстов OCR корректировка ошибок
Авторы:
С.В. Смирнов - аспирант, Санкт-Петербургский институт информатики и автоматизации РАН (СПИИРАН)
Аннотация:
Рассмотрены ключевые задачи разработки и построения систем автоматической корректировки ошибок в результатах работы OCR систем. Приведена классификация ошибок распознавания, показаны существующие методы нахождения и корректировки ошибок.
Страницы: 22-32
Список источников

  1. Karen Kukich«Techniques for Automatically Correcting Words in Text». ACM Comput. Surv., 24(4):377-439, 1992.
  2. Kai Niklas«Unsupervised Post-Correction of OCR Errors». Leibniz Universit at Hannover, 2010.
  3. Jones M. A, Story G. A., Ballard B. W.1991. Integrating multiple knowledge sourcesm a Bayesian OCR post-processor. In Proceedings of IDCAR-91 (St Malo, France), 925-933.
  4. Tesseract-ocr - An OCR Engine that was developed at HP Labs between 1985 and 1995... and now at Google. Google Project Hosting // http://code.google.com/p/tesseract-ocr/.
  5. Volk, Martin; Furrer, Lenz; Sennrich, Rico Strategies for reducing and correcting OCR error. University of Zurich, 2011.
  6. Программа для распознавания текста ABBYYFineReader// http://www.abbyy.ru/finereader/.
  7. Wing-Soon Wilson Lian. «Heuristic-Based OCR Post-Correction for Smart Phone Applications». Honors thesis, 2009
  8. Rusell R. C. Odell M. K.Patent Numbers, 1,261,167 (1918) and 1,435,663 (1922). U.S. Patent Office, 1918.
  9. Lawrence Philips. The Double Metaphone Search Algorithm. C/C++ Users J., 18(6):38-43, 2000.
  10. Joseph J. Pollock and Antonio Zamora. Automatic Spelling Correction in Scientific and Scholarly Text. Commun. ACM, 27(4):358-368, 1984.
  11. Eric Mays, Fred J. Damerau, and Robert L. Mercer. Context Based Spelling Correction. Inf. Process. Manage., 27(5):517-522, 1991.
  12. Google Web 1T Data. http://www.ldc.upenn.edu/Catalog/CatalogEntry.jsp-catalogId=LDC2006T13.
  13. Davide Fossati and Barbara Di Eugenio A Mixed Trigrams Approach for Context Sensitive Spell Checking. In CICLing - 07: Proceedings of the 8th International Conference on Computational Linguistics and Intelligent Text Processing, pages 623 - 633, Berlin, Heidelberg, 2007. Springer-Verlag.
  14. Filip Ginter, Jorma Boberg, Jouni J¨arvinen, and Tapio Salakoski New Techniques for Disambiguation in Natural Language and Their Application to Biological Text. J. Mach. Learn. Res., 5:605-621, 2004.
  15. Wick M., Ross M., and Learned-Miller E. Context-Sensitive Error Correction: Using Topic Models to Improve OCR. In ICDAR - 07: Proceedings of the Ninth International Conference on Document Analysis and Recognition, pages 1168 - 1172, Washington, DC, USA, 2007. IEEE Computer Society.
  16. Christian M.Strohmaier. Methoden der lexikalischen Nachkorrektur OCR-erfasster Dokumente, 2004.
  17. Программа для распознавания текста OmniPage // http://www.nuance.com/for-business/by-product/omnipage/index.htm.
  18. Levenshtein V. I.Binary Codes Capable of Correcting Deletions, Insertions, and Reversals. Soviets Physics Doklady, 10(8): 707 - 710, 1966.
  19. Martin Reynaert Text Induced Spelling Correction. In COLING - 04: Proceedings of the 20th international conference on Computational Linguistics, page 834, Morristown, NJ, USA, 2004. Association forComputational Linguistics.