如何快速进行书籍OCR后的文字校对、我用excel的VBA

lwx228 · 发表于 2020-4-3 21:29:09

喬治兄发表于 2020-4-3 21:26
* p% W7 P, X, M% X& o# J一般如何学习新词语......??
2 Q% t; g# }0 U& d! Q学习新词语為何和词频有相關

我觉得某些不在词库中的词出现频次达某比例时、就应是新词
强调比例

喬治兄 · 发表于 2020-4-3 21:31:30

lwx228 发表于 2020-4-3 21:263 ` W4 z2 N; I) ?6 f
大兄用何输入法？
) A1 F5 v5 r1 e6 A- |7 _我是用五笔

民國的注音......
VBA、JSL、python的代码都制作为五笔的词库.....真好...
民國的注音......得一個個拼音......

lwx228 · 发表于 2020-4-3 21:36:29

喬治兄发表于 2020-4-3 21:31
/ j. T3 H3 d" I; r9 M" A$ ~2 Q民國的注音......0 Z- e6 \, M6 n
VBA、JSL、python的代码都制作为五笔的词库.....真好...! z) }' M6 i8 i" F+ T' e G @( n
民國的注音......得一個個拼音 ...

呵呵、也不是所有五笔输入法都可以这样制作自定义词的

lwx228 · 发表于 2020-4-3 21:38:36

我的自造词不少

喬治兄 · 发表于 2020-4-3 21:38:46

lwx228 发表于 2020-4-3 21:29
/ j. w! i; E/ G3 |/ ^* W+ F我觉得某些不在词库中的词出现频次达某比例时、就应是新词
4 p g8 c# ~* q! R强调比例

我觉得某些不在词库中的词出现频次达某比例时、就应是新词, 强调比例

嗯嗯, 頗有同感....但組合無限....總得給它個 rule 在何種詞語可以組合....若無怎麼弄....

lwx228 · 发表于 2020-4-3 21:41:44

嗯、词频还是简单、
应该往知识图谱方向发展

lwx228 · 发表于 2020-4-3 21:41:59

现在使用五笔的人不多了

喬治兄 · 发表于 2020-4-3 21:42:42

lwx228 发表于 2020-4-3 21:380 ^2 ^* `& h" \7 K
我的自造词不少

台灣應該也有但....不熟此類工具也不太想學一堆

lwx228 · 发表于 2020-4-3 21:43:00

将输入法的自造词定义好、就是一个绝好的数据库

lwx228 · 发表于 2020-4-3 21:45:22

喬治兄发表于 2020-4-3 21:42$ O4 H4 n. R- G. z2 `( W- R
台灣應該也有但....不熟此類工具也不太想學一堆

五笔要先背口诀。很多人不喜欢

喬治兄 · 发表于 2020-4-3 21:55:12

本帖最后由喬治兄于 2020-4-3 22:09 编辑

lwx228 发表于 2020-4-3 21:45' D7 b) C/ y1 ~
五笔要先背口诀。很多人不喜欢

換手机，好輸入些，您剛所謂的無法認新詞或創新詞，那是資料庫無此新詞所以無法認得是嗎？，但，若要自動收入，是否也得有個程序能幫你判斷此是新詞，然後收入吧！，感覺此有點牽扯 Markov Chain 和數位電子的的狀態机模型，和 Decision Three
的結合, 且您所謂僅靠詞頻想來判斷是否新詞，此也有點薄弱，說不定對目前的資料處理一下，線性迴歸一下，也許會有答案，不需大數據，其實，每個詞在一個固定字表裡都會有個固定的机率，我不便多提，因此法類似算牌的方法，哈！哈哈哈哈哈！

lwx228 · 发表于 2020-4-3 22:04:34

喬治兄发表于 2020-4-3 21:55$ d# _& Y3 [! X% L) S+ E4 r
換手机，好輸入些，您剛所謂的無法認新詞或創新詞，那是資料庫無此新詞所以無法認得是嗎？，但，若要自動 ...

