发信人: maha <maha@tpts1.seed.net.tw>, 信区: BudaTech
标  题: 丹青OCR若干问题
发信站: 国立中山大学网路组 Mailing List (Tue Aug 19 02:25:03 1997)
转信站: Lion!ccnews.nsysu!news.nsysu!buda-tech@sccid.nsysu
来  源: sccid.nsysu.edu.tw

丹青OCR 进行自动辨识後的『自动词库校正』，我也一直搞不清楚它的实际作用，
猜想大概跟Lexchk资料夹里面的7个dat档有关系。看那档案日期都是92、93年，可
能是一些封闭式的资料，不允许使用自行键入。

另外，这『自动词库校正』不知道它跟线上校对时『前相关』、『後相关』是否也
有关系？这『前相关』、『後相关』也很诡异，我一直看不出什麽字词的相关性。

还有，各个字集的『学习字库』无法转移，我无法将 T4342所制作的『学习字库』
拿到T13202用。

还有，我所建立的学习字——『□』（内码D4D9），怎麽到功能表[其它]/[删除学
习字] 一看，却变成『□』（内码D778）。这也是为什麽当下次使用学习字库辨识
时，『□』的图形都被辨识成『□』字。

丹青OCR 的繁体字集有T4342、T6142、T13202三种，到底使用哪一种最好？刚使用
时都会以为字越多越好，但事实不然。所采用的字集越多，不但辨识速度减慢，且
系统会去抓一些不常见的怪字来凑数，使得辨识效果不佳。底下这个实验可以初步
证明这点：

以佛教大藏经《梵网经》第13页做□本（去圈点後共 806个中文字），分别以上面
三种字集进行辨识（不使用学习字库），T4342 得出 a.txt，T6142 得出 b.txt，
T13202得出 c.txt，这三个.txt档都未经线上校对。然後取其中的一个档详加校对
得出 d.txt。再利用fgfc（佛经档案比对程式）分别比对 a-d、b-d、c-d，得出其
差异处分别为37、29、61（详见以下【附件】）。从这里可以知道，在不采用学习
字库的情况下，利用T6142所产生的b.txt才是最好的。

                                                            maha 8/19/97

【附件】

T4342                 T6142               T13202
差异=37               差异=29             差异=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: 抛
******* d.txt         ******* d.txt       ******* d.txt
     1: 迦                 1: 迦               1: 迦
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     1: 抛                 1: 抛               1: 洳 各坐□
******* d.txt         ******* d.txt       ******* d.txt
     1: 迦                 1: 迦               1: 迦 各坐菩
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     2: 干百亿 卢含        2: 干百亿 卢含      2: 干百亿 卢含
******* d.txt         ******* d.txt       ******* d.txt
     2: 千百亿 卢舍        2: 千百亿 卢舍      2: 千百亿 卢舍
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     2: 抛 各按            2: 迪 各按          2: 抛 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: 谪                 3: 疡               2: □
******* d.txt         ******* d.txt       ******* d.txt
     2: 诵                 3: 场               2: 诵
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     3: 疡                 4: 嚷略             3: □
******* d.txt         ******* d.txt       ******* d.txt
     3: 场                 4: 璎珞             3: 是
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     4: 谪                 4: 懂               3: □至本□伤
******* d.txt         ******* d.txt       ******* d.txt
     4: 诵                 4: 萨               3: 还至本道场
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     5: 诮                 5: 藤               4: 嘤
******* d.txt         ******* d.txt       ******* d.txt
     5: 诵                 5: 藏               4: 璎
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     5: 捏                 6: 卯               4: □磋
******* d.txt         ******* d.txt       ******* d.txt
     5: 提                 6: 即               4: 菩萨
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     6: 常                 7: 人               4: 含那□
******* d.txt         ******* d.txt       ******* d.txt
     6: 尚                 7: 大               4: 舍那诵
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     6: 小                 8: 抛               4: □ 汝新学□
******* d.txt         ******* d.txt       ******* d.txt
     6: 心                 8: 迦               4: 诵 汝新学菩
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     6: 卯                 8: 又               5: □
******* d.txt         ******* d.txt       ******* d.txt
     6: 即                 8: 叉               5: 诵
*******               *******             *******

******* 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: 诮                11: 磋               5: 小
******* d.txt         ******* d.txt       ******* d.txt
     7: 诵                11: 萨               5: 心
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
     8: 述                11: 谙               6: 常
******* d.txt         ******* d.txt       ******* d.txt
     8: 迦                11: 诸               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: 谓                13: 此               7: 人
******* d.txt         ******* d.txt       ******* d.txt
     9: 诵                13: 比               7: 大
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    11: 尸                13: 侄男侄           7: 小听我□
******* d.txt         ******* d.txt       ******* d.txt
    11: 口                13: □男□           7: 心听我诵
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    11: 谙                13: 背               8: □
******* d.txt         ******* d.txt       ******* d.txt
    11: 诸                13: 皆               8: 菩
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    12: 主                16: 况               8: □
******* d.txt         ******* d.txt       ******* d.txt
    12: 王                16: 咒               8: 菩
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    12: 此丘              18: 况               8: 又孝□
******* d.txt         ******* d.txt       ******* d.txt
    12: 比丘              18: 咒               8: 叉孝顺
*******               *******             *******

