🛀🏽 👎🏿 🍧 पाठ क्षेत्र मान्यता परिणामों के बाद के प्रसंस्करण के लिए एल्गोरिदम 👩🏽‍🎓 🤴🏻 ☀️

( यहां से ली गई छवि )

आज हम आपको क्षेत्र के प्राथमिक ज्ञान के आधार पर पाठ क्षेत्रों की मान्यता के परिणामों के बाद के प्रसंस्करण के कार्य के बारे में बताना चाहेंगे। इससे पहले, हमने पहले ही ट्रिगर्स के आधार पर क्षेत्र सुधार की विधि के बारे में लिखा था , जो आपको प्राकृतिक भाषाओं में लिखे गए शब्दों की कुछ मान्यता त्रुटियों को ठीक करने की अनुमति देता है। हालांकि, महत्वपूर्ण दस्तावेजों का एक महत्वपूर्ण हिस्सा, पहचान दस्तावेजों सहित, एक अलग प्रकृति के क्षेत्र हैं - दिनांक, संख्या, कारों के VIN- कोड, TIN और SNILS नंबर, मशीन-पठनीय क्षेत्रउनकी जाँच और अधिक के साथ। यद्यपि उन्हें एक प्राकृतिक भाषा के क्षेत्रों के लिए जिम्मेदार नहीं ठहराया जा सकता है, फिर भी, ऐसे क्षेत्रों में अक्सर कुछ, कभी-कभी निहित, भाषा मॉडल होते हैं, जिसका अर्थ है कि कुछ सुधार एल्गोरिदम भी उनके लिए लागू किए जा सकते हैं। इस पोस्ट में, हम पोस्ट-प्रोसेसिंग मान्यता परिणामों के लिए दो तंत्रों पर चर्चा करेंगे जिनका उपयोग बड़ी संख्या में दस्तावेजों और फ़ील्ड प्रकारों के लिए किया जा सकता है।

क्षेत्र के भाषा मॉडल को सशर्त रूप से तीन घटकों में विभाजित किया जा सकता है:

सिंटैक्स : एक पाठ क्षेत्र प्रतिनिधित्व की संरचना को नियंत्रित करने वाले नियम। उदाहरण: मशीन-पठनीय क्षेत्र में "दस्तावेज़ समाप्ति तिथि" फ़ील्ड को सात अंकों "DDDDDDD" के रूप में दर्शाया गया है।
: , . : “ ” - – , 3- 4- – , 5- 6- – , 7- – .
: , . : “ ” , , “ ”.

दस्तावेज़ और मान्यता प्राप्त क्षेत्र के शब्दार्थ और वाक्यविन्यास संरचना के बारे में जानकारी रखते हुए, आप मान्यता परिणाम के बाद के प्रसंस्करण के लिए एक विशेष एल्गोरिथ्म का निर्माण कर सकते हैं। हालांकि, मान्यता प्रणालियों और उनके विकास की जटिलता का समर्थन करने और विकसित करने की आवश्यकता को ध्यान में रखते हुए, यह "सार्वभौमिक" विधियों और उपकरणों पर विचार करना दिलचस्प है, जो (डेवलपर्स से) न्यूनतम प्रयास के साथ अनुमति देगा, एक काफी अच्छा पोस्ट-प्रोसेसिंग एल्गोरिथ्म बनाने के लिए जो एक व्यापक वर्ग के साथ काम करेगा। दस्तावेज़ और फ़ील्ड। इस तरह के एक एल्गोरिथ्म की स्थापना और समर्थन के लिए कार्यप्रणाली एकीकृत होगी, और केवल भाषा मॉडल एल्गोरिथ्म संरचना का एक चर घटक होगा।

यह ध्यान देने योग्य है कि टेक्स्ट फ़ील्ड मान्यता परिणामों का पोस्ट-प्रोसेसिंग हमेशा उपयोगी नहीं होता है, और कभी-कभी हानिकारक भी होता है: यदि आपके पास काफी अच्छी लाइन मान्यता मॉड्यूल है और आप पहचान दस्तावेजों के साथ महत्वपूर्ण प्रणालियों में काम करते हैं, तो किसी प्रकार का पोस्ट-प्रोसेसिंग परिणामों को कम से कम करना और "जैसा है" करना बेहतर है, या स्पष्ट रूप से किसी भी परिवर्तन की निगरानी करें और उन्हें ग्राहक को रिपोर्ट करें। हालांकि, कई मामलों में, जब यह ज्ञात होता है कि दस्तावेज़ वैध है, और यह कि क्षेत्र का भाषा मॉडल विश्वसनीय है, तो पोस्ट-प्रोसेसिंग एल्गोरिदम का उपयोग अंतिम मान्यता गुणवत्ता में काफी वृद्धि कर सकता है।

