تشخیص دست‌نوشتۀ‌ برخط فارسی با استفاده از مدل زبانی و کاهش قوانین نگارش کاربر

پیوسته بودن کلمات فارسی و وجود تنوع بسیار زیاد رسم الخط این زبان و همچنین شکل های متنوع حروف فارسی بسته به محل قرارگیری شان در کلمه، تشخیص دست نوشته های فارسی را به چالش کشانده اند. مهم ترین اشکال در اغلب روش های بازشناسی بی توجهی به بافت جمله است که باعث می شود در مواردی که کلمه ورودی اشتباه بازشناسی می شود، واژه ای با ظاهر درست در جمله ای نابه جا به کار رود. طراحی مدلی که بتواند بافت جمله را به خوبی تحلیل کند، مستلزم در اختیار داشتن منابع زبانی حجیمی است که نمایندۀ خوبی از زبان مورد بازشناسی باشند. در این مقاله روش جدیدی برای بازشناسی کلمات برخط فارسی ارائه شده است که با استفاده از بافت جمله سعی در بهبود بازشناسی دارد. فرآیند بازشناسی معرفی شده در این نوشتار به این صورت است که ابتدا علائم و بدنه زیرکلمات دست نوشته ورودی تفکیک شده و بدنه هر زیرکلمه و علائم آن مشخص می شود؛ سپس علائم زیرکلمات تشخیص داده شده و بر اساس آن مجموعه ای از واژگان به عنوان فرضیه در نظر گرفته می شوند؛ به هر فرضیه بر اساس میزان شباهت آن به دست نوشته ورودی امتیازی تعلق می گیرد و بر اساس امتیاز حاصله محتمل ترین فرضیات مشخص می شوند. سپس این رویه توسط مدل زبانی برای یافتن فرضیات محتمل تر، هدایت می شود. نتایج آزمایش های به عمل آمده نشان می دهد که کاهش قابل توجهی در نرخ خطای بازشناسی کلمات حاصل شده و کاربر در نگارش ملزم به رعایت محدودیت های کمتری است. از طرفی روش پیشنهادی می تواند نسبت به روش های قبلی با در اختیار داشتن یک پایگاه داده دست نویس محدود، صحت مطلوب تری ارائه کند. با به کارگیری روش ارائه شده، دقت بازشناسی در مرحلۀ اولیه در سطح حروف 9/95% و پس از بازشناسی به کمک مدل زبانی دقت بازشناسی به 3/99% ارتقا یافت. برای بهبود عملکرد الگوریتم، استفاده از الگوریتم یادگیری تقویتی برای تطبیق پذیری الگوریتم با نویسنده به عنوان کار آینده پیشنهاد می شود.