第747章计算机语言
“或许还是需要进行人工干预,但是工作强度已经大大降低,我们可以通过拍照,扫描等方式,将生僻字的图片扫入计算机,让程序去分析它,最后得到标准点阵字,编码之后加入到字库当中,对字库进行扩充。”
“要实现这个功能需要有几个前提,第一就是字库当中要有足够的样本,这个我们已经已经完成,因为我们现在已经有了四万个标准点阵字的字稿。”
“还是拿《康熙字典》来举例,我们先将《康熙字典》上每一个单字的扫描图扫入文字识别系统,然后提取其字体参数特征,再将这些参数赋给已有的标准点阵字,让系统计算出根据这些参数产生的‘系统字’。”
“再拿这些生成的‘系统字’,与‘扫描字’进行校验,通过四万个标准字生成的‘系统字’,去验证参数的代表性,最后将参数调整到最佳。”
“得到参数体系之后,我们就能够将它套在扫描进来的生字上,最终得到《康熙字典》全部近六万个单字的标准点阵字,字库就从四万扩充到六万了。”
“这个思路倒是新颖,然而却也是可行的。”麦明川点头:“不过还是有问题,就是存储和运算。”
“我也拿《康熙字典》来举例,近六万个单字,就是近六万张图片,我们就拿一张图片五兆来计算,这就是300G的空间,这也太可怕了。”
“那王院长觉得,这个系统多大的图片存储容量,可以被接受呢?”
“一个G,”麦明川脱口而出,想了想觉得实在是有点欺负人:“最多最多,两个G。”
1G是1024M,两百张5M的图片,两G就是400张。
“也就是说,如果按照这个标准,这个系统能够一次同时完成四百个字的扫描分析和成字入库的工作?”
“那还得分串行并行。”李红江已经上套,开始思索程序的工作方式了:“涉及到时间成本,学校也不可能将有限的计算资源全拿来做这事儿。”
“那我们可不可以像上级求助呢?”周至问道:“我们先把基础工作做好,然后申请国家级的运算资源来完成它,有没有机会呢?”
“国家资源那更紧张,全国无数单位排队呢。”麦明川苦笑着摇头。
辜老说道:“那干脆这样,我们将工作再做细一点,肘子说的这个文字识别反向推算点阵字的程序咱们先缓一缓,第一步先集中精力把标准定出来。”
“与此同时,我们这边,再把现在的四万字稿扩到七万。”
“小李那边,抓紧先开发出读字稿的程序,咱们先把七万字稿的数字化工作完成。”
“之后再拿着这七万汉字的数字化成就,去跟那个统一码联盟谈判,并且要留够下一步继续拓展的空间,力争让我们的大字库成为
请收藏:https://m.ryu168.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)