Nhận dạng chữ nôm bằng máy véc tơ hỗ trợ (SVM)

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TRẦN NGHI PHÚ NHẬN DẠNG CHỮ NÔM BẰNG MÁY VÉC-TƠ HỖ TRỢ (SVM) Ngành:Công nghệ thông tin Chuyên ngành:Công nghệ phần mềm Mã số:60 48 10 LUẬN VĂN THẠC SĨ Hà Nội – 2013 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TRẦN NGHI PHÚ NHẬN DẠNG CHỮ NÔM BẰNG MÁY VÉC-TƠ HỖ TRỢ (SVM) Ngành: Công nghệ thông tin Chuyên ngành: Công nghệ phần mềm Mã số: LUẬN VĂN THẠC SĨ NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN NGỌC BÌNH Hà Nội – 2013 MỤC LỤC MỞ ĐẦU Chƣơng TỔNG QUAN CHỮ NÔM 1.1 Lịch sử số đặc điểm chữ Nôm 1.2 Cấu tạo chữ Nôm 1.2.1 Chữ Nôm mượn nguyên dạng chữ Hán 1.2.2 Chữ Nôm tạo sở kết hợp hai chữ Hán 1.2.3 Chữ Nôm tạo sở kết hợp chữ Hán chữ Nôm 1.3 Một số thống kê chữ Nôm Tổng kết chƣơng .10 Chƣơng NHẬN DẠNG CHỮ NÔM 11 2.1 Nhận dạng ký tự quang học .11 2.2.1 CherryBlossom 12 2.2.2 Tesseract 13 2.3 Mơ hình OCR chữ Trung Quốc 16 2.3.2 Phân đoạn 18 2.3.3 Chuẩn hóa ký tự 19 2.3.4 Nhận dạng 19 2.3.5 Các kết đạt vấn đề đặt 20 2.4 Bài toán nhận dạng chữ Nôm 21 Tổng kết chƣơng .23 Chƣơng MÁY VÉC-TƠ HỖ TRỢ (SVM) .24 3.1 Tổng quan SVM .24 3.2 SVM tuyến tính 24 3.2 Lề mềm 26 3.3 SVM phi tuyến .26 3.4 SVM cho toán phân đa lớp 28 Tổng kết chƣơng .30 Chƣơng GIẢI THUẬT KSVM CHO NHẬN DẠNG CHỮ NÔM 31 4.1 Giải thuật KSVM cho nhận dạng chữ Nôm 31 4.2 Phƣơng pháp trích chọn đặng trƣng trọng số vùng (Zoning) 32 4.3 Huấn luyện (trainning) 33 3.2.1 Xây dựng nhận dạng OVOF 34 3.2.2 Tạo mẫu đại diện 34 3.2.3 Phân cụm K-Mean 35 4.4 Nhận dạng (Recognition) 36 Tổng kết chƣơng .37 Chƣơng THỰC NGHIỆM, ĐÁNH GIÁ 38 5.1 Quy trình thực nghiệm .38 5.2 Xây dựng liệu thực nghiệm .39 5.3 Tiến hành thực nghiệm .42 5.3.1 Mục tiêu .42 5.3.2.Cách thực 43 5.4 Kết thực nghiệm 43 5.5 Đánh giá kết 44 Tổng kết chƣơng .45 KẾT LUẬN .46 TÀI LIỆU THAM KHẢO .48 PHỤ LỤC A .50 PHỤ LỤC B .62 DANH MỤC CÁC TỪ VIẾT TẮT STT Từ A B J k K O 10 11 O 12 O 13 14 15 16 P 17 18 S DANH MỤC BẢNG BIỂU Bảng 1.1 Một số hình thức chữ Nơm mượn ngun dạng chữ Hán Bảng 1.2 Một số thủ dùng chữ Nôm Bảng 1.3 Tỷ lệ chữ Nôm vay mượn qua thời kỳ Bảng 2.1 Kết đánh giá độ xác Tesseract UNLV 1995 Bảng 2.2 Kết so sánh khả nhận dạng FineReader Tesseract Bảng 3.1 So sánh độ xác số phương pháp SVM đa lớp Bảng 5.1 Kết thực nghiệm KSVM với liệu NOM-DB0 DANH MỤC HÌNH VẼ Hình 1.1 Tỉ lệ tài liệu chữ Nôm lĩnh vực Hình 1.2 Phân bố tài liệu chữ Nơm