Forum Romania Inedit
Romania Inedit - Resursa ta de Fun
|
Nou pe simpatie:
simpacurly69 la Simpatie.ro
 | Femeie
24 ani
Bucuresti
cauta Barbat
35 - 70 ani |
|
|
Forum Romania IneditReguliInregistrareLoginPozeNu sunteti logat. Lista Forumurilor Pe Tematici
|
| #101 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
÷÷÷
Am pus la punct o ultimă versiune a dicţionarelor OCR_DIC şi a Dicţionarelor Uzuale pe care le voi urca pe mediafire în cursul zilei de azi.
Înainte de asta cred că ar trebui să discutăm un pic despre două opţiuni.
Este vorba despre opţiunile 5 şi 6: 5.Marcare caractere şi 6.Ştergere caractere.
Părerile despre utilitatea acestor opţiuni au fost împărţite între userii încă de la propunerea lor.
Ambele opţiuni pot fi foarte bune pentru unii dintre utilizatori şi pot fi ignorate de către alţii, fără a considera că unii dintre ei au dreptate şi ceilalţi nu.
Pur şi simplu activarea sau neactivarea acestor depinde de cel care face corectura.
Dacă utilizatorul simte că marcarea şi/sau ştergerea acestor caractere [numite de noi şi răgălii] îi este utilă la corectură, atunci va activa una sau ambele opţiuni.
Dacă pe utilizator îl încurcă la corectură marcarea sau ştergerea acestor caractere, atunci nu va marca opţiunile.
5. MARCARE CARACTERE
IMPORTANT:
Atunci când facem rularea prin AC OCR Plus, dar nu intenţionăm să corectăm noi personal textul, ci va fi oferit spre corectat unei alte persoane, recomandarea mea este să nu fie activată niciuna dintre opţiunile 5 şi 6.
Dacă cel care va corecta textul, va simţi nevoia marcării sau ştergerii răgăliilor, pur şi simplu va mai rula încă o dată textul prin AC OCR Plus cu marcarea acestor opţiuni.
Rularea de două sau mai multe ori a unui text prin AC OCR Plus nu produce efecte secundare nedorite, ci dimpotrivă poate corecta unele aspecte care nu au putut fi rezolvate la prima rulare.
Nu intru în detalii, doar insist să subliniez că o a doua rulare prin AC este benefică.
Şi încă un aspect legat de acest lucru: persoana care a rulat prin AC cu marcarea caracterelor, e posibil ca din lipsă de timp să nu fi rulat dicţionarele cu opţiuni care rulează greoi dar rezolvă foarte multe probleme.
Menţionez că sunt persoane [printre care mă număr şi eu] care rulează suplimentar, faţă de ceea ce oferă OCR_DIC mai multe dicţionare de înlocuire cu confirmare pentru a peria textul cât mai bine. Alte persoane, dimpotrivă, preferă să nu piardă timpul cu confirmări, fapt pentru care nu rulează complet nici dicţionarele cu confirmare din OCR_DIC.
Persoana care va corecta, vede că textul este marcat şi trage concluzia corectă că textul a fost rulat prin AC, dar fără să ştie că nu s-a făcut tot ce se putea în text [adică nu s-au făcut înlocuirile cu confirmare], fapt pentru care nu-l mai rulează şi el, dar rămâne cu o serie de erori pe care le va rezolva la corectura manuală, deşi putea să le rezolve la o reluare a rulării textului prin AC.
De aceea, repet recomandarea, nu rulaţi opţiune 5.Marcare caractere, decât în situaţia în care corectaţi personal textul rulat şi numai dacă sunteţi convinşi de faptul că această marcare a caracterelor de tip răgălie vă ajută în corectură.
În legătură cu opţiunea 6.Ştergere caractere, lucrurile sunt şi mai importante astfel că voi reveni cu o prezentare în amănunt a efectelor produse de rularea sau nerularea acesteia.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #102 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
÷÷ 2 ÷÷
ARTEFACTE - RĂGĂLII
În argoul OCR-iştilor, artefactele mai sunt numite şi "răgălii"
Ce sunt răgăliile?
Ca un aspect general o răgălie poate fi orice caracter, altele decât litere, cifre şi semne de punctuaţie care apar în text, cum ar fi:
– caractere de tip bullet: ■ ♦ • □ ● ▼ ▲ ◄ ► ◊ ◘ ◙
– diverse caractere cu rol tipografic sau alte caractere, precum: @ # / \| ÷ × € $ § < > ~ ˇ ^ ˘ # % & [ ] { }
Răgălii pot fi şi litere din limba română care apar în mod individual, de regulă consoane independente.
Unde şi de ce apar răgăliile?
În principal sunt trei situaţii:
– răgălii care nu au nicio legătură cu textul şi care apar în zone de pagină fără text, ca urmare a unor pete apărute în timp în textura hârtiei. Acestea sunt recunoaşteri de text fals [paragraf fals] şi ar trebui sau ar putea fi şterse în totalitate.
