[Date Prev][Date Next][Thread Prev][Thread Next][Date Index][Thread Index]

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

References:
[de-users] Druckerproblemehans Schneidhofer <mei-mail@posteo.de>
[de-users] Suche Makroprogrammierer bez Leerzeichen in Wörtern entfernenMartin Jenniges <martinjenniges@skynet.be>
Re: [de-users] Suche Makroprogrammierer bez Leerzeichen in Wörtern entfernenWolfgang Jäth <jawo.ml.hamster@arcor.de>
Re: [de-users] Suche Makroprogrammierer bez Leerzeichen in Wörtern entfernenMartin Jenniges <martinjenniges@skynet.be>
Re: [de-users] Suche Makroprogrammierer bez Leerzeichen in Wörtern entfernen"Hessler, Klaus-Michael" <mailinglisten@kmHessler.de>
Privacy Policy | Impressum (Legal Info) | Copyright information: Unless otherwise specified, all text and images on this website are licensed under the Creative Commons Attribution-Share Alike 3.0 License. This does not include the source code of LibreOffice, which is licensed under the Mozilla Public License (MPLv2). "LibreOffice" and "The Document Foundation" are registered trademarks of their corresponding registered owners or are in actual use as trademarks in one or more countries. Their respective logos and icons are also subject to international copyright laws. Use thereof is explained in our trademark policy.