******* 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: 庶民黄门侄男侄    19: 侄教人侄         9: 日
******* d.txt         ******* d.txt       ******* d.txt
    13: 席民黄门□男□    19: □教人□         9: 口
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    14: 谪                19: 侄侄因侄缘侄     9: □
******* d.txt         ******* d.txt       ******* d.txt
    14: 诵                19: □□因□缘□     9: 菩
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    14: 谪一切苦          20: 娃茉             9: 小听佛□
******* d.txt         ******* d.txt       ******* d.txt
    14: 诵一切菩          20: □业             9: 心听佛诵
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    16: 睨                20: 侄而菩荫        10: 牛
******* d.txt         ******* d.txt       ******* d.txt
    16: 咒                20: □而菩萨        10: 半
*******               *******             *******

******* a.txt         ******* b.txt       ******* c.txt
    17: 侑                20: 侄不            10: 小□
******* d.txt         ******* d.txt       ******* d.txt
    17: 常                20: □不            10: 心菩
*******               *******             *******

******* a.txt         ====== 档案比对结束 ******* c.txt
    18: 岘                                    10: □诸□
******* d.txt                             ******* d.txt
    18: 咒                                    10: 地诸菩
*******                                   *******

******* a.txt                             ******* c.txt
    18: 小                                    11: □
******* d.txt                             ******* d.txt
    18: 心                                    11: 诵
*******                                   *******

******* a.txt                             ******* c.txt
    19: 睫                                    11: 小
******* d.txt                             ******* d.txt
    19: 更                                    11: 心
*******                                   *******

******* a.txt                             ******* c.txt
    19: 侄教人侄                              11: □硅
******* d.txt                             ******* d.txt
    19: □教人□                              11: 菩萨
*******                                   *******

******* a.txt                             ******* c.txt
    19: 侄侄因侄缘侄                          12: □
******* d.txt                             ******* d.txt
    19: □□因□缘□                          12: 诵
*******                                   *******

******* a.txt                             ******* c.txt
    20: 侄柴                                  12: 注
******* d.txt                             ******* d.txt
    20: □业                                  12: 王
*******                                   *******

******* a.txt                             ******* c.txt
    20: 侄                                    12: 此丘
******* d.txt                             ******* d.txt
    20: □                                    12: 比丘
*******                                   *******

******* a.txt                             ******* c.txt
    20: 侄不                                  13: 此
******* d.txt                             ******* d.txt
    20: □不                                  13: 比
*******                                   *******

====== 档案比对结束 ==                    ******* c.txt
                                              13: 庶民黄门侄男侄
                                          ******* d.txt
                                              13: 席民黄门□男□
                                          *******

                                          ******* c.txt
                                              14: □
                                          ******* d.txt
                                              14: 诵
                                          *******

                                          ******* c.txt
                                              14: □
                                          ******* d.txt
                                              14: 菩
                                          *******

                                          ******* c.txt
                                              14: □
                                          ******* d.txt
                                              14: 诵
                                          *******

                                          ******* c.txt
                                              15: □
                                          ******* d.txt
                                              15: 菩
                                          *******

                                          ******* c.txt
                                              15: 小
                                          ******* d.txt
                                              15: 心
                                          *******

                                          ******* c.txt
                                              16: 睨
                                          ******* d.txt
                                              16: 咒
                                          *******

                                          ******* c.txt
                                              16: □萨
                                          ******* d.txt
                                              16: 菩萨
                                          *******

                                          ******* c.txt
                                              17: 趄
                                          ******* d.txt
                                              17: 起
                                          *******

                                          ******* c.txt
                                              17: 小孝顺小
                                          ******* d.txt
                                              17: 心孝顺心
                                          *******

                                          ******* c.txt
                                              17: 小
                                          ******* d.txt
                                              17: 心
                                          *******

                                          ******* c.txt
                                              18: □
                                          ******* d.txt
                                              18: 咒
                                          *******

                                          ******* c.txt
                                              18: □
                                          ******* d.txt
                                              18: 贼
                                          *******

                                          ******* c.txt
                                              18: □
                                          ******* d.txt
                                              18: 菩
                                          *******

                                          ******* c.txt
                                              18: 小
                                          ******* d.txt
                                              18: 心
                                          *******

                                          ******* c.txt
                                              19: 哽
                                          ******* d.txt
                                              19: 更
                                          *******

                                          ******* c.txt
                                              19: □
                                          ******* d.txt
                                              19: 菩
                                          *******

                                          ******* c.txt
                                              19: 侄
                                          ******* d.txt
                                              19: □
                                          *******

                                          ******* c.txt
                                              19: 侄姓因侄缘□
                                          ******* d.txt
                                              19: □□因□缘□
                                          *******

                                          ******* c.txt
                                              20: 如裴乃至□
                                          ******* d.txt
                                              20: □业乃至畜
                                          *******

                                          ******* c.txt
                                              20: 懂
                                          ******* d.txt
                                              20: 萨
                                          *******

                                          ******* c.txt
                                              20: 小
                                          ******* d.txt
                                              20: 心
                                          *******

                                          ******* c.txt
                                              20: 良
                                          ******* d.txt
                                              20: 更
                                          *******

                                          ******* c.txt
                                              20: 侄不
                                          ******* d.txt
                                              20: □不
                                          *******

                                          ====== 档案比对结束 ======