इसलिए, लेख दो पोस्ट-प्रोसेसिंग विधियों पर चर्चा करेगा जो सार्वभौमिक होने का दावा करते हैं। पहले भारित परिमित कन्वर्टर्स पर आधारित है, एक परिमित राज्य मशीन के रूप में भाषा मॉडल के विवरण की आवश्यकता है, उपयोग करने के लिए बहुत आसान नहीं है, लेकिन अधिक सार्वभौमिक है। दूसरा उपयोग करने में आसान है, अधिक कुशल है, केवल क्षेत्र मान की वैधता की जांच के लिए एक फ़ंक्शन लिखने की आवश्यकता है, लेकिन इसके कई नुकसान भी हैं।

भारित अंत ट्रांसमीटर विधि

एक सुंदर और काफी सामान्य मॉडल जो आपको पोस्ट-प्रोसेसिंग मान्यता परिणामों के लिए एक सार्वभौमिक एल्गोरिथ्म बनाने की अनुमति देता है , इस काम में वर्णित है । मॉडल भारित परिमित-स्टेट ट्रांसड्यूसर्स (WFST) की डेटा संरचना पर निर्भर करता है।

WFSTs भारित परिमित अवस्था की मशीनों का सामान्यीकरण कर रहे हैं - एक भारित परिमित राज्य मशीन कुछ भारित भाषा को कूटबद्ध करता है, तो

(जैसे कि, कुछ वर्णमाला से अधिक लाइनों की एक भारित सेट

), तो WFST भाषा की एक भारित नक्शा encodes L_1

वर्णमाला ऊपर A_1

भाषा में

वर्णमाला ऊपर A_2

। एक भारित परिमित स्टेट मशीन,

वर्णमाला पर एक स्ट्रिंग ले रही है

, इसे कुछ भार प्रदान करती है

, जबकि WFST, एक स्ट्रिंग लेती है S_1

वर्णमाला के ऊपर A_1

, इसके साथ (संभवतः अनंत) जोड़े का एक समूह है $\ {& lt; S_2 ^ 1, w_1 & gt;, \ ldots, & lt; s_2 ^ k, w_k & gt;, \ ldots \}$ , जहां S_2 ^ i

वर्णमाला के ऊपर A_2

की रेखा है जिसमें रेखा को रूपांतरित किया जाता है S_1

, और

इस तरह के रूपांतरण का वजन है। कनवर्टर के प्रत्येक संक्रमण की विशेषता दो राज्यों (जिसके बीच संक्रमण होता है), इनपुट वर्ण (वर्णमाला से A_1

), आउटपुट वर्ण (वर्णमाला से A_2

) और संक्रमण के वजन से होती है। एक खाली वर्ण (खाली स्ट्रिंग) को दोनों वर्णों का एक तत्व माना जाता है। स्ट्रिंग एक्स

टू स्ट्रिंग रूपांतरण

का भार सभी रास्तों के साथ संक्रमण भार के उत्पादों का योग है, जिस पर इनपुट वर्णों एक्स

का संघनन स्ट्रिंग बनाता है , और आउटपुट वर्णों का संघनन स्ट्रिंग बनाता है

, और जो टर्मिनल के प्रारंभिक राज्य से कनवर्टर को स्थानांतरित करते हैं।

रचना ऑपरेशन डब्ल्यूएफएसटी पर निर्धारित किया जाता है, जिस पर पोस्ट-प्रोसेसिंग विधि आधारित है। चलो दो ट्रांसफार्मर दिए जाने T_1

