Árabe digital

os científicos informáticos del Center for Unified Biometrics and Sensors están desarrollando el primer programa de reconocimiento óptico de caracteres para documentos escritos a mano o a máquina en árabe.

Gracias a este "soft", será posible escanear digitalmente documentos en esta lengua y buscar información específica, ya sea datos de inteligencia o para otras aplicaciones, explica Venu Govindaraju, principal investigador del proyecto.

El árabe tiene 235 millones de hablantes en el mundo, siendo el cuarto más utilizado. Para los musulmanes es el lenguaje en el que están escritos sus textos religiosos.

Si actualmente tuviéramos miles de documentos en árabe y quisiéramos escanearlos en busca de palabras clave específicas para reducir su número antes de su revisión manual, no podríamos hacerlo. El nuevo software OCR ampliará el número de recursos y documentos escritos accesibles, ayudando a recortar la separación digital existente entre aquellos que hablan inglés y los que no, como puede verse en Internet. Si no se desarrollan OCRs para lenguajes particulares, existe el temor de que ciertos textos clásicos sean literalmente olvidados con el paso del tiempo. La automatización de la interpretación del árabe escrito tendrá muchos beneficios y diversas aplicaciones.

Pero el árabe es un lenguaje escrito difícil para la ciencia informática. Los caracteres pueden tener diferentes formas si aparecen al principio, en el medio o al final de una palabra. Además, la separación entre palabras no queda siempre bien marcada, y las vocales árabes se pronuncian pero a menudo no se escriben.

Un programa OCR entrena literalmente al ordenador a interpretar correctamente las imágenes de un alfabeto en particular, basándose en datos verificados previamente por humanos. Govindaraju ya había participado en el desarrollo de un OCR capaz de interpretar direcciones postales escritas a mano y en inglés, un avance que ayudó a otros estudios de reconocimiento de escritura manual, un campo muy utilizado hoy en día, por ejemplo en los asistentes digitales personales.

Información adicional en: University at Buffalo