– răgălii care au legătură cu textul, deci apar în interiorul textului; în acest caz răgăliile ţin locul unor litere reale cu care seamănă, cum ar fi de exemplu: "€" în loc de "C" sau "E", "$, §, 5..." în locul literelor "S, s, Ş, ş..." caracterul / în locul literei "z", caracterul | în locul literelor fusiforme "l, i, î, f, t, ţ..."
– răgălii de tip literă individuală: consoane fusiforme în locul semnului exclamării; cuvinte scurte de două [chiar şi de trei] litere la care nu s-a făcut recunoaşterea completă; una dintre litere nu a fost recunoscută ca urmare a faptului că litera era relativ ştearsă, tipărită foarte slab, cerneală decolorată... aşa că în text a apărut o singură literă însoţită sau neînsoţită de un artefact.
O primă şi simplă concluzie ar putea fi următoarea:
■ răgăliile care nu au nicio legătură cu textul ar putea fi şterse în totalitate fără să afecteze textul. Aceast lucru încearcă să-l facă într-o oarecare măsură opţiunea 2.1 Eliminare paragraf-artefact. Tehnic, opţiunea nu poate acţiona decât asupra răgăliilor care se găsesc la începutul sau la sfârşitul unui paragraf.
■ răgăliile care au legătură cu textul, care apar îl locul unei litere, cred că trebuie păstrate în text, pentru că ajută la corectură...
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #103 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
6. ŞTERGERE CARACTERE
Cred că acum putem discuta în cunoştinţă de cauză despre opţiunea 6.Ştergere caractere.
Această opţiune poate şterge toate aceste răgălii, astfel că vom obţine un text mult "mai "curat".
Atenţie: un text "mai curat" nu înseamnă totdeauna şi un text "mai bun".
Opţiunea va şterge toate paragrafele false [paragraf-artefact], deci paragrafele care nu există în realitate, şi care în OCR-ul nostru conţin doar răgălii. Acesta este un avantaj incontestabil.
Opţiunea va şterge deopotrivă şi toate răgăliile care au legătură cu textul, deci care apar în interiorul textului şi ţin locul unei litere reale.
Acest efect poate fi considerat benefic de către unele dintre persoanele care fac corectură, dar poate fi considerat dăunător de către alte persoane care fac corectură şi care consideră că e mai bine să se păstreze răgăliile.
Eliminarea sau păstrarea răgăliilor în text are legătură cu metoda de lucru a fiecăruia.
Să privim imaginea următoare şi vom observa cum unele răgălii însoţite sau nu de litere [alte litere decât cele care ar trebui] ţin locul unor litere reale. Există multe alte situaţii. Aceste exemple le-am găsit într-un text rezultat dintr-o scanare cu probleme a unei cărţi vechi.
Să privim a doua imagine în care apar aceste cuvinte în cele două situaţii posibile:
– când s-au păstrat răgăliile [majoritatea cazurilor vor fi subliniate şi de corectorul Word];
– când toate răgăliile au fost şterse; atenţie răgălia se înlocuieşte cu NIMIC, deci dintr-un cuvânt în interiorul căruia există o răgălie va rezulta un cuvânt "curat" dar incorect, deoarece secvenţa de cuvânt aflată în faţa răgăliei s-a unit cu secvenţa de după răgălie, formând un nou cuvânt, care nu poate fi cel din text.
Cred că efectul activării sau neactivării opţiunii este acum mult mai clar.
Ca şi la opţiunea anterioară, cred că fiecare persoană poate alege orice variantă dacă va fi ea cea care va face corectura manuală a textului.
Dacă cel ce rulează textul prin AC OCR Plus nu va face şi corectura, atunci recomandarea mea este să nu activeze sub nicio formă opţiunea 6.Ştergere caractere, din cel puţin trei motive:
– cel care va face corectura este foarte posibil să prefere să facă o corectură pe un text la care s-au păstrat răgăliile;
– cel care va face corectura este posibil să facă în continuare nişte modificări bazate pe un dicţionar temporar în care secvenţe care conţin răgălie însoţită de litere să fie înlocită cu confirmare sau fără cu o secvenţă reală de cuvânt. Un astfel de utilizator va prefera textul cu răgălii ca să poată face mai uşor înlocuirile respective;
– cel care va face corectura este un începător, care văzând "textul curat" şi neştiind multe lucruri despre erorile posibile în Abbyy, despre AC etc... etc... va face o corectură superficială şi va rezulta în final un text fără valoare. Începătorul poate fi foarte bine intenţionat dar fără experienţa corecturii şi, deşi el va depune efort pentru corectarea altor erori care apar, o serie de aspecte îi vor scăpa.
Reamintesc aici ceea ce am spus mai sus: este posibil ca dintr-un cuvânt românesc mai lung, prin eliminarea uneia sau mai multor litere să rezulte un cuvânt românesc real şi scris corect, deci Word nu-l va sublinia, doar că locul său nu este în fraza respectivă.