और

, और

लाइन में परिवर्तित एक्स

ऊपर

लाइन के लिए

ऊपर

वजन के साथ w_1

, और

परिवर्तित

से अधिक

लाइन के लिए जेड

ऊपर

वजन के साथ w_2

। फिर कनवर्टर $T_1 \ circ T_2$ , कन्वर्टर्स की संरचना कहा जाता है, स्ट्रिंग

को

वजन के साथ स्ट्रिंग में परिवर्तित करता है $w_1 \ cdot w_2$ । ट्रांसड्यूसर की संरचना एक कम्प्यूटेशनल रूप से महंगा ऑपरेशन है, लेकिन इसकी गणना आलसी से की जा सकती है - परिणामस्वरूप ट्रांसड्यूसर के राज्यों और बदलावों का निर्माण उस समय किया जा सकता है जब उन्हें एक्सेस करने की आवश्यकता होती है।

WFST के आधार पर मान्यता के परिणाम को संसाधित करने के लिए एल्गोरिथ्म जानकारी के तीन मुख्य स्रोतों पर आधारित है - परिकल्पना हम्म

मॉडल, त्रुटि मॉडल ईएम

और भाषा मॉडल एलएम

। सभी तीन मॉडल भारित अंतिम ट्रांसड्यूसर के रूप में प्रस्तुत किए जाते हैं:

( WFST – , ), , . , $C_1, C_2, \ldots, C_N$ , (): $C_i = \{<a_{i1}, q_{i1}>, \ldots, <a_{ik}, q_{ik}>\}$ , $a_{ij}$ – - , $q_{ij}$ – () . - , : - , - – , - - . - $a_{ij}$ , . , .

. 1. , WFST ( ). .

, , . WFST ( ). . , .
. .. , ( ).

परिकल्पनाओं, त्रुटियों, और एक भाषा मॉडल के मॉडल को परिभाषित करने के बाद, बाद के प्रसंस्करण मान्यता परिणामों का कार्य अब निम्नानुसार किया जा सकता है: सभी तीन मॉडलों की संरचना पर विचार करें $T=HM\circ EM\circ LM$ (WFST संरचना के संदर्भ में)। कनवर्टर हाइपोथीसिस मॉडल से

स्ट्रिंग के सभी संभावित रूपांतरणों को भाषा मॉडल से स्ट्रिंग्स में एन्कोड करता है, जिससे त्रुटि मॉडल में एन्कोड किए गए ट्रांसफ़ॉर्म को स्ट्रिंग्स में बदल देता है । इसके अलावा, इस तरह के परिवर्तन के वजन में मूल परिकल्पना का वजन, परिवर्तन का वजन और परिणामी स्ट्रिंग का वजन (भारित भाषा मॉडल के मामले में) शामिल है। तदनुसार, ऐसे मॉडल में, पहचान परिणाम का इष्टतम पोस्ट-प्रोसेसिंग कनवर्टर में इष्टतम (वजन के संदर्भ में) पथ के अनुरूप होगा

इसे प्रारंभिक से टर्मिनल राज्यों में अनुवाद करना। इस पथ के साथ इनपुट लाइन चयनित प्रारंभिक परिकल्पना, और आउटपुट लाइन को सही पहचान परिणाम के अनुरूप होगी। निर्देशित ग्राफ़ में सबसे छोटे रास्तों को खोजने के लिए एल्गोरिदम का उपयोग करते हुए इष्टतम पथ की तलाश की जा सकती है।

इस दृष्टिकोण के फायदे इसकी व्यापकता और लचीलेपन हैं। उदाहरण के लिए, त्रुटि मॉडल को इस तरह से आसानी से विस्तारित किया जा सकता है जैसे कि विलोपन और वर्णों के परिवर्धन को ध्यान में रखना (इसके लिए, यह केवल एक खाली आउटपुट या इनपुट प्रतीक के साथ संक्रमण जोड़ने के लायक है, त्रुटि मॉडल में)। हालांकि, इस मॉडल के महत्वपूर्ण नुकसान हैं। सबसे पहले, यहां भाषा मॉडल को एक परिमित भारित परिमित ट्रांसफार्मर के रूप में प्रस्तुत किया जाना चाहिए। जटिल भाषाओं के लिए, इस तरह के एक ऑटोमेटन बल्कि बोझिल हो सकते हैं, और भाषा मॉडल के परिवर्तन या परिशोधन के मामले में, इसे फिर से बनाना आवश्यक होगा। यह भी ध्यान दिया जाना चाहिए कि एक परिणाम के रूप में तीन ट्रांसड्यूसर की संरचना, एक नियम के रूप में, एक और भी भारी शराबी है,और इस रचना की गणना हर बार जब आप एक मान्यता परिणाम के बाद प्रसंस्करण शुरू करते हैं। रचना की विशालता के कारण, व्यवहार में इष्टतम मार्ग की खोज को हेयुरिस्टिक विधियों जैसे कि ए * -सर्च के साथ करना पड़ता है।

