这几天，在手机上试了试微信小程序“文字扫描识别”，觉得很方便，但还是需要改进。
操作过程很简单：用手机拍照，调用小程序进行识别，把识别结果复制并传送给自己的微信，就可以在电脑上处理了。我总是在有网络的条件下使用的，不知道断网对它有没有影响。
简体字的识别很好，差错率大概是百分之二三吧，予、子、于，乎、平，而、面，这些字容易出错；繁体字的识别效果差一些，差错率大概在百分之十左右，为和局分不清，还有其他很多。我觉得，这个识别程序好像没有上下文的概念，也许是因为数据库还不够大。
我在博客里经常会转载一些文章，大致分为两类：沙里淘金是现代的文章，感动我的文字大多是古代的文章。这些文字基本上都是在网上找到的，只需要排排版就可以了，但是也有例外。
《坤舆万国全图》就是个例外，几万字的内容，大概有一半是我自己敲进去的。有一半的内容，可以在网上找到类似的文字，但是要自己校对，另一半就全靠自己敲了。
最近碰到的几篇文章，也没有网上的版本，我对它们的热情也不像对《坤舆万国全图》那么高，如果不是想试一试手机上的文字扫描程序，我是不会做的。效果嘛，还可以。
以前这种识别程序也有很多种，大概叫作OCR（光学字符识别 Optical Character Recognition），但是识别的差错率都不足以保证重要文本的正确转换，必须采用人工辅助的手段。对于科技文章，OCR的识别率就更低了，所以，几十年前的科技文档电子化工程，大多只是把原来的纸质版变成了扫描式的pdf文件（其实就是类似于照片）。这种文件搜索起来非常不方便，不利于检索过去积累下来的知识。随着文字扫描程序的进步，随着人工智能的发展，现在应该可以做得更好了。即使还需要人工辅助，也可以考虑让更多的人参与进来：比如说，每个大学生毕业之前，必须校对10页科技文章的文字扫描，就算是毕业实习的一部分内容好了。用不了十年的时间，就可以把所有的公共知识都转化为很容易搜索的电子版内容。
转载本文请联系原作者获取授权，同时请注明本文来自姬扬科学网博客。
链接地址：https://wap.sciencenet.cn/blog-1319915-1138667.html?mobile=1
收藏