În concluzie:
■ atunci când urmează să şi corectaţi textul rulat prin AC, gândiţi-vă foarte bine dacă doriţi sau nu să activaţi această opţiune.
■ atunci când rulaţi OCR prin AC OCR Plus, dar altă persoană va face corectura, recomandarea mea fermă este să nu activaţi în niciun caz această opţiune.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #104 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
DICŢIONARE - ULTIMA ACTUALIZARE
Data reactualizării: 22.01.2014
Dicţionare actualizate:
Pachetul Dicţionare UZUALE [rulează cu op.9]
Nume arhivă: Dic UZUALE Contemporan [2014.01.22].rar
Adresă folder mediafire "3. Dic. FACULTATIVE"
https://www.mediafire.com/?1lszp5h79xowc/
Pachetul OCR_DIC
Nume arhivă: OCR_DIC Contemporan [2014.01.22].rar
Adresă folder mediafire "2. Dictionare OCR_DIC"
https://www.mediafire.com/?aozlgwpimcpqt/
Informaţii despre dicţionare:
Pachetul Dic UZUALE Contemporan
A fost adăugat dicţionarul "Z Verb perf comp.imd"; au fost îmbunătăţite cu câteva înregistrări toate celelalte dicţionare.
Total înregistrări în pachet: 2.932 înregistrări [faţă de 1.539 la 31.10.2012].
Pachetul OCR_DIC Contemporan
Îmbunătăţite dicţionare cu noi înregistrări: în special CImf1-CImf3; Sc2-Sc4; Var1-Var7.
Reorganizarea completă a dicţionarele Var4.imd ÷ Var7.imd, care se referă la modificări cu confirmare
Total înregistrări în pachet: 15.148 înregistrări [faţă de 8.252 la 31.10.2012].
Atenţie:
Am reorganizat dicţionarele Var4.imd ÷ Var7.imd, astfel:
- am redus o parte dintre înregistrări, mergând pe principiul că e mai bine să fie rulat un dicţionar mai mic decât să nu fie rulat unul mare.
- am executat mutări şi rocade de înregistrări şi dicţionare, în scopul de a uşura munca de confirmare a utilizatorului.
Practic, am reorganizat dicţionarele astfel încât mai întâi să ruleze modificări la care confirmarea se face în procent mare şi refuzul în procent foarte mic şi am dus la final modificările "agasante" cu confirmări rare şi refuzuri frecvente.
Cei cu mai puţină răbdare pot face înreruperea rulării la un moment care va fi uşor de recunoscut pe timpul rulării.
Aceste semne sunt următoarele: ultimele înregistrări la care utilizatorul trebuie să ajungă sunt o serie de înregistrări care propun "Semnul exclamării" în locul succesiunii "spaţiu urmat de cifra 1, la sfârşit de paragraf, ori la sfârşit frază.
Imediat după aceaste modificări urmează o serie de modificări de genul 11, II >> il, îl...
Aici se poate opri rularea dicţionarelor, acţionând asupra butonului de închidere "X" din partea dreaptă sus a ferestrei de confirmare.
Următoarele înregistrări, adică cele la care se renunţă la momentul subliniat mai sus sunt şi ele importante, dar sunt modificări oarecum dificile pentru că se referă la înlocuiri ale sucesiunilor 11, II >> il, îl..., apoi urmează nişte înlocuiri care ţin de punctuaţie; ultimele înregistrări fac înlocuiri de limbaj, deci nu erori de OCR, înlocuiri la care se poate renunţa.
Baftă!
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #105 |
|
|
In penultima postare vorbesti de Dicţionare OCR_DIC - ultima reactualizare 07.12.2013
Nu trebuia sa vorbesti de OCR+ 2014?
Sa inteleg ca ai inceput sa aduni postarile necesare deschiderii unui topic nou sau rearanjezi totul intr-unul vechi?
Te rog totodata sa redenumesti topicul acesta:
http://romania-inedit.3xforum.ro/post/4 ... rect_OCR_/
Noua denumire sa fie AutoCorect OCR+ Setari Portabile.
|
|
| |
|
| #106 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
***
În ideea reducerii numărului de topicuri destinate AC, am mutat aici diverse postări care conţineau informaţii cu termen de valabilitate mai lung.
Din acest motiv o seamă de postări au data postării 24.01.2014, dar în realitate ele au fost făcute cu mai mult timp în urmă şi doar mutate la 24.01.2014.
În legătură cu reactualizările:
În ultima lună au fost făcute 3 reactualizări.
Am vrut să fac o reactualizare care să fie postată la sfârşitul anului 2013, astfel că am postat pe cea din decembrie 2013 în care apăreau multe înregistrări legate de cuvinte formate din 4 litere şi alte câteva înregistrări diverse, doar că am continuat să aloc cam tot timpul pentru dezvoltarea dicţionarelor şi la începutul lui ianuarie am postat ceea ce reuşisem să finalizez în acel moment, adică înregistrări referitoare la cuvinte formate din 5 cuvinte.