व्याकरणों के सत्यापन के मॉडल का उपयोग करते हुए, बाद के प्रसंस्करण मान्यता परिणामों के कार्य का एक सरल मॉडल बनाना संभव है, जो सामान्य रूप से WFST के आधार पर मॉडल के रूप में नहीं होगा, लेकिन आसानी से एक्स्टेंसिबल और लागू करने में आसान होगा।

एक जाँच व्याकरण एक जोड़ी है G=<A,P>

, जहाँ

वर्णमाला है, और

वर्णमाला के ऊपर एक स्ट्रिंग की स्वीकार्यता की भविष्यवाणी है

, अर्थात। $P:A^*\rightarrow\{0,1\}$ । एक जाँच व्याकरण वर्णमाला के ऊपर एक निश्चित भाषा को एनकोड

करता है: एक लाइन $S\in A^*$ भाषा की है यदि विधेय

इस लाइन पर एक सही मूल्य लेता है। यह ध्यान देने योग्य है कि व्याकरण की जांच करना राज्य मशीन की तुलना में भाषा मॉडल का प्रतिनिधित्व करने का अधिक सामान्य तरीका है। वास्तव में, किसी भी भाषा को एक परिमित राज्य मशीन के रूप में दर्शाया जाता है

, एक जाँच व्याकरण के रूप में प्रतिनिधित्व किया जा सकता है (एक विधेय के साथ $P(S)\Leftrightarrow S\in \mathrm{acc}(T)$ , जहां ऑटोमेटन के $\mathrm{acc}(T)$ लिए स्वीकृत लाइनों का सेट है

। हालांकि, सभी भाषाओं को जो एक चेक व्याकरण के रूप में प्रस्तुत नहीं किया जा सकता है, सामान्य मामले में एक परिमित ऑटोमेटन के रूप में प्रतिनिधित्व करने योग्य हैं (उदाहरण के लिए, असीमित लंबाई के शब्दों की भाषा)। वर्णमाला $A=\{a,b\}$ , जिसमें वर्णों की संख्या वर्णों

की संख्या से अधिक है

।)

कोशिकाओं के अनुक्रम के रूप में मान्यता परिणाम (परिकल्पना मॉडल) दें $C_1, C_2, \ldots, C_N$ (पिछले भाग की तरह ही)। सुविधा के लिए, हम मानते हैं कि प्रत्येक सेल में K विकल्प होते हैं और सभी वैकल्पिक अनुमान एक सकारात्मक मूल्य लेते हैं। स्ट्रिंग के मूल्यांकन (वजन) को इस स्ट्रिंग के प्रत्येक पात्रों की रेटिंग का उत्पाद माना जाएगा। यदि भाषा मॉडल को एक जाँच व्याकरण के रूप में निर्दिष्ट किया जाता है G=<A,P>

, तो बाद के प्रसंस्करण की समस्या को असतत अनुकूलन (अधिकतम A^N

लंबाई के सेट

पर वर्णमाला के सभी रेखाओं के सेट ) पर असतत अनुकूलन (अधिकतम लंबाई की समस्या) के रूप में तैयार किया जा सकता है , जहां

एक प्रेडिबिलिटी विधेय

और कार्यात्मक होती है $F(S)=\prod_{i=1}^{N}q_i(S_i)$ , जहां ith सेल में

प्रतीक का अनुमान होता है। । S_i

किसी भी असतत अनुकूलन समस्या (यानी, नियंत्रण के एक सीमित सेट के साथ) को पूर्ण नियंत्रण के उपयोग से हल किया जा सकता है। वर्णित एल्गोरिथ्म कुशलता से कार्यात्मक मूल्य के घटते क्रम पर नियंत्रण (पंक्तियों) पर निर्भर करता है जब तक कि वैधता की भविष्यवाणी सही मूल्य को स्वीकार नहीं करती है। हम

एल्गोरिदम की अधिकतम संख्या के रूप में सेट करते हैं, अर्थात। अधिकतम अनुमान के साथ पंक्तियों की अधिकतम संख्या जिस पर विधेय की गणना की जाएगी।

