کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
The digitization of historical documents is crucial for preserving the cultural heritage of the society. An important step in this process is converting scanned images to text using Optical Character Recognition (OCR), which can enable further search, information extraction, etc. Unfortunately, this is a hard problem as standard OCR tools are not tailored to deal with historical orthography as well as with challenging layouts. Thus, it is standard to apply an additional text correction step on the OCR output when dealing with such documents. In this work, we focus on Bulgarian, and we create the first benchmark dataset for evaluating the OCR text correction for historical Bulgarian documents written in the first standardized Bulgarian orthography: the Drinov orthography from the 19th century. We further develop a method for automatically generating synthetic data in this orthography, as well as in the subsequent Ivanchev orthography, by leveraging vast amounts of contemporary literature Bulgarian texts. We then use state-of-the-art LLMs and encoder-decoder framework which we augment with diagonal attention loss and copy and coverage mechanisms to improve the post-OCR text correction. The proposed method reduces the errors introduced during recognition and improves the quality of the documents by 25\%, which is an increase of 16\% compared to the state-of-the-art on the ICDAR 2019 Bulgarian dataset. We release our data and code at \url{https://github.com/angelbeshirov/post-ocr-text-correction}.}
چکیده به فارسی (ترجمه ماشینی)
دیجیتالی شدن اسناد تاریخی برای حفظ میراث فرهنگی جامعه بسیار مهم است.یک گام مهم در این فرآیند تبدیل تصاویر اسکن شده به متن با استفاده از تشخیص شخصیت نوری (OCR) است که می تواند جستجوی بیشتر ، استخراج اطلاعات و غیره را فراهم کند. متأسفانه ، این یک مشکل سخت است زیرا ابزارهای استاندارد OCR برای مقابله با ارتوگرافی تاریخی مناسب نیستندو همچنین با طرح های چالش برانگیز.بنابراین ، استاندارد است که هنگام برخورد با چنین اسنادی ، یک مرحله تصحیح متن اضافی را بر روی خروجی OCR اعمال کنید.در این کار ، ما روی بلغارستان تمرکز می کنیم و اولین مجموعه داده معیار را برای ارزیابی تصحیح متن OCR برای اسناد تاریخی بلغاری که در اولین ارتوگرافی استاندارد بلغاری نوشته شده است ایجاد می کنیم: ارتوگرافی Drinov از قرن نوزدهم.ما در ادامه روشی را برای تولید خودکار داده های مصنوعی در این ارتوگرافی و همچنین در ارتوگرافی Ivanchev متعاقب آن با استفاده از مقادیر گسترده ای از متون بلغاری ادبیات معاصر ایجاد می کنیم.سپس از چارچوب پیشرفته LLMS و رمزگذار رمزگذار استفاده می کنیم که با از دست دادن توجه مورب و مکانیسم های کپی و پوشش برای بهبود تصحیح متن پس از OCH تقویت می کنیم.روش پیشنهادی خطاهای معرفی شده در هنگام شناخت را کاهش می دهد و کیفیت اسناد را 25 \ ٪ بهبود می بخشد ، که این افزایش 16 \ ٪ در مقایسه با پیشرفته در مجموعه داده های بلغاری ICDAR 2019 است.ما داده ها و کد خود را در \ url {https://github.com/angelbeshirov/post-ocr-text-correction} منتشر می کنیم.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