Ultima reactualizare la acest moment, cea din 22.01 face şi restructurarea completă a dicţionarelor cu variante şi confirmări, şi în plus sunt adăugate o serie de variante de ruperi la sfârşit de rând a verbelor la gerunziu şi alte cuvinte.
Tot acum, la dicţionarele Uzuale am adăugat un dicţionar care se referă la corecţii de Verbe la perfectul compus şi care face modificări la sfârşitul cuvântului, ca în cazurile:
am adăugai >> am adăugat;
am adormii >> am adormit;
am adresai >> am adresat.
la acest moment ultima versiune de dicţionare este cea din 22.01.2014.
Să fiu mai exact: este ultima versiune postată, pentru că eu lucrez deja la altceva... atunci când acest altceva va avea o formă cât de cât finală, o voi pune, bineînţeles, la dispozia tuturor...
În acest moment mă preocupă nişte dicţionare pe grupuri de cuvinte care prin rulare automată să corecteze cuvinte care încă le corectăm cu confirmare.
Am pus câteva exemple într-o pagină care se poate vizualiza AICI
Oricum o nouă reactualizare nu va apărea înainte de următoarele 6 luni.
Deci undeva prin lunile iunie-iulie... poate chiar mai târziu voi reveni cu o nouă reactualizare sau eventual noi dicţionare.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #107 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
|
| |
|
| #108 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
|
| |
|
| #109 |
|
|
Merge fara probleme.
Descarcat de mai multe ori.
Probabil e problema de site.
|
|
| |
|
| #110 |
|
|
Exista si un site de unde se poate descarca autocorectul fara sa fie virusat? 
|
|
| |
|
| #112 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
|
| |
|
| #113 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
***
Salutare!
N-am încetat să adaug din când în când câte o înregistrare în dicţionarele AC OCR Plus.
Alteori am acordat mai mult timp şi am adăugat câteva sute de noi înregistrări.
La ora asta am în computer versiuni de dicţionare care conţin circa 2000 de înregistrări în plus faţă de ultima versiune oficială urcată pe mediafire.
Voiam să urc o reactualizare, dar sunt încă în plin lucru cu o serie de dicţionare, aşa că aş prefera să le termin pe cele aflate în lucru şi după aceea să uploadez o reactualizare.
În principiu, ar fi vorba despre înregistrări care privesc modificări de tipul:
– secvenţe de cuvinte formate din câte 4 litere;
– cuvinte întregi [în forma "cuvânt întreg la ambele capete" sau "cuvânt întreg la început"];
– expresii formate din 3 sau mai multe cuvinte.
Pentru a micşora numărul de confirmări de la finalul rulării încerc să lucrez dicţionare de expresii.
De exemplu: grupul < 111 > poate însemna < în >, dar poate însemna şi altceva. De aceea nu pot face o înregistrate automată "1111 >> în", ci doar una cu confirmare.
Dacă totuşi recurgem la expresii care conţin acest cuvânt, atunci putem face modificarea în mod automat.
Iată câteva exemple:
1 111 cele din urmă în cele din urmă Ci Pc
1 111 celelalte în celelalte Ci Pc
1 111 ceea ce în ceea ce Ci Pc .........
1 111 fel şi chip în fel şi chip Ci Pc
1 111 felul acesta în felul acesta Ci Pc .........
1 111 mai mult în mai mult Ci Ic Pc
1 111 mai puţin în mai puţin Ci Ic Pc
1 111 mai toate în mai toate Ci Pc
1 111 mai mare în mai mare Ci Pc .........
1 111 mod absolut în mod absolut Ci Pc
1 111 mod amănunţit în mod amănunţit Ci Pc
1 111 mod cert în mod cert Ci Pc
1 111 mod clar în mod clar Ci Pc
1 111 mod corect în mod corect Ci Pc
1 111 mod ideal în mod ideal Ci Pc
1 111 mod inutil în mod inutil Ci Pc
1 111 mod nefericit în mod nefericit Ci Pc
1 111 mod normal în mod normal Ci Pc .........
1 111 orice alt în orice alt Ci Pc
1 111 orice altă în orice altă Ci Pc
1 111 orice chip în orice chip Ci Pc
1 111 orice clipă în orice clipă Ci Pc
1 111 orice mod în orice mod Ci Pc .........
1 111 timpul acesta în timpul acesta Ci Pc
1 111 timpul ăsta în timpul ăsta Ci Pc ......... ......... .........
Rulând astfel de dicţionare, o mare parte a situaţiilor se pot rezolva prin rulare automată, rămânând mult mai puţine de confirmat,ori chiar renunţând la confirmare.
Este de asemenea cunoscut faptul că < 1111 > poate însemna "nu" sau "un".
Expresii în care să înlocuiesc "1111 >> un" sunt mai greu de găsit pentru că, pe de o parte se pot crea erori, pe de altă parte este nevoie de un număr foarte mare de expresii care să conţină majoritatea substantivelor masculine şi neutre.