सबसे पहले, हम तरह के अनुमान के अवरोही क्रम में विकल्प, और हम आगे किसी भी सेल के लिए मान लेते हैं कि C_i

असमानता $q_{ij}\ge q_{ik}$ के लिए सच है j<k

। स्थिति $j_1,\ldots,j_N$ पंक्ति के अनुरूप सूचकांकों का क्रम होगी $a_{1j_1},\ldots,a_{Nj_N}$ । स्थिति मूल्यांकन, अर्थात उस स्थिति में कार्यात्मक मूल्य, स्थिति में शामिल सूचकांकों के अनुरूप उत्पाद विकल्प आकलन पर विचार करें $\prod_{i=1}^N q_i{j_i}$ :। पदों को संग्रहीत करने के लिए, आपको स्थितिबेस डेटा संरचना की आवश्यकता है , जो आपको नए पदों को जोड़ने की अनुमति देता है (उनके पते प्राप्त करने के साथ), पते पर स्थिति प्राप्त करें और जांचें कि क्या निर्दिष्ट स्थान डेटाबेस में जोड़ा गया है।

पदों को सूचीबद्ध करने की प्रक्रिया में, हम एक अधिकतम रेटिंग के साथ एक निर्विवाद स्थिति का चयन करेंगे, और फिर स्थिति में शामिल सभी सूचकांकों में से एक को जोड़कर वर्तमान एक से प्राप्त किए जा सकने वाले सभी पदों की स्थिति के लिए कतार में जोड़ सकते हैं। स्थिति कतार के विचार के लिए कतार में त्रिभुज होंगे <Q,R,I>

, जहां

- जिस स्थिति

की समीक्षा नहीं की गई , उसका मूल्यांकन - स्थिति स्थिति में देखा गया स्थिति का पता जिससे यह पद प्राप्त किया गया था,

- इस स्थिति को प्राप्त

करने के लिए एक के द्वारा बढ़ाए गए पते के साथ स्थिति तत्व का सूचकांक । एक पोज़िशन क्यू पोजीशनिंग के लिए एक डेटा संरचना की आवश्यकता होती है जो आपको एक और ट्रिपल जोड़ने की अनुमति देती है <Q,R,I>

, साथ ही अधिकतम रेटिंग के साथ एक ट्रिपल प्राप्त करती है

।

एल्गोरिथ्म के पहले पुनरावृत्ति पर, $S_1=\{1,1,\ldots,1\}$ अधिकतम अनुमान के साथ स्थिति पर विचार करना आवश्यक है । यदि विधेय

इस स्थिति के अनुरूप रेखा पर सही मान लेता है, तो एल्गोरिथ्म समाप्त हो जाता है। अन्यथा, स्थिति स्थितिबेस में , और में S_1

जोड़ा जाता हैPositionQueue दृश्य के सभी ट्रिपल कहते हैं $<Q\cdot q_{i2}/q_{i1},R(S_1),i>$ सभी के लिए, $i\in\{1,\ldots,N\}$ है, जहां R(S_1)

में प्रारंभिक स्थिति का पता है PositionBase । एल्गोरिथ्म के प्रत्येक बाद के पुनरावृत्ति पर, अनुमान के अधिकतम मूल्य के साथ ट्रिपल को स्थिति- क्यू से निकाला जाता है , प्रश्न में स्थिति को प्रारंभिक स्थिति और सूचकांक के पते पर पुनर्स्थापित किया जाता है । स्थिति तो पहले से ही माना जाता है के डेटाबेस में जोड़ दिया गया PositionBase पदों , तो यह छोड़ दिया है और अनुमान के अधिकतम मूल्य के साथ अगले तीन निकाला जाता है से PositionQueue । अन्यथा, स्थिति के अनुरूप लाइन पर विधेय मूल्य की जाँच की जाती है । यदि विधेय हो <Q,R,I>

इस लाइन पर सही मान लेता है, फिर एल्गोरिथ्म समाप्त होता है। विधेय तो

इस लाइन पर सही मूल्य को स्वीकार नहीं करता है, तो लाइन है

करने के लिए जोड़ा PositionBase (साथ पता सौंपा R(S)

