我國(guó)傳統(tǒng)蒙古文印刷體文字識(shí)別軟件(OCR)研究取得重大進(jìn)展。據(jù)其研發(fā)者烏日力嘎博士向新華網(wǎng)內(nèi)蒙古頻道獨(dú)家披露，目前OCR軟件對(duì)蒙古文白體的識(shí)別率已達(dá)到99%以上，對(duì)鉛印版的識(shí)別率也達(dá)到95%以上。

隨著互聯(lián)網(wǎng)的高速發(fā)展,網(wǎng)絡(luò)已經(jīng)成為人們共享信息的一個(gè)大平臺(tái)?！霸谛畔⒐蚕淼拇笃脚_(tái)之中，蒙古文信息的傳播因?yàn)閿?shù)字化處理的識(shí)別限制，變得極為繁瑣和無(wú)奈。”畢業(yè)于內(nèi)蒙古大學(xué)的烏日力嘎博士直言不諱。

“傳統(tǒng)蒙古文有大量的圖書、報(bào)刊，但其中很多都沒有實(shí)現(xiàn)數(shù)字化，”烏日力嘎博士介紹說(shuō)，高效數(shù)字化需要OCR(Optical Character Recognition)軟件自動(dòng)識(shí)別掃描或拍照的圖片，將圖片中的文字轉(zhuǎn)換成文本。

據(jù)了解，本世紀(jì)初伊始，就陸續(xù)有科研機(jī)構(gòu)、相關(guān)公司嘗試開發(fā)傳統(tǒng)蒙古文自動(dòng)識(shí)別軟件，但因?yàn)樽R(shí)別準(zhǔn)確率不高、操作繁瑣等諸多原因，使用者至今未能等到可廣泛使用和可信賴的產(chǎn)品。烏日力嘎博士卻憑借自己的執(zhí)著追求和一己之力，用不到兩年時(shí)間完成了這一傳統(tǒng)蒙古文印刷體OCR。

“讀博士期間研究機(jī)器翻譯，機(jī)器翻譯需要大量的語(yǔ)言資源，但是蒙古文的資源特別少，我們?cè)诮⒄Z(yǔ)言數(shù)據(jù)庫(kù)時(shí)需要大量的人力、時(shí)間和經(jīng)費(fèi)，”烏日力嘎博士說(shuō)：“從那個(gè)時(shí)候起，我就萌發(fā)一個(gè)念頭，自己是否也試著研發(fā)一款高精度的蒙古文自動(dòng)識(shí)別系統(tǒng)。”

2015年夏天博士畢業(yè)之后，烏日力嘎開始全身心地投入到傳統(tǒng)蒙古文OCR軟件的開發(fā)之中，她參考了國(guó)內(nèi)外大量學(xué)術(shù)文獻(xiàn)，并使用深度學(xué)習(xí)和語(yǔ)言模型等高新技術(shù)，在短時(shí)間內(nèi)成功研發(fā)出了蒙古文高精度自動(dòng)識(shí)別軟件。據(jù)介紹，這一軟件的優(yōu)勢(shì)是既能識(shí)別掃描圖片，又能識(shí)別拍照的圖片，并且將打字和校對(duì)的功能融為一體。

“上世紀(jì)90年代以前的書本都是鉛印版本，但目前還沒有其他可以把鉛印版轉(zhuǎn)換成文本的軟件，而烏日力嘎博士研究的軟件優(yōu)勢(shì)是能識(shí)別鉛印版，并且有承前啟后的作用，”內(nèi)蒙古大學(xué)教授那順烏日?qǐng)D認(rèn)為，烏日力嘎研究的軟件理論上有創(chuàng)新，這一軟件結(jié)合語(yǔ)言規(guī)則和統(tǒng)計(jì)方法，再利用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等新技術(shù)來(lái)完成的。因?yàn)橐郧暗腛CR軟件是基于規(guī)則或者是基于統(tǒng)計(jì)的方法來(lái)實(shí)現(xiàn)的，他們最終效果都不理想。

烏日力嘎最后表示，希望她所開發(fā)的這款軟件能為廣大的蒙古語(yǔ)言文字工作者帶來(lái)更多的工作上的便利。