theo thời kỳ Hình 2.1 Ứng dụng tự động chụp ảnh dịch di động bút chuyên dụng Hình 2.2 Framework nhận dạng chữ tượng hình JOCR Hình 2.3 Kiến trúc tổng quát Tesseract Hình 2.4 Các bước nhận dạng chữ Trung Quốc Hình 2.5 Quy trình nhận dạng đệ quy Hình 2.6 Quá trình phần đoạn tiếng Trung Quốc Hình 2.7 Sơ đồ bước nhận dạng chữ Hán Hình 2.8 Sơ đồ tổng thể mơ hình nhận dạng chữ Nơm đề xuất Hình 2.9 Mơ hình nhận dạng chữ Nơm luận văn Hình 3.1 Tìm siêu phẳng có lề cực đại Hình 3.2 Xác định lề, tham số phạt SVM Hình 3.3 Ánh xạ khơng gian đặc trưng chiều sang chiều Hình 3.4 Khả phân lớp kết hợp SVM với hàm nhân Hình 3.5 Minh họa bước nhận dạng OVO Hình 4.1 Giải thuật trích chọn đặc trưng trọng số vùng (Zoning) Hình 4.2 Ảnh nhị phân ký tự tiếng Trung Quốc Hình 4.3 Số điểm đen theo lưới 3x3 Hình 4.4 Mật độ số điểm đen theo lưới 3x3 Hình 4.5 Lưu đồ huấn luyện giải thuật KSVM Hình 4.6 Lưu đồ thuật tốn K-Mean Hình 4.7 Nhận dạng KSVM Hình 5.1 Quy trình tiến hành thực nghiệm Hình 5.2 Giao diện chương trình thực nghiệm Hình 5.3 Bản số hóa dịch nghĩa trong truyện Kiều Hình 5.4 Kết phân tích để thu dược mã chữ Nôm truyện kiều từ kho nomna.org Hình 5.5 Tách chữ Nơm từ ảnh Hình 5.6 Một số mẫu chữ Nôm sở liệu NomDB0 MỞ ĐẦU Tính cấp thiết Chữ Nơm di sản văn hoá minh chứng cho truyền thống văn hiến lâu dài dân tộc Việt Nam Nghiên cứu chữ Nơm góp phần khẳng định tự hào dân tộc, khám phá nét văn hóa, lịch sử, khoa học đặc sắc qua thờ kỳ dân tộc Do việc phục hồi phát triển chữ Nôm xã hội ngày qua tâm qua nhiều hoạt động, cơng trình nghiên cứu nhiều phương diện ngơn ngữ học, lịch sử, văn hóa… Song nghiên cứu chữ Nơm cịn nhiều nhiệm vụ khó khăn, nhiệm vụ cơng nghệ thông tin - xây dựng nhận dạng ký tự quang học cho chữ Nôm hay Nôm-OCR Với tất chữ viết phổ biến giới,việc xây dựng OCR cho chữ viết trở thành nhiệm vụ nghiên cứu quan trọng Với nỗ lực nghiên cứu mang lại thành tựu to lớn, góp phần quan trọng làm chủ chữ viết người khoa học công nghệ Khi xây dựng thành công OCR cho ngôn ngữ, rào cản để máy hiểu chữ viết tháo bỏ bớt Khi đó, ta hồn tồn xử lý ngơn ngữ, chữ viết hay sâu kho tri thức biểu thị ngơn ngữ với tốc độ máy, tiến khoa học máy tính Xét mặt công nghệ thông tin ngôn ngữ học, xem đóng góp khổng lồ Thực trạng ngày nay, số người biết chữ Nơm ngày làm cho tri thức chữ Nôm ngày mai Ngược lại lại sở hữu kho tàng tri thức khổng lồ chữ Nôm nhiều phương diện sách, gia phả, ấn phong… đặc biệt