Taranmış belgeleri aranabilir hale getirmek

Görünen metin, aranabilir metin değildir

Taranmış bir PDF, bilgisayar açısından bir resimdir. Ekranda okuyabilirsiniz, ama içinde arama yapılamaz ve yapay zekâ aracı metni göremez. Metin tanıma (OCR) sayfadaki harfleri okuyarak belgeye bir metin katmanı kazandırır.

Dil paketi neden önemli?

Metin tanıma motorları hangi dilde okuduklarını bilmek ister. Türkçe dil verisi olmadan ç, ğ, ı, ö, ş, ü harfleri sıkça yanlış okunur ve sözcükler aramada bulunamaz. Bir aracı değerlendirirken Türkçe taranmış bir belgeyle denemek, en hızlı testtir.

Hatalar nasıl görünür?

Türkçe dil verisiyle bile hata olur. Örneğin “ödenmemiştir” sözcüğü “6denmemistir” olarak okunabilir. Bu tür bir hata aramada sözcüğün kaçırılmasına, alıntıda ise yanlış metne yol açabilir. Tutar, tarih ve esas numarası gibi rakamlarda hata daha da önemlidir.

Pratik öneriler

• Mümkünse 300 dpi ve düz taranmış kopya kullanın; eğik ve gölgeli sayfalar hatayı artırır.
• Rakamları, tarihleri ve alıntıları her zaman özgün sayfayla karşılaştırın.
• Dilekçeye taşıyacağınız metni okunan metinden değil, belgenin kendisinden kontrol edin.
• El yazısı ve kaşe üzerindeki metinlerin güvenilir okunmasını beklemeyin.

Aramada anlamın payı

Anlama dayalı arama, tam kelime eşleşmesine ihtiyaç duymadığı için küçük okuma hatalarına karşı daha dayanıklıdır. Yine de bir sonucun doğruluğu her zaman özgün belgeyle sınanmalıdır.