), सभी व्युत्पन्न पदों के लिए जोड़ रहे PositionQueue कतार , और अगले चरण आय।

FindSuitableString(M, N, K, P, C[1], ..., C[N]):
      i : 1 ... N:
         C[i]    
    ( )
     PositionBase  PositionQueue
    S_1 = {1, 1, 1, ..., 1}
     P(S_1): 
        : S_1,  
    ( )
     S_1  PositionBase   R(S_1)
      i : 1 ... N:
         K > 1, :
              <Q * q[i][2] / q[i][1], R(S_1), i>  PositionQueue
        ( )
    ( )
        PositionBase  M:
           PositionQueue:
              PositionQueue  <Q, R, I>   Q
            S_from =   PositionBase   R
            S_curr = {S_from[1], S_from[2], ..., S_from[I] + 1, ..., S_from[N]}
             S_curr   PositionBase:
                 
            :
                 S_curr  PositionBase   R(S_curr)
            ( )
             P(S_curr):
                : S_curr,  
            ( )
              i : 1 ... N:
                 K > S_curr[i]:
                      <Q * q[i][S_curr[i] + 1] / q[i][S_curr[i]], 
                                     R(S_curr),
                                     i>  PositionQueue
                ( )
            ( )
               
        ( )
    ( )
        M

ध्यान दें कि दौरान

पुनरावृत्तियों विधेय से अधिक नहीं की जाँच की जाएगी

एक बार, वहाँ कोई और अधिक हो जाएगा

करने के लिए अतिरिक्त PositionBase , और के अलावा PositionQueue , से निकासी PositionQueue , साथ ही में एक खोज PositionBase से अधिक नहीं हो जाएगा $M\cdot N$ एक बार। कार्यान्वयन तो PositionQueue डेटा संरचना का "गुच्छा" का इस्तेमाल किया, और संगठन के लिए PositionBase डेटा संरचना "बोर" का उपयोग, एल्गोरिथ्म की जटिलता है $O\left(M \cdot \left(p(N) +N^2+N \log(M\cdot N)\right)\right)$ , जहां p(N)

- trudoemost परीक्षण विधेय

लाइन की लंबाई पर

।

शायद व्याकरण की जाँच के आधार पर एल्गोरिथ्म का सबसे महत्वपूर्ण दोष यह है कि यह विभिन्न लंबाई की परिकल्पनाओं को संसाधित नहीं कर सकता है (जो कि विभाजन त्रुटियों के कारण उत्पन्न हो सकता है : अतिरिक्त वर्णों का नुकसान या घटना, ग्लूइंग और कटिंग वर्ण, आदि), जबकि "चरित्र को हटाना", "चरित्र जोड़ना", या यहां तक कि "एक जोड़ी के साथ एक चरित्र को बदलना" जैसी परिकल्पनाओं में परिवर्तन को डीएसटीएसटी-आधारित एल्गोरिथ्म के त्रुटि मॉडल में एन्कोड किया जा सकता है।

हालांकि, उपयोग की गति और आसानी (जब एक नए प्रकार के क्षेत्र के साथ काम करते हैं, तो आपको बस एल्गोरिथ्म को वैल्यू वैल्यूएशन फ़ंक्शन तक पहुंचने की आवश्यकता है) व्याकरण की जाँच करने के आधार पर विधि को दस्तावेज़ दस्तावेज़ सिस्टम के डेवलपर के शस्त्रागार में एक बहुत शक्तिशाली उपकरण बनाते हैं। हम इस दृष्टिकोण का उपयोग बड़ी संख्या में विभिन्न क्षेत्रों के लिए करते हैं, जैसे कि विभिन्न तिथियां, बैंक कार्ड नंबर (विधेय - चंद्रमा कोड की जांच करना ), मशीन-पठनीय दस्तावेज़ क्षेत्रों के क्षेत्र और अन्य कई क्षेत्रों में।

प्रकाशन लेख के आधार पर तैयार किया गया था : व्याकरण को मान्य करने के आधार पर बाद के प्रसंस्करण मान्यता परिणामों के लिए एक सार्वभौमिक एल्गोरिथ्म। K.B. बुलटोव, डी.पी. निकोलेव, वी.वी. Postnikov। आईएसए आरएएस की कार्यवाही, टी। 65, नंबर 4, 2015, पीपी। 68-73।

पाठ क्षेत्र मान्यता परिणामों के बाद के प्रसंस्करण के लिए एल्गोरिदम

भारित अंत ट्रांसमीटर विधि

More articles: