reCaptcha, reconocimiento de términos de forma distribuida mediante captchas
Día a día, los que navegamos por internet, en muchas ocasiones tendremos que descrifrar los captchas para abrirnos una cuenta en algún servicio o dejar algún comentario en otros. Por otro lado, cuando usamos un escaner mediante OCR, siempre tendremos que revisar las palabras del texto ya que el sistema OCR no es capaz de traducirlo correctamente.
¿Qué tiene que ver una cosa con la otra? Pues muy sencillo, ya que se trata de reCaptcha, un proyecto para la digitalización de libros y documentos escaneados del Internet Archive de la escuela de Ciencias de la computación de la Universidad de Carnegie Mellon que pretende la revisión distribuida de los términos que no ha podido convertir a texto mediante el escaneo con el sistema OCR, por el que se nos ofrece la palabra a descifrar como captcha y otro término para su comprensión.
De esta manera, se pretenden digitalizar los contenidos de los libros a textos, y de manera distribuida mediante captchas los usuarios ayudarán a descifrar los términos que el sistema OCR no ha sido capaz de averiguar, permitiendo validar la fiabilidad de los términos introducidos por los usuarios, y que actualmente reCaptcha está colaborando de esta manera en la digitalización de libros y documentos del Internet Archive.
Actualmente podemos encontrar plugins para WordPress, MediaWiki, phpBB, y PHP.
Vía | Webware
Enlace | Sitio oficial de reCaptcha
Noticias relacionadas
-
Identi.ca, el futuro del microblogging distribuido
03 julio 2008
-
Microsoft da de baja a los “experimentos fallidos” de Windows Live
08 junio 2008
-
iRead, red social de recomendaciones de libros para redes con soporte OpenSocial
10 mayo 2008
-
ProofHQ, revisión de documentos de forma colaborativa
11 febrero 2008
-
FaveBot, creando listas de seguimiento sobre los temas que más nos interesan
20 diciembre 2007
Comentarios
Deja tu comentarioTrackbacks
-
1
Próximamente permitirá a los usuarios realizar sus SlapStrips personalizados, que podrán compartir en los perfiles que dispongan en redes sociales y en otros sitios web. Curioso que en sus formularios incorpore el sistema reCaptcha, del cual les30 jun 2007 04:06
-
2
Próximamente permitirá a los usuarios realizar sus SlapStrips personalizados, que podrán compartir en los perfiles que dispongan en redes sociales y en otros sitios web. Curioso que en sus formularios incorpore el sistema reCaptcha, del cual les30 jun 2007 06:20
-
3
Próximamente permitirá a los usuarios realizar sus SlapStrips personalizados, que podrán compartir en los perfiles que dispongan en redes sociales y en otros sitios web. Curioso que en sus formularios incorpore el sistema reCaptcha, del cual les01 jul 2007 11:32
-
4
Y por último, los usuarios que no dispongan de cuenta, deberán, obviamente, crearse las suyas propias. Ellos, a diferencia de nosotros, encontrarán que a partir de ahora, para poder crearse sus cuentas, en el formulario se encontrarán con el sis27 ago 2007 17:15
-
5
Y por último, los usuarios que no dispongan de cuenta, deberán, obviamente, crearse las suyas propias. Ellos, a diferencia de nosotros, encontrarán que a partir de ahora, para poder crearse sus cuentas, en el formulario se encontrarán con el sis27 ago 2007 17:27
-
6
De entre todos los sistemas de almacenamiento de archivos online, File.io nos propone un servicio diferente, más sencillo si cabe. Simplemente tendremos que crear nuestro propio directorio a través del formulario, establecer una contraseña y, pas18 dic 2007 20:39
WSL Weblogs SL
Tecnología
Entretenimiento
Motor y deportes
Economía
WSL Empresas
Destacado
Top 10
Lo+leído
- Talkster, llamadas internacionales gratis con Google Talk
- Microsoft ha dejado de vender Windows XP
- Tape.tv, horas y horas de clips musicales
- Mejorando el rendimiento de Windows Vista: Cuales trucos sirven y cuales no
- Windows Live Messenger: Plugins
- Especial Firefox 3: más velocidad al mismo precio
- Flash Drive Reminder, que no se te olvide el pendrive
- Ahorra dinero, tinta y papel al imprimir en Microsoft Word 2007
- Freetos especial Eurocopa: si querías fútbol, aquí tienes dos tazas
- Usplash: instalar temas y personalizar el arranque de Ubuntu
Lo+votado
Lo+leído
- Mejorando el rendimiento de Windows Vista: Cuales trucos sirven y cuales no
- Microsoft ha dejado de vender Windows XP
- Imagen de la semana: Microsoft felicita a Mozilla por el lanzamiento de Firefox 3
- Flash Drive Reminder, que no se te olvide el pendrive
- Betabits a 25ºC, lo mejor para el verano digital
- Los buscadores ahora podrán indexar contenidos Flash
- Restauralius, directorio de restaurantes de toda España
- Recetae, directorio de recetas
- RSS Bandit ahora puede sincronizarse con Google Reader y NewsGator
- Freetos especial Eurocopa: si querías fútbol, aquí tienes dos tazas
Lo+comentado
- Microsoft ha dejado de vender Windows XP
- Talkster, llamadas internacionales gratis con Google Talk
- Imagen de la semana: Microsoft felicita a Mozilla por el lanzamiento de Firefox 3
- La primera Alpha de Ubuntu 8.10 viene con un nuevo tema oscuro
- Tuenti domina el mundo... al menos en España
- Especial Firefox 3: más velocidad al mismo precio
- Blogger Draft incorpora nuevas características
- Windows Live Messenger: clientes compatibles desde GNU/Linux
- Mejorando el rendimiento de Windows Vista: Cuales trucos sirven y cuales no
- CookiePie, por fin puedes acceder a la misma web con diferentes usuarios
Autores / Comentaristas
Autores
Comentaristas
- Rafael Galindo
- wfox
- Jarkendia
- ferru
- alexito4
- LepZ69
- ElHobbit
- tool
- Kirtash
- Eraklion
captchas
Sé como funciona un captcha pero no me queda nada claro como se decide que palabras no ha traducido/identificado bien el OCR.
A lo sumo cabe determinar que una palabra generada por el OCR no está en un dicionario, pero aun resultando ser una palabra del diccionario no hay garantia de que sea exactamente la palabra correcta.
Con todo, ya es un avance la resolucion de aquellas palabras sin sentido, pero a fin de cuentas se requiere una lectura y comparacion directa entre la imagen del texto y el texto producido por el OCR.
La forma mas eficiente y comoda de facilitar el trabajo de revision de un OCR consistiria en mostrar como imagen de fondo la imagen de una pagina y sobreimpresionado en primer plano el editor de texto que mostraria entre lineas los renglones del OCR directamente editables por el usuario.
De este modo una simple mirada de conjunto bien podria identificar rapidamente palabras que no concuerdan y eventualmente procederia el reemplazo automatico de todos aquellos errores completamente identicos.