Dimpotrivă, expresii în care "1111 >> nu" sunt mai uşor de găsit; am deja circa 630 expresii sigure şi un dicţionar cu aproximativ 670 de înregistrări "în aşteptare".
Le spun "în aşteptare" pentru că nu ştiu dacă le voi folosi în forma actuală sau le voi reduce la doar 8 înregistrări mai simple.
Este vorba de înregistrări de genul:
1 1111 m-ar ÷÷÷÷ nu m-ar ÷÷÷÷ Ci Pc
1 1111 te-ar ÷÷÷÷ nu te-ar ÷÷÷÷ Ci Pc
1 1111 l-ar ÷÷÷÷ nu l-ar ÷÷÷÷ Ci Pc
1 1111 ne-ar ÷÷÷÷ nu ne-ar ÷÷÷÷ Ci Pc
1 1111 v-ar ÷÷÷÷ nu v-ar ÷÷÷÷ Ci Pc
1 1111 i-ar ÷÷÷÷ nu i-ar ÷÷÷÷ Ci Pc
1 1111 s-ar ÷÷÷÷ nu s-ar ÷÷÷÷ Ci Pc
1 1111 le-ar ÷÷÷÷ nu le-ar ÷÷÷÷ Ci Pc
unde ÷÷÷÷ este forma unui verb precum: acuza, aduce, afla… bănui… crede… dori, duce… iubi, înşela, înţelege… primi, pune, putea… vrea, vedea…
Din păcate nu reuşesc să găsesc nişte înregistrări care să facă modificări automate de genul "11 >> îl" şi "11 > îi", pentru că expresiile pot fi valabile atât pentru "îl" cât şi pentru "îi".
Ideea este următoarea: înregistrările le fac atât în dicţionare OCR_DIC, dar şi în dicţionarele Uzuale.
În principiu, nu sunt unele înregistrări mai importante decât altele.
De asemenea, nu lucrez unele cu mai multă atenţie şi alte cu superficialitate.
Logica locului unde sunt înregistrate este una simplă: dacă e vorba de o eroare care apare frecvent, atunci o înregistrez în OCR_DIC; dacă avem un cuvânt care nu are frecvenţă foarte mare este înregistrat la Dic. Uzuale.
Mai mult decât atât, dicţionarele care rezolvă doar o eroare folosind multe înregistrări de expresii, prefer să le înregistrez la Uzuale pentru că sunt mai uşor de gestionat.
Deocamdată... atât.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #114 |
|
|
Asteptam 
|
|
| |
|
| #115 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
|
| |
|
| #116 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
***
Am mare nevoie de semnalări şi propuneri pentru dicţionarele AutoCorect.
Nu putem discuta despre partea de soft a AutoCorect.
Ceea ce s-a făcut la acest program e bun făcut şi deocamdată nu cred că se pot face modificări.
Programul AC OCR Plus v5.1, aşa cum este el astăzi, oferă posibilitatea înregistrării unui număr infinit de modificări, astfel există posibilitatea îmbunătăţirii permanente a lui prin îmbunătăţirea dicţionarelor.
Am două mari rugăminţi la utilizatorii AC OCR Plus:
1. Este necesar să se semnaleze situaţii în care un utilizator descoperă că la rularea AC OCR apar modificări eronate sau neinspirate.
2. De asemenea am nevoie ca utilizatorii să-mi propună modificări noi: dacă constataţi că anumite cuvinte apar frecvent cu aceleaşi tip de erori. Mă refer în special la cuvinte care au o frecvenţă mare sau medie în texte şi, în acelaşi timp, la cuvinte ceva mai scurte, de până la 7-8 litere.
Adică, dacă apar erori la cuvântul "muşchiul sternocleidomastoidian"  nu e o eroare importantă pentru că e vorba de un cuvânt folosit foarte rar într-un text şi este un cuvânt lung. Astfel de erori se pot elimina foarte uşor la corectura manuală.
Dacă constatăm erori la cuvinte de genul "poate", "foarte", "spune".... "adevărat", "înseamnă"...... "niciodată", "întotdeauna"..... etc., e nevoie să le corectăm pentru că sunt cuvinte care au o frecvenţă foarte mare şi majoritatea lor sunt destul de scurte.
Este posibil ca unele din aceste cuvinte să fie înregistrate, doar că nu sunt înregistrate toate erorile posibile. Dacă un cuvânt are maxim 6-7 litere, teoretic se pot găsi toate erorile posibile.
Atenţie! A semnala o eroare nu înseamnă a critica programul sau dicţionarele.
Astfel de semnalări nu numai că nu mă deranjează, ci îmi sunt foarte folositoare.
Atunci când eu editez modificări pot să greşesc vreo modificare din neatenţie, ori pot avea pur şi simplu o fractură de logică... Deoarece fac, de multe ori, modificări în serie, adică un tip de eroare o aplic la mai multe cuvinte, e posibil ca la unul dintre cuvinte să apară şi un efect secundar nedorit.
