Taranmış PDF neden aranamaz?
Tarayıcı, sayfayı piksellerden oluşan bir görüntü olarak kaydeder. Arama motoru ya da doküman yönetim sistemi bu dosyada arama yaptığında aranacak bir metin katmanı bulamaz. OCR, görüntüyü işleyip metin katmanını üretir ve dosyaya ekler.
Sonucu belirleyen şey: tarama kalitesi
Sonucun kalitesi büyük ölçüde taramanın kalitesine bağlıdır. Pratikte en çok fark yaratan noktalar:
- Çözünürlük — metin belgeleri için 300 dpi yaygın bir alt sınırdır
- Düz tarama — eğri sayfalar tanıma oranını düşürür
- Kontrast — soluk fotokopiler ve renkli zeminler tanımayı zorlaştırır
- El yazısı — matbu metne göre çok daha düşük doğrulukla tanınır
OCR sonrası ne mümkün olur?
Metin katmanı oluştuğunda arşiv gerçekten kullanılabilir hâle gelir: tam metin arama, belgeler arası karşılaştırma ve otomatik sınıflandırma önerileri mümkün olur; yapay zekâ katmanı bu belgelerden de cevap üretebilir.
mindfile’da nasıl işler?
Yüklenen görüntü tabanlı belgeler, işleme sırasında OCR işleminden geçirilir; ardından arama ve yapay zekâ katmanları bu içerik üzerinde çalışır. Böylece 1990'lardan kalma taranmış bir dosyaya da dünkü sözleşme kadar kolay soru sorabilirsiniz.
SIKÇA SORULAN SORULAR
OCR her belgeyi %100 doğru okur mu?
Hayır. Matbu ve temiz taranmış metinlerde doğruluk çok yüksektir; el yazısı, soluk fotokopi ve karmaşık tablolarda hata payı artar. Bu yüzden kritik belgelerde her zaman belgenin aslı esas alınır.
OCR sonrası belgenin aslı değişir mi?
Hayır. OCR görüntünün üzerine bir metin katmanı ekler; sayfanın görüntüsü ve belgenin aslı olduğu gibi korunur.