hệ thống đồ sộ bia đá, câu đối cơng trình di tích, chứng sống lịch sử, biểu tượng văn hóa, lịch sử Việt với giới Nếu khơng có hỗ trợ mạnh mẽ khoa học để khai thác kho tri thức Nôm khổng lồ này, ngày mù chữ dân tộc mình, dần sau trở nên tan biến Việc xây dựng Nôm-OCR tạo điều kiện khai thác số tri thức Nôm khổng lồ, ứng dụng vào tìm hiểu cơng trình, bia, câu đối cổ ứng dụng tích hợp thiết bị di động máy tính, hay nói cách khác làm thiết bị biết giải thích chữ Nơm từ góp phần ý nghĩa khảo cổ, khám phá văn hóa, khám phá du lịch Tình hình nghiên cứu Nghiên cứu chữ Nơm nhiều nhóm gần quan tâm phương diện ngôn ngữ học công nghệ thông tin Một thành tựu việc hình thành từ điển chữ Nơm, hình thành kho chữ Nơm số hóa, số hóa giải mã nhiều tài liệu chữ Nôm truyện Kiều Hán Nôm Foundation Tiếp tới, sau nỗ lực thời gian dài, chữ Nôm xác lập vị trí ký tự giới Unicode ISO 10646, có 5067 ký tự trùng hình với chữ Trung Quốc, 4232 chữ Nơm đề nghị đưa vào thêm 2200 Kế tiếp bước đó, nhiều font Nơm, gõ chữ Nôm xây dựng Và bước tiếp lộ trình xây dựng OCR-Nơm, chưa có kết nghiên cứu đề cập đến vấn đề trên, có khó khăn định khó khăn thường gặp vấn đề liệu để nghiên cứu Các OCR tượng tiếng Trung, Nhật nghiên cứu nhiều đạt kết khả quan, ứng dụng rộng rãi thực tế kể đến sản phẩm nguồn mở Tesseract, KanjiPad - phần mềm nhận dạng chữ viết tay Nhật Bản, Readiris Pro 11 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 PHỤ LỤC B MỘT SỐ MẪU CHỮ NÔM TRONG NƠM-DB0 Mẫu chữ Nơm thu Scan mẫu độ dáng 0, độ tương phản Mẫu chữ Nôm thu Scan mẫu độ dáng 20, độ tương phản -14 Mẫu chữ Nôm thu Scan mẫu độ dáng -61, độ tương phản -58 Mẫu chữ Nôm thu Scan mẫu độ dáng 50, độ tương phản 68 Mẫu chữ Nôm thu Scan mẫu độ dáng -68, độ tương phản -68 Mẫu chữ Nôm font NomNaTong sau tách rời Mẫu chữ Nôm font Han Nom B sau tách rời Mẫu chữ Nôm font Han Nom A sau tách rời ... gồm loại: Chữ Nơm mượn nguyên dạng chữ Hán, chữ Nôm tạo sở kết hợp hai chữ Hán, chữ Nôm tạo sở kết hợp chữ Hán chữ Nôm 1.2.1 Chữ Nôm mượn nguyên dạng chữ Hán Trong nhóm này, xét mặt hình chữ Nơm... CHỮ NÔM 1.1 Lịch sử số đặc điểm chữ Nôm 1.2 Cấu tạo chữ Nôm 1.2.1 Chữ Nôm mượn nguyên dạng chữ Hán 1.2.2 Chữ Nôm tạo sở kết hợp hai chữ Hán 1.2.3 Chữ. .. thuật Máy véc- tơ hỗ trợ (SVM) đưa mơ hình ứng dụng SVM nhận dạng chữ Nơm từ đưa đánh giá đề xuất hướng nghiên cứu cải tiến Những nội dung nghiên cứu Chúng tơi tìm hiểu tổng quan chữ Nơm tốn nhận dạng