“或許還是需要進行人工幹預,但是工作強度已經大大降低,我們可以通過拍照,掃描等方式,將生僻字的圖片掃入計算機,讓程序去分析它,最後得到標準點陣字,編碼之後加入到字庫當中,對字庫進行擴充。”


    “要實現這個功能需要有幾個前提,第一就是字庫當中要有足夠的樣本,這個我們已經已經完成,因為我們現在已經有了四萬個標準點陣字的字稿。”


    “還是拿《康熙字典》來舉例,我們先將《康熙字典》上每一個單字的掃描圖掃入文字識別係統,然後提取其字體參數特征,再將這些參數賦給已有的標準點陣字,讓係統計算出根據這些參數產生的‘係統字’。”


    “再拿這些生成的‘係統字’,與‘掃描字’進行校驗,通過四萬個標準字生成的‘係統字’,去驗證參數的代表性,最後將參數調整到最佳。”


    “得到參數體係之後,我們就能夠將它套在掃描進來的生字上,最終得到《康熙字典》全部近六萬個單字的標準點陣字,字庫就從四萬擴充到六萬了。”


    “這個思路倒是新穎,然而卻也是可行的。”麥明川點頭:“不過還是有問題,就是存儲和運算。”


    “我也拿《康熙字典》來舉例,近六萬個單字,就是近六萬張圖片,我們就拿一張圖片五兆來計算,這就是300g的空間,這也太可怕了。”


    “那王院長覺得,這個係統多大的圖片存儲容量,可以被接受呢?”


    “一個g,”麥明川脫口而出,想了想覺得實在是有點欺負人:“最多最多,兩個g。”


    1g是1024m,兩百張5m的圖片,兩g就是400張。


    “也就是說,如果按照這個標準,這個係統能夠一次同時完成四百個字的掃描分析和成字入庫的工作?”


    “那還得分串行並行。”李紅江已經上套,開始思索程序的工作方式了:“涉及到時間成本,學校也不可能將有限的計算資源全拿來做這事兒。”


    “那我們可不可以像上級求助呢?”周至問道:“我們先把基礎工作做好,然後申請國家級的運算資源來完成它,有沒有機會呢?”


    “國家資源那更緊張,全國無數單位排隊呢。”麥明川苦笑著搖頭。


    辜老說道:“那幹脆這樣,我們將工作再做細一點,肘子說的這個文字識別反向推算點陣字的程序咱們先緩一緩,第一步先集中精力把標準定出來。”


    “與此同時,我們這邊,再把現在的四萬字稿擴到七萬。”


    “小李那邊,抓緊先開發出讀字稿的程序,咱們先把七萬字稿的數字化工作完成。”


    “之後再拿著這七萬漢字的數字化成就,去跟那個統一碼聯盟談判,並且要留夠下一步繼續拓展的空間,力爭讓我們的大字庫成為全球統一標準。”


    “有了這個大字庫,咱們再製定出幾個子集,滿足國內國際不同應用場景的需求。到此我們的第一步工作是不是就算完成了?”


    “至於肘子說的文字識別,那也相當重要。”辜振鐸補充道:“這個可是我們下一步搞典籍數字化的神器啊!”


    辜老不由得歎了一口氣:“這不是資源有限,怕排不上嘛?”


    “那也不一定。”周至說道:“咱們大可以將這些思路都給一股腦兒報上去,咱漫天要價,在等著部委落地還錢,取乎其上,得乎其中嘛!”


    大老們都哄笑起來,這肘子是懂部委的,要人家不拿捏你,百分之百滿足你的要求,幾乎都是不可能的,能夠滿足你五成那都是開恩了。


    因此不妨將餅子劃大一點,最後哪怕給砍掉一半,落個小餅子也差不多夠吃。


    今天隻是一個務虛會,算是統合一下思路,研究一下文理跨學科合作的可能性,現在能夠得到一個較為統一的意見,就已經算是超出會議預期了。


    這裏邊主要功勞,還是周至已經完成的前期工作。


    李紅江就握著周至的手,熱切地道:“要不再多修一個信息工程學位吧?我看肘子你雖然是文科生,但信息技術的基礎這麽好,多修個學位一點問題都沒有的。”


    “精力實在是太有限了。”周至隻能婉拒李紅江的好意:“不過那個文字識別係統我是非常有興趣的,李教授要是有興趣,我也可以參與研究。”


    “你對編程熟悉不?basic或者pascal。”到現在李開江絕不相信周至會是外行。


    “我更熟悉c語言。”周至回憶起當年被代碼支配的恐懼。


    “c?”李紅江感覺自己好像撿到寶了:“那unix呢?”


    “unix也還行。”周至問道:“學校這是有新引進的小型機了?可以運行ansic的那種?”


    對於多數人來說,兩人的對話好比天書。


    計算機語言最基本當然就是直接對芯片操作的指令集,例如最早的打孔紙帶,直接就是零和一的組合。


    這種語言對計算機來說最直接,但是對人來說最不友好。


    於是人們就發明了一套基於芯片的“基本指令集”,這就是匯編語言。


    匯編語言同樣還是針對芯片,但是至少可以讓專業人士讀懂這程序是要讓機器幹什麽的了。


    但是匯編語言有個問題,那就是無法移植,因為它是針對某一類芯片開發的,換到另一類芯片上,另一類芯片就看不懂。


    於是人類又想出一種辦法,設計出編譯庫概念和更高一級的程序,這就是麵向過程的編程語言,c語言就是其中的佼佼者。


    c語言很難,原因就在於它具備匯編語言簡潔高效的特征,因此工作迅速,代碼緊湊,可讀性比匯編語言好,最關鍵是容易調試,修改和移植。


    程序員隻負責寫代碼,代碼寫好之後對其進行編譯,就能夠轉化為能讓計算機讀懂的二進製代碼,稱為“應用程序”。


    針對不同的芯片類型,編譯庫中有不同的編譯方式,可以將c語言編寫的程序編譯成能夠在不同係統上運行的程序。


    這就解決了程序的移植問題,讓同一個程序,既可以在dos係統裏運用,也可以在蘋果係統裏運用,還可以在unix係統裏運用,不用分別編寫三套。

章節目錄

閱讀記錄

重生之乘風而起所有內容均來自互聯網,uu小說網隻為原作者二子從周的小說進行宣傳。歡迎各位書友支持二子從周並收藏重生之乘風而起最新章節