Zum Hauptinhalt springen

Documentation Index

Fetch the complete documentation index at: https://docs.abbyy.com/llms.txt

Use this file to discover all available pages before exploring further.

Ein Fuzzy-Intervall ist ein Werkzeug, mit dem das Programm die Qualität einer Hypothese anhand ihrer Länge beurteilen kann. Ein Fuzzy-Intervall kann in Längeneinheiten (Dots, Millimeter usw.) oder in Zeichen (bei Zeilen) gemessen werden. Für ein Fuzzy-Intervall müssen vier Werte angegeben werden, die den möglichen und optimalen Wertebereich bestimmen. Zur Vereinfachung steht im Programm ein benutzerfreundlicher Editor für Fuzzy-Intervalle zur Verfügung. Angenommen, Sie haben ein Fuzzy-Intervall {f1,f2,f3,f4} und die Länge der erkannten Zeichenfolge (in Zeichen, bzw. Dots bei einem erkannten Leerraum) ist L. Liegt die Länge L im Bereich von f2 bis f3 (d. h. L>=f2 and L<=f3), beträgt die Qualität der Hypothese 1. Liegt die Länge im Bereich von f1 bis f2, ändert sich die Qualität der Hypothese direkt proportional von 0 auf 1 (Quality(f1) = 0, Quality(f2)=1). Ebenso ändert sich die Qualität der Hypothese im Bereich von f3 bis f4 direkt proportional von 1 auf 0 (Quality(f3) = 1, Quality(f4) = 0). Liegt die Länge nicht im Bereich von f1 bis f4 (d. h. L<f1 or L>f4), beträgt die Qualität der Hypothese 0 (Quality(L) = 0). Die Qualität der Hypothese für das erkannte Objekt wird mit den Werten der Eigenschaft Character count multipliziert, die abhängig von der Länge des erkannten Objekts ausgewählt wird.
Diagramm eines Fuzzy-Intervalls, das die Hypothesenqualität von 0 bis 1 über die Grenzwerte f1, f2, f3 und f4 hinweg darstellt
Die Qualität einer beliebigen Kette von Hypothesen für mehrere Elemente wird berechnet, indem die Hypothesen für jedes Element in der Kette miteinander multipliziert werden. Ist die Kette ausreichend lang und sind die Qualitätswerte der einzelnen Hypothesen aufgrund zu strenger Einschränkungen zu niedrig, kann die resultierende Qualität der gesamten Kette ebenfalls zu niedrig sein.
Daher wird empfohlen, sicherzustellen, dass die ausgewählte Hypothese die höchstmögliche Qualitätsbewertung aufweist. Andererseits müssen Sie Hypothesen anhand ihrer Qualität unterscheiden können, um die beste auswählen zu können. Daher sollten Sie Fuzzy-Intervalle (mathematische Funktionen zur Bewertung von Hypothesen) so einrichten, dass akzeptable Hypothesen nicht übermäßig benachteiligt werden. Für die linke Grenze des Fuzzy-Intervalls können auch negative Werte verwendet werden (obwohl es in der Realität keine Zeichenfolgen mit negativer Länge gibt). Dies kann hilfreich sein, um den Qualitätsgraphen im Intervall (0, 1) weniger steil zu machen und so die Qualitätsabzüge zu verringern. Wenn Sie für diesen Parameter eine Untergrenze festlegen müssen (z. B. kann die Länge der Zeichenfolge nicht kleiner als 10 Zeichen sein, wobei das Fuzzy-Intervall für die Länge der Zeichenfolge [-10,20,30,40} ist), können Sie dies direkt in Hypothesis Evaluation tun, indem Sie Value.Length >=10 setzen.
Fuzzy-Intervall mit einer negativen linken Grenze, das verringerte Qualitätsabzüge im Intervall (0, 1) veranschaulicht
Wir empfehlen nicht, die Intervallgrenzen zu strikt zu setzen. Dies ist insbesondere bei der Verarbeitung von Bildern unterschiedlicher Qualität wichtig. Auf einigen Bildern kann es beispielsweise aufgrund der schlechten Qualität des Quelldokuments oder bestimmter Scaneinstellungen zu Leerzeichen mit Buchstaben kommen. In diesem Fall kann das Programm ein Zeichen als mehrere Zeichen interpretieren, was zu einem drastischen Abfall der Qualität der Hypothese führen kann, wenn das Intervall zu strikt war. Infolgedessen kann das Programm diese Hypothese verwerfen (die im Kern korrekt hätte sein können) und eine andere auswählen. Aus diesem Grund sollte der Vergleich von Hypothesen anhand ihrer Länge, sofern erforderlich, mithilfe zusätzlicher Bedingungen in Hypothesis Evaluation erfolgen.