Open MarekFiser opened 3 months ago
Pokud OCR software umí používat confidence na výstupu (a PERO by to měl umět), tak to určitě chceme. Tohle ja pak hlavně užitečné pro manuální opravy. Aby se nemusely procházet celé texty, ale jen se vysvítila slova s WC < 0.9 třeba.
Od verze 1.5 (periodika) a 1.1 (monografie) byla z nějakého důvodu zrušena u ALTO souborů v elementu povinnost atributů WC a CC. Je to už dost prastará záležitost, ale nevíte z jakého důvodu? V současnosti by se s rozvojem kvality OCR by takováto informace byla silně žádoucí, například by se dala implementovat do klienta Krameria - aby měl uživatel představu, jak moc může důvěřovat výsledkům vyhledávání v daném dokumentu. Samozřejmě předpokladem jsou důvěryhodné výstupy z OCR software, ale to by se mělo např. v PERU v dohledné době vyladit...