Întotdeauna mai mulţi oameni pot gândi mai bine decât unul singur.
În concluzie, o semnalare sau o propunere este practic un ajutor şi orice ajutor este important şi binevenit.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #117 |
|
|
Cand au fost, au fost.
Daca se mai observa ceva, ori de catre mine ori de altcineva, ai fi auzit.
Deci ori AC-ul nu este folosit ori nu s-au observat probleme.
|
|
| |
|
| #118 |
|
|
Doresc să semnalez eu nişte, hai să le spunem, modificări nedorite.
Ex. Avionul DC 3 transporta paraşutiştii....Avionul DE 3 transporta paraşutiştii. Am rezolvat problema cum m-am priceput mai bine, adică intr-un dicţionar de diverse DE transformat în DC cu confirmare.
Ex. F.B.I. acţionează pe teritoriul SUA......F.B.I. Acţionează pe teritoriul SUA. Aici nu am ştiut ce să fac. Corectat la citire.
_______________________________________
Nu te certa niciodată cu un prost!
Te va aduce la nivelul lui și te va bate cu experiența!
|
|
| |
|
| #119 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
***
Of!... forumul ăsta e mai mult mort decât viu...
Mulţumesc, @paciu!
Chestia cu "DC 3 >> DE 3" am rezolvat-o [deocamdată în dicţionarele din computerul meu], doar că trebuie să mai completez cu nişte înregistrări.
Era vorba de câteva cuvinte de 2 litere "ce, de, pe, se, te" care trebuiau corectate dacă apăreau în forma "cc, dc, pc, sc, tc".
Eroarea de înregistrare îmi aparţine.
Am s-o explic detaliat ca să poată fi înţeleasă şi rezolvată şi de alţi useri în alte situaţii.
Cum trebuia rezolvat?
Trebuia să înregistrez înlocuiri de tipul "cc >> ce, Cc >> Ce, dc >> de, Dc >> De....... Tc >> Te" cu condiţiile "Cuvânt întreg la ambele capete" [Ci] plus "Potrivire perfectă" [Pp], adică:
dc de Ci Pp
Dc De Ci Pp
În dicţionare, înregistrările erau de tipul:
dc de Ci Pc
adică aveau condiţia "Păstrează capitalizarea" şi nu "porivire perfectă".
Dacă pentru "dc >> de" avem condiţia "Porivire perfectă" înseamnă că modificarea se face doar dacă AC întâlneşte cuvântul "dc" scris exact aşa. Nu se vor face înlocuiri dacă acest cuvânt apare scris sub forma "Dc", "DC" sau.. "dC".
Dacă pentru "dc >> de" avem condiţia "Păstrează capitalizarea" atunci se vor face înlocuiri asupra tuturor cuvântelor întregi care cpnţin cele două litere în ordinea "de", indiferent cum sunt scrise "dc, Dc, DC, dC" și le va modifica păstrând în continuare modul cum sunt scrise, astfel că vor rezulta înlocuirile "de, De, DE, dE".
Dacă în loc de condiția "Cuvânt întreg la ambele capete" se va folosi condiția "Cuvânt întreg la început" modificările se vor face la TOATE cuvintele care încep cu acest grup de litere.
Bun! Aceste erori le-am rezolvat. Trebuie ca acum să fac înregistrări pentru cuvinte care încep cu acest grup, doar că va trebui să găsesc secvențe de început de 3-4 litere pentru ca eventualele erori să fie prevenite.
Referitor la majuscularea de după ”F.B.I.”...
Opțiunea 2.3. Punctuație / Funcții obișnuite majusculează orice literă care urmează după punct urmat de spațiu.
Dacă debifăm funcția asta, nu se va mai face majuscularea de după ”F.B.I.”, dar vor rămâne multe minuscule după punct, ceea ce nu-i avantajos.
Cel mai bine este să faci modificări cu Find/Replace, doar că va trebui să cauți toate literele care pot urma după ”F.B.I.”, adică:
”F.B.I. A >> F.B.I. a”, ”F.B.I. B >> F.B.I. b” ............. ”F.B.I. Z >> F.B.I. z”
Atenție! pentru ca modificarea să se facă corect,în vord trebuie bifată prima condiție Search și anume ”Match case”.
LE: semnalarea "dc >> DE" este mult mai importantă decât se poate bănui pentru că în acelaşi mod erau înregistrările şi pentru "cc, pc, sc, tc" şi pot apărea diferite nume [mărci de produse], prescurtări etc., unde se va modifica şi "CC > CE, PC > PE, SC > SE, TC > TE" ceea ce nu e deloc în regulă.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #120 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
I M P O R T A N T !
Deşi intenţionam să termin modificările aflate în lucru şi apoi să uploadez dicţionarele, va trebui să urc în următoarele două zile dicţionarele la faza în care se găsesc ele astăzi pentru ca să putem vorbi aceeaşi limbă.
