Imagina que eres uno de los seres más inteligentes de la Tierra. Gente de todo el mundo acude a ti con sus preguntas y puedes responder a casi todas. Un día alguien se te acerca con un libro. '¿Puedes leérmelo?', pregunta. Abres el libro y empiezas a balbucear... 'la casona se alzaba en una ligera elevación jusf al borde del vinage.'
Para el ordenador y el teléfono móvil que usas cada día, esto es una realidad. Con acceso a Internet, pueden ayudarte a resolver la mayoría de tus problemas. Sin embargo, es sorprendentemente difícil para un ordenador leer texto de una imagen. Identificar caracteres, algo que el ojo humano puede hacer desde temprana edad, se llama Reconocimiento Óptico de Caracteres (OCR). En algunos casos, el ordenador funciona razonablemente bien en OCR, por ejemplo, si los documentos han sido preparados cuidadosamente antes de la digitalización. Sin embargo, en el entorno empresarial real, no siempre es así. Por eso decidimos hacerlo de forma más inteligente. Creemos que la regla general debería ser que si un documento es legible para el ojo humano, debe ser procesado por nuestra solución OCR. Si echamos un vistazo al gran volumen de contenido que se procesa a nivel empresarial, queda inmediatamente claro que una solución OCR adecuada tendrá muchos beneficios. Vemos muchos documentos que han sido escaneados a baja resolución. A veces los documentos originales no son rastreables y, en general, volver a escanear requiere mucho esfuerzo. Ya existen soluciones OCR de código abierto decentes. Sin embargo, la calidad del texto que producen sigue siendo demasiado baja para los estándares empresariales. Por lo tanto, introducimos un paso de posprocesamiento. El motor OCR se encarga del OCR inicial y nuestro algoritmo Post-OCR aprende de su contenido y realiza las correcciones adecuadas. Nuestra solución puede ser entrenada para ser más efectiva en palabras específicas de cualquier negocio. Un error típico del OCR es la confusión de letras similares. Por ejemplo, una 'j' se lee en lugar de una 'i'. Sin embargo, con algo de conocimiento del idioma inglés, es fácil deducir que 'fjsh' no es correcto y probablemente debería leerse como 'fish'. En nuestro paso Post-OCR, aprovechamos esto al máximo. Como sabemos qué tipo de errores es probable que cometa el motor OCR, podemos optimizar nuestro algoritmo para centrarnos en esos errores. Las palabras 'Onior', 'amor', 'aural' y 'pillar' pueden parecernos muy diferentes, pero para una solución OCR se parecen bastante. Las cuatro empiezan con un carácter redondo, seguido de lo que parecen tres barras, luego otro carácter redondo, seguido de otra barra. Teniendo en cuenta toda la información estadística que podemos recopilar, utilizamos la similitud de los caracteres y las palabras para corregir cualquier palabra que parezca haber sido procesada incorrectamente durante el proceso OCR. También tenemos en cuenta las palabras vecinas, después de todo, "gracias por todo el pescado" es más plausible que "gracias lejos todo el pescado". ProcessMaker IDP trata de la gestión inteligente de contenidos. Ofrecemos soluciones innovadoras y Post-OCR forma parte de una cadena más amplia de soluciones de Machine Learning disponibles. Construir esta solución nosotros mismos garantiza que tenemos la máxima calidad que se puede ajustar a las necesidades de nuestros clientes. Además, esto proporciona una fácil integración con otros componentes inteligentes en ProcessMaker IDP. ¡Y eso por menos que algunas de las soluciones disponibles actualmente! Ahora mostraremos algo de Post-OCR en acción. Supongamos que estamos procesando un documento que ha sido escaneado a una resolución relativamente baja. Todavía es legible para el ser humano, y el motor OCR puede realizar OCR sobre él, pero todavía nos quedan errores obstructivos.
