Для ефективного використання документи важливо не тільки відсканувати, а й мати можливість здійснювати по ним пошук. Ми знаємо два варіанти вирішення цього завдання — документи можна розпізнати або проіндексувати.

Розпізнавання документів

Розпізнавання документів застосовується для першоджерел хорошої якості — «свіжих» книг, журналів, словників, опитувальних анкет. Без наявності «артефактів» (сміття, коментарів, записів на полях і т.д.). Для цього ми використовуємо систему розпізнавання документів або OCR-систему. Така система автоматично вводить всі дані в комп’ютер (наприклад, в текстовий редактор). І після того, як документ розпізнано, ви зможете:

• Копіювати і редагувати текст ;
• Працювати з окремими абзацами тексту;
• Здійснювати пошук за словами і фразами.

Що стосується архівних документів — процедура налагодження розпізнавання проходить довше, а достовірність становить невеликий відсоток. В цьому випадку використовуються різні методи напівавтоматичного перетворення документів в електронний вигляд, за допомогою ключових слів (індексації).

Індексація документів

Індексація документів — це процес присвоєння відсканованим документам ідентифікаційних ознак, що дозволяють швидко знаходити необхідну інформацію в базі даних. Такими ознаками можуть бути: тип документа, номер документа, дата документа, автор документа, та ін.

Наші переваги

На етапі розпізнавання або індексації ми працюємо з найскладнішими даними:

• Рукописними (повністю рукописні документи або ж містять інформацію, написану від руки);
• Виконаними на друкарській машинці;
• Погано читаними (текст вицвів, інформація частково втрачена і ін.);
• Інформація з документів одного типу розташована в різних частинах (наприклад: при зміні порядку оформлення договорів).

При виконанні повного або часткового розпізнавання документів, ми використовуємо багаторівневу перевірку якості масиву. Уникнути можливих помилок нам також допомагає створення ресурсу, де на невеликому обсязі інформації тестується вся технологія, узгоджуються поля, визначаються критерії якості.