Re: [de-users] Suche Makroprogrammierer bez Leerzeichen in Wörtern entfernen

Hallo Michael,

ein sinnvoller Algorithmus eines jeden Programmes (und somit auch eines 
Makros) muss eine möglichst niedrige Fehlerquote aufweisen - in der 
Regel weit unter 1 %! Nur dann macht er Sinn und der Programmieraufwand 
würde sich lohnen.

Das Problem ist bei OCR Software so alt wie die Mustererkennung selbst - 
und ein OCR Programm, dass nur 95% korrekt liest ist an sich schon 
"Schrott". Der Nacharbeitungsaufwand ist einfach zu hoch.

Dein Flussdiagramm geht vom vorhandenen Textteilen aus und findet eine 
(möglichst) optimale Lösung... das reicht aber nicht!

Nimm den folgenden Satz und lass Deinen Flow drüberlaufen:

" Nach dem H und dem I folgt ein J."

Daraus würde mit Deiner Logik werden:

"nach dem Hund und dem I folgt ein J."  - Diesen nun eingebauten Fehler 
später manuell zu finden ist quasi unmöglich. Das Programm wäre also 
nutzlos. Je mehr Du aber den Algorithmus verfeinerst und 
verkomplizierst, um so mehr Ausnahmen werden Dir auffallen. Der Aufwand 
wäre viel höher, als die manuelle Korrektur. Falls Dir die perfekte 
Lösung einfällt, kannst Du Dich bei allen OCR-Herstellern bewerben - die 
nehmen Dich dann mit Kusshand:)

Der richtige Ansatz war in der Diskussion schon angesprochen worden: Die 
OCR Software. Die muss entweder besser trainiert werden oder sie ist 
ungeeignet. Das nachträglich zu korrigieren per Software ist m.A. Unsinn.

Findet sich dort keine Lösung, bleibt eigentlich nur die manuelle 
Korrektur wie schon öfter beschrieben.

VG

Thomas


Am 04.07.2019 um 20:50 schrieb Hessler, Klaus-Michael:
> Hallo Martin,
> > ich kopiere mal einen Absatz
> >
> > "Die Versammlung setzte u. a. den K reisetat fest, nahm den B ericht 
> > ü b e r den
> > G runderw erb der Eisenbahn sowie die B ekäm pfung des V iehw uchers 
> > entgegen
> > und beschäftigte sich (vertagend) m it der F rage der Beschaffung d 
> > er durch die
> > neue K reisordnung nötigen D iensträum e."
> Ich schmeiße mal die Idee eines Parser-Makros mit Wörterbuch-Abgleich 
> in den Raum:
>
>  * Du hast eine TXT-Datei (ohne Formatierungszeichen etc.) des Buches.
>  * Du hast ein Wörterbuch als durchsuchbare Datei.
>  * Das Parser <https://de.wikipedia.org/wiki/Parser>-Makro liest aus
>    der TXT-Datei ein einzelnes Zeichen und schreibt die Ausgabe wie
>    folgt in eine Ergebnis.txt:
>      o Ist es ein Satzzeichen: --> ausgeben wie gelesen, ggf. noch
>        nachfolgendes Leerzeichen anhängen.
>      o Ist es eine Ziffer: --> ausgeben wie gelesen, das kann
>        wahrscheinlich nicht automatisch korrigiert werden.
>      o Ist es ein Buchstabe: --> in Variable speichern, nicht ausgeben.
>          + Weitere Zeichen einlesen und  - wenn es kein Leerzeichen ist
>            -  an die Variable anhängen. Ist es ein Leerzeichen, den
>            Text der Variable im Wörterbuch suchen.
>              # Wenn vorhanden: --> ausgeben in Ergebnis.txt [aus K
>                reisetat wird Kreisetat].
>              # Wenn nicht im Wörterbuch, Leerzeichen ignorieren,
>                nächstes Zeichen lesen.
>                  * Ist es ein Buchstabe, diesen an die Variable
>                    anhängen. [aus ü b e r wird über] aus [G runderw erb
>                    wird Grunderwerb.
>                  * Ist es eine Ziffer oder ein Satzzeichen, das Wort
>                    aus Variable trotz negativem Wörterbuch-Ergebnis
>                    schreiben.
>                  * Weiter beim übergeordneten _Wenn_. Die Anzahl wird
>                    man begrenzen müssen, falls mehrere Begriffe mit
>                    Blocksatz-Leerzeichen nacheinander nicht im
>                    Wörterbuch sein sollten.
>
> Ich hoffe, die Idee ist damit nachvollziehbar. Der letzte Link ganz 
> unten auf der Wikipedia-Seite 
> <http://www.cis.uni-muenchen.de/~leiss/parsing-06-07/parsingfolien.ps> 
> beschreibt das noch "wissenschaftlich".
>
> Die Programmierung ist durch die notwendigen Fallunterscheidungen mit 
> einigem Aufwand verbunden; ob sich das lohnt, ist sicher vom Umfang 
> des Buches abhängig. Andererseits könnte es so etwas auch schon geben, 
> da ich auch schon solche Typoskripte mit "manuellem Blocksatz" gesehen 
> habe (Nachfrage in München?).
>
> Gruß Michael

--
Liste abmelden mit E-Mail an: users+unsubscribe@de.libreoffice.org
Probleme? https://de.libreoffice.org/hilfe-kontakt/mailing-listen/abmeldung-liste/
Tipps zu Listenmails: https://wiki.documentfoundation.org/Netiquette/de
Listenarchiv: https://listarchives.libreoffice.org/de/users/
Datenschutzerklärung: https://www.documentfoundation.org/privacy