G
Size: a a a
2020 April 17
DI
Kristina
Всем привет, ситуация такая: есть данные в бумажном формате, которые мне нужно внести в свою БД (ms sql), я их отсканировала в pdf и конвертнула в excel и сsv, изначально в бумажной версии были перепутаны данные в столбцах, то есть 2 столбца объединили в один, может кто пользовался скриптами для автоматизации процесса заполнения данными и дальнейшей сверки их с оригиналом?
Эта задача точно не в рамках БД, вам нужно использовать библиотеки от fine reader или на python OpenCV
После того как распознаете текст (будут ошибки, т.к. ни кто не гарантирует их отсутствия) уже можно говорить о сравнении текстов
После того как распознаете текст (будут ошибки, т.к. ни кто не гарантирует их отсутствия) уже можно говорить о сравнении текстов
T
Эта задача точно не в рамках БД, вам нужно использовать библиотеки от fine reader или на python OpenCV
После того как распознаете текст (будут ошибки, т.к. ни кто не гарантирует их отсутствия) уже можно говорить о сравнении текстов
После того как распознаете текст (будут ошибки, т.к. ни кто не гарантирует их отсутствия) уже можно говорить о сравнении текстов
помнится работая в КЧВ сторонняя контора писала нам софт на базе FineReader по распознаванию разных документов. но там был постоянный большой поток документов. и было оправданно заказать такое решение.
DN
мне все равно не понятно, как можно подтвердить корректность распознанного текста, кроме как сверив глазами с бумажным оригиналом/пдф
DN
ведь подтверждение - это то же самое распознавание и сравнение с предыдущим распознанным вариантом
DI
Я бы не так сказал, если можно выделить программера, который за неделю-две решит или хоть как-то упростит работу, то это норм. Даже если одноразово.
Но эт мое имхо
Но эт мое имхо
откуда такие сроки? Почему неделя, а не месяц или два? Вы считает, что это простая задача?
T
мне все равно не понятно, как можно подтвердить корректность распознанного текста, кроме как сверив глазами с бумажным оригиналом/пдф
тут от алгоритма зависит. если смогли распознать данные - ок. если нет - сигнализируем, что не смогли распознать.
T
откуда такие сроки? Почему неделя, а не месяц или два? Вы считает, что это простая задача?
со сроками согласен. тут не угадаешь сколько надо.
DI
ведь подтверждение - это то же самое распознавание и сравнение с предыдущим распознанным вариантом
если есть два варианта, то можно сравнить, другой вопрос, там описано, что есть ошибки - вот это вообще не понятно как исправлять, такая задача уже для нейронных сетей.
G
мне все равно не понятно, как можно подтвердить корректность распознанного текста, кроме как сверив глазами с бумажным оригиналом/пдф
ну если в доке только текст, то не сложно. Берем данные формируем текстовый блок из слов, цифр и тп. Берем такой же из распознавания. Берем фунцию, сравнивающую 2 текста по триграммам или иной алгоритм, которая будет выдавать коэффициет похожести. Так мы получим элементы, которые сильно похожи и сильно не похожи
DN
тут от алгоритма зависит. если смогли распознать данные - ок. если нет - сигнализируем, что не смогли распознать.
так я подозреваю, что алгоритм следующий - распознали, что это число 100,28. Теперь нужно подтвердить, что именно это число было в оригинале
T
так я подозреваю, что алгоритм следующий - распознали, что это число 100,28. Теперь нужно подтвердить, что именно это число было в оригинале
я хз. гадать не буду. "без ТЗ - результат ХЗ".
DI
тут от алгоритма зависит. если смогли распознать данные - ок. если нет - сигнализируем, что не смогли распознать.
проблема гораздо шире, смогли или не смогли распознать, т.к. распознали, но с ошибками, распознали но не весь текст, распознали, но не правильно в текущем контексте и т.д.
T
проблема гораздо шире, смогли или не смогли распознать, т.к. распознали, но с ошибками, распознали но не весь текст, распознали, но не правильно в текущем контексте и т.д.
да это понятно что шире и глубже.
и такое надо детально описывать. что и в какой момент делаем.
и такое надо детально описывать. что и в какой момент делаем.
DN
я хз. гадать не буду. "без ТЗ - результат ХЗ".
согласен)
но я понял именно так - подтвердить, что в оригинале было именно то, что мы внесли в БД (считаем, что во время распознавания ошибок не возникло)
но я понял именно так - подтвердить, что в оригинале было именно то, что мы внесли в БД (считаем, что во время распознавания ошибок не возникло)