۴۱- کاربردهای هوش مصنوعی در پژوهش، قسمت سیزدهم

بسم‌الله الرحمن الرحیم

کارشناس: استاد محمودی

عنوان: کاربردهای هوش مصنوعی در پژوهش، قسمت سیزدهم

در این بخش قصد داریم راهکارهایی را در مورد تبدیل فایل‌های غیرمتنی به متنی ارائه دهیم.

اگر فایل‌های مورد نیاز پژوهشگر به صورت تصویر، پی‌دی‌اف (PDF) یا سایر فایل‌هایی هستند که ماهیت متنی ندارند، برای تبدیل آن‌ها به فایل‌های قابل استفاده متنی، از فناوری بازشناسی نوری نویسه‌ها (OCR) استفاده می‌شود.

OCR به معنای تبدیل هرگونه از این فایل‌ها به فایل‌های متنی قابل استفاده است.

برای انجام OCR، سه روش اصلی وجود دارد:

1. آفلاین (با استفاده از نرم‌افزارهای محلی)

OCR آفلاین به این معناست که شما می‌توانید به صورت کاملاً آفلاین و بدون نیاز به اینترنت، فایل تصویری یا PDF را به متن تبدیل کنید.

نرم‌افزار پیشنهادی:

یکی از معدود نرم‌افزارهای کارآمد که قابلیت OCR آفلاین را با پشتیبانی از زبان فارسی فراهم می‌کند، نرم‌افزار ریدیریس (Readiris) است. نرم‌افزارهای OCR بسیاری موجود هستند، اما آن‌هایی که از زبان فارسی پشتیبانی می‌کنند و عملکرد مطلوبی دارند، بسیار معدود هستند و Readiris یکی از بهترین آن‌ها محسوب می‌شود.

مثالی برای منبع دانلود: می‌توان از سایت‌هایی مانند «پی‌سی دانلود» برای دریافت این نرم‌افزار استفاده کرد.

• آنلاین (با استفاده از سامانه‌های برخط)

روش دوم برای انجام OCR، استفاده از نرم‌افزارها و سامانه‌های برخط (آنلاین) است.

سامانه پیشنهادی:

گوگل داک (Google Docs) یکی از مهم‌ترین سامانه‌های برخط که این قابلیت را ارائه می‌دهد، گوگل داک است که زیرمجموعه سرویس گوگل می‌باشد. این روش، یک راهکار رایگان، ساده و در دسترس همگان است.

مراحل تبدیل فایل PDF به Word در گوگل داک:

• ورود به اکانت گوگل
• انتخاب گزینه گوگل درایو (Google Drive)
• آپلود فایل غیرمتنی مانند مقاله یا سند PDF در پوشه درایو
• کلیک راست بر روی فایل آپلود شده
• انتخاب گزینه باز کردن با (Open with) و سپس انتخاب گوگل داک

با انجام این مراحل، فایل PDF به صورت اتوماتیک به یک فایل Word قابل ویرایش تبدیل می‌شود.

کیفیت عملکرد:

عملکرد این سامانه در زبان انگلیسی بسیار خوب است. در مورد زبان فارسی، عملکرد تا حد زیادی به نحوه آماده‌سازی فایل اصلی بستگی دارد. با این وجود، این سامانه می‌تواند بسیاری از بخش‌ها، نظیر جداول را به صورت کامل استخراج کند، هرچند ممکن است اشکالاتی نیز در آن مشاهده شود.

• سایر نرم‌افزارها

علاوه بر موارد فوق، نرم‌افزارهای دیگری نیز برای OCR وجود دارند:

• ادوبی آکروبات:

این نرم‌افزار نیز در حوزه OCR به کار می‌رود، اما دقت آن به اندازه روش‌های تخصصی دیگر نیست.

• ایبو:

این نرم‌افزار نیز یک راهکار مناسب دیگر است که توضیحات مفصل‌تر درباره آن در جلسات بعدی ارائه خواهد شد.