Menţionez că a fost necesar să fac şi modificări de structură a dicţionarelor; de exemplu, din Uzuale am mutat cuvinte în CO_Cimf2, timp în care din Co_Cimf2 am mutat cuvinte în CO_Sc3; mai mult decât atât, Co_S1 ÷ CO_S4 au fost renumerotate și restructurate, astfel că acum în S1 apar cuvinte cu 1÷3 litere, în S2 cuvinte cu 4 litere, în S3 cuvinte cu 5÷6 litere şi tocmai în S4 am mutat cuvintele scrise cu cratimă.
Am mutat înlocuirile "intre >> între" şi "lingă >> lângă" în S4 ca să nu producă înlocuiri la cuvintele de 5-6 litere din S3. Sunt şi multe alte modificări făcute, ca de exemplu înregistrarea de secvenţe mai concrete formate din 4 litere sau chiar mai multe.
Intenţionez ca în CO_S4 să adaug încă două înregistrări "sting > stâng" şi "stingă > stângă" pentru ca mai apoi să fac o recorectare în CO_Expr1 sau CO_Expr2 cu modificări de genul "să stâng > să sting, nu stâng > nu sting, mai stâng > mai sting... pentru că recorectările sunt mai puţine în acest fel [voi avea: "să, nu, mai" plus "mă, mi-o, mi-l, te, ţi-o, ţi-l, o, i-o, îl, i-l, ne, vă, le, îi" urmate de stâng >> xxx sting.
Formula inversă de modificare ”picior [piciorul] sting > picior [piciorul] stâng”.... ”mâna stingă >> mâna stângă”... necesită mult mai multe înregistrări.
Deci, în două-trei zile urmează să urc dicţionarele reactualizate la data de 5 octombrie 2014. Apoi putem dicuta mai concret.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #121 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
***
În principiu, dicţionarele ar fi gata pentru upload.
Menţionez că am adăugat o serie de înregistrări pentru cuvinte care încep cu literele A, B, C... până la N.
În perioada următoare urmează să continui cu cuvinte care încep cu litera O, P, R... Z, după care revin cu upload.
De asemenea voi continua cu dicţionarele grup care rezolvă automat "111 >> în" şi "1111 >> nu", astfel încât pentru confirmare să rămână doar "1111 >> un", respectiv "11 >> îl" şi "11 >> îi", pentru care nu găsesc formule de modificare automată.
La acest moment am nevoie de un sfat.
În dicţionarul Cimf.3 [care rulează modificări de cuvinte întregi la opţiunea 4.6 Corectare caractere reproduse eronat / Corectare cuvinte întregi şi expresii] am nişte înregistrări care nu rezolvă erori OCR, ci erori de "limbă".
Aceste înregistrări sunt următoarele:
01 adaog >> adaug
02 agreem >> agreăm
03 agreind >> agreând
04 agrează >> agreează
05 agreiez >> agreez
06 agreiezi >> agreezi
07 aevea >> aievea
08 asterics >> asterisc
09 asterix >> asterisc
10 aşează >> aşază
11 creerea >> crearea
12 creearea >> crearea
13 creiarea >> crearea
14 creem >> creăm
15 creind >> creând
16 crează >> creează
17 creiez >> creez
18 creiezi >> creezi
19 deasemenea >> de asemenea
20 deasemeni >> de asemeni
21 defapt >> de fapt
22 greşala >> greşeala
23 greşală >> greşeală
24 înşeală >> înşală
25 noştrii >> noştri
26 voştrii >> voştri
27 vre-o >> vreo
28 vre-odată >> vreodată
29 vre-un >> vreun
30 mişloc >> mijloc
31 aşa dar >> aşadar
32 dela >> de la
Deoarece înregistrările nu fac corecturi ale erorilor OCR, întrebarea este următoarea:
a. Să las aceste înregistrări în CO_Cimf.3.imd şi să ruleze automat?
b. Ori să le mult în CO_Var.6.imd şi să ruleze cu confirmare?
Am numerotat înregistrările pentru a fi semnalate mai uşor în eventualitatea în care unele ar putea rămâne în Cimf.3 şi altele să fie mutate în Var.6.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
| #122 |
|
|
Confirmare evident.
Daca rulezi dictionarul automat pe o carte de a lui Rebreanu o sa-ti "corecteze" textul original.
Nu as putea sa zic daca apar sau nu aceste forme "popolare" in texte si cat de des. Dar, daca esti in dubii, lasa mai bine cu confirmare.
P.S.
I-am dat un mesaj si lui Cosimo pe tema asta. El ridicase o probleme de asta acum ceva timp.
|
|
| |
|
| #123 |
|
|
Vă scriu părerea mea foarte pe fugă, scuze...
Înregistrările de mai sus trebuie împărţite în două: unele nu trebuie aplicate decât cu confirmare, altele trebuie musai aplicate.
Câteva exemple din prima categorie:
- adaogă - Mircea Eliade scria mereu "adaogă", dacă apare altfel în scrierile lui, e greşit. Chiar dacă astăzi corect este "adaugă", la autori precum Eliade o asemenea corectură strică.