難得、我電腦是一直開的

這個詞頻我只是針對JMP。

特意搞了些怪異詞投挑戰它、它是不認的

lwx228 · 发表于 2020-4-3 22:05:26

python的詞頻、詞雲就沒玩了

喬治兄 · 发表于 2020-4-3 22:13:35

本帖最后由喬治兄于 2020-4-3 22:18 编辑

lwx228 发表于 2020-4-3 22:04. l* ~6 M3 s* t; N) Y
難得、我電腦是一直開的7 }7 Z; @$ k. B
" ~+ @/ z! h" M0 }) E
這個詞頻我只是針對JMP。

如何認，光詞頻太薄弱，且粗糙，可以線性迴歸的，只要你想透，哈！哈哈哈哈哈！，還有若沒搞成 Markov Chain 和 State Machine,般的模型，如何來創机率最大的新詞，不然你至少也得要有個 Monte Carlo 的模型

lwx228 · 发表于 2020-4-3 22:19:55

喬治兄发表于 2020-4-3 22:13
! T" v: j) P2 l9 I0 x7 c! i如何認，光詞頻太薄弱，且粗糙，可以線性迴歸的，只要你想透，哈！哈哈哈哈哈！，還有若沒搞成 Markov Cha ...

嗯嗯、這樣都玩玩

我重點用它來處理股票數據、離不開它了

lwx228 · 发表于 2020-4-3 22:20:39

線性的只能是科研中才有用

喬治兄 · 发表于 2020-4-3 22:23:31

lwx228 发表于 2020-4-3 22:191 {6 ^4 w& Q0 B( k4 g
嗯嗯、這樣都玩玩' n/ N- W! m( J) H

9 m$ f1 ~. G; B我重點用它來處理股票數據、離不開它了

喔！，原來上次是你喔，我忘了是哪一位......哈！哈哈哈哈哈！嗯嗯，真不好意思

lwx228 · 发表于 2020-4-3 22:26:22

呵、我還想找機會問問是哪位壇友在用JMP。

我將它不務正業了、人家都拿來搞科研

lwx228 · 发表于 2020-4-3 22:27:26

JMP的全球論壇還是不錯的、我在那位學到很多。

有VBA基礎很快上手了、現在極少用VBA了

lwx228 · 发表于 2020-4-3 22:29:37

回聊、
感謝大兄

klwo2 · 发表于 2020-4-3 22:42:09

lwx228 发表于 2020-4-3 19:03
1 u$ ] i; N5 ?# M辞源第三版也全部OCR了、计划将词条校对

OCR辞源干吗？你直接花点钱用它的在线服务啊，可以全文搜索

不要把青春花在别人已经做好，只要你掏点银子的事情上嘛

喬治兄 · 发表于 2020-4-3 22:42:36

lwx228 发表于 2020-4-3 22:29! p, r y/ U! d6 m
回聊、
. ]1 S1 n, O% C1 b4 B8 c感謝大兄

您客气了，只要能順手處理，都是好工具

lwx228 · 发表于 2020-4-4 07:27:55

klwo2 发表于 2020-4-3 22:42/ h- t3 c8 I |
OCR辞源干吗？你直接花点钱用它的在线服务啊，可以全文搜索3 m5 k9 h) J0 x% M

& a- |% T3 b+ ]$ Z' d不要把青春花在别人已经做好，只要你掏点银 ...

嗯、
这个网站去看过、
感谢大侠! 让我重新思考下。

lwx228 · 发表于 2020-4-4 07:40:30

ABBYY的优势、保持原貌

lwx228 · 发表于 2020-4-4 07:42:58

《难经新解》0 w9 F( h4 K* U3 J3 E
, [" X0 F% \# J {

		自动登录	找回密码
密码			免费注册

[求助] 如何快速进行书籍OCR后的文字校对、我用excel的VBA

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源