- "aevea" e folosit de Sadoveanu...
şi tot aşa...
Trec la cele care trebuie musai aplicate, indiferent cum au scris Sadoveanu, Eliade şi oricine altcineva:
08 asterics >> asterisc
09 asterix >> asterisc
10 aşează >> aşază
11 creerea >> crearea
12 creearea >> crearea
13 creiarea >> crearea
14 creem >> creăm
15 creind >> creând
16 crează >> creează
17 creiez >> creez
18 creiezi >> creezi
19 deasemenea >> de asemenea
21 defapt >> de fapt
24 înşeală >> înşală
25 noştrii >> noştri
26 voştrii >> voştri
27 vre-o >> vreo
28 vre-odată >> vreodată
29 vre-un >> vreun
30 mişloc >> mijloc
32 dela >> de la
Astea sunt greşeli de limbă mai mult sau mai puţin grave şi chiar la marii scriitori dacă le întâlniţi, e mai degrabă vina culegătorului de la tipografie, care a cules cum a ştiut el că se scrie.
Chestia asta nu trebuie să apară deloc:
20 deasemeni >> de asemeni
"de asemeni" e o greşeală, nu există decât şi decât "de asemenea". Cuvântul "asemeni" nu există, niciodată şi în niciun context. Dacă îl întâlniţi, e eroare de limbă. DAR... e folosit de autorii români mai vechi, eu l-am întâlnit la Radu Tudoran, de pildă, deci trebuie lăsat în astfel de cazuri. În rest, jos cu el!
Asta nu trebuie introdusă deloc. Poate fi "aşa dar, mai rar" etc., când prin "dar" se înţelege "cadou". Adică se poate întâlni în ambele forme.
31 aşa dar >> aşadar
Nu uitaţi să înlocuiţi automat şi "vroi" cu "voi", să scăpăm de aberaţiile astea: "vroiam, vroia..."
Cam atât, pe scurt, sorry, am treabă multă azi.
|
|
| |
|
| #125 |
SevenModeratorDin: Ţara Perfectului Simplu
|
|
***
Mulţumesc mult! Am împărţit înregistrările aşa cum aţi propus.
Actualizare dicţionare la 05.10.2014
[2014.10.05] OCR_DIC Contemporan.rar
conţine peste 19.850 înregistrări
[2014.10.05] Dic UZUALE Contemporan.rar http://www.mediafire.com/?5h3j8c4oycvbf3i
conţine peste 7.050 înregistrări
Aşa cum am menţionat anterior am abandonat lucrul la dicţionarele AC Clasic, astfel că toate actualizările privesc doar Ac OCR Plus Contemporan.
Sunt câteva lucruri de menţionat.
■ deoarece am în lucru o serie de dicţionare uzuale care mai pot fi încă îmbunătăţite, pentru o mai uşoară verificare şi editare, există câteva litere care au 2 sau 3 dicţionare uzuale:
– la litera C – 2 dicţionare: Uz_C1 [div] conţine cuvinte obişnuite, Uz_C2 [înc] face modificări doar la începutul cuvintelor
– la litera Î – 2 dicţionare: Uz_Î1 [i-î] se referă la cuvinte care încep eronat cu litera "i", Uz_Î2 [div] corectează erori obişnuite [diverse]
– la litera N – 3 dicţionare: Uz_N1 [div] este un dicţionar obişnuit, Uz_N2 [Nici] rezolvă erori ale cuvintelor din familia "nici", Uz_N3_NTR este un dicţionar care se ocupă de erori pentru cuvintele care încep cu "într-, dintr- printr-".
■ Am realizat în plus 3 dicţionare grup de cuvinte, marcate cu ăarticula "Gr"
– Gr_Cifr_rom este un dicţionar care rezolvă cifre romane în forma "II-lea....XXXIX-lea" şi "II-a... XXXIX-a". Am considerat că numărul 39 este suficient de mare şi nu e cazul să adaug mai multe înregistrăr. În altă ordine de idei, am renunţat la cifrele simple care nu sunt însoţite de particula "-lea" sai "-a", deoarece aceste cifre simple pot produce multe erori. menţionez că acesta este singurul dicţionar care se referăla cifre romane, dicţionarele vechi pe această temă le-am eliminat.
– Gr_TOT este un dicţionar nou care încearcă să corecteze automat "lot >> tot" şi "toi >> lot", pentru a nu mai pierde timpul cu confirmarea în dicţionarul Var_5.
– Gr_Vb_PC este un dicţionar mai vechi care face înlocuieşte "i" final cu "t" final la verbe la perfectul compus, ca de exemplu: "am aruncai >> am aruncat".
În concluzie, la opţiunea "9 Rulare grup dicţionare..." trebuiesc şterse din setări vechile dicţionare şi adăugate toate cele de mai sus.
■ sunt câteva schimbări de nume şi structură ale dicţionarelor OCR_DIC, dar am să revin şi cu descrierea acestora.
_______________________________________
Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.
| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |
|
|
| |
|
