Statistical learning for OCR error correction

Modern OCR engines incorporate some form of error correction, typically based on dictionaries. However, there are still residual errors that decrease performance of natural language processing algorithms applied to OCR text. In this paper, we present a statistical learning model for post-processing OCR errors, either in a fully automatic manner or followed by minimal user interaction to further reduce error rate. Our model employs web-scale corpora and integrates a rich set of linguistic features. Through an interdependent learning pipeline, our model produces and continuously refines the error detection and suggestion of candidate corrections. Evaluated on a historical biology book with complex error patterns, our model outperforms various baseline methods in the automatic mode and shows an even greater advantage when involving minimal user interaction. Quantitative analysis of each computational step further suggests that our proposed model is well-suited for handling volatile and complex OCR error patterns, which are beyond the capabilities of error correction incorporated in OCR engines.     

Inspired by Statistics?

This article considers being inspired by statistics as both a learner and a teacher. It looks particularly at a task involving research of Minard's Map, a statistical representation, to create and present a statistical task for a learner. It describes how the use of imagery, and the enthusiasm that developed as the map and its context were explored by the teacher, were passed on to the learner.     

情报信息因果分析的多变量回归模型网络软件MultiVarRegr

统计分析理论是信息分析的重要基础,其中,回归模型可描述变量之间的定量因果关系,已得到了广泛应用.在情报信息研究中,可对文献资料、期刊发行、网络资源等进行回归,相关和预测分析.本研究开发了多变量回归模型的网络软件MultiVarRegr,适用于多因变量-多自变量、多因变量-单自变量、单因变量-多自变量及单因变量-单自变量的回归分析.该软件用程序设计工具Java开发,图型用户界面友好,简单易用,驻留于远程服务器,可在多种兼容Java的网络浏览器,如Internet Explorer、HotJava、NescapeNavigator上调和运行,不仅可独立使用,也可以作为网络软件包及网络数据库的嵌入程序.     

新经济时代统计信息的创新

以知识和信息为中心，以网络为基础的新经济时代的到来，给统计信息带来了新的机遇和挑战。统计信息要随着经济发展不断进行改革，在技术、设备、人才、服务等方面进行创新，以适应新时代的需要。     

泰山暴雨气候统计特征

笔者依据1954～1998年泰山气象站有关暴雨观测记录资料进行了较为详细的统计,其结果是：45年内共出现日雨量≥50mm暴雨日共222个,平均每年4．9个,最多年为12个,年平均暴雨口量为79．2mm。1989年全年未出现暴雨,为历年罕见。暴雨日最早出现在4月7日,最晚出现在10月29日。其中日雨量≥100mm的大暴雨日有44个,平均每年1个,最多年为4个,出现在1994年;≥200mm特大暴雨日只有1次,出现在1958年6月30日,日量为201．8mm。本文还对山上、山下（泰安）季、年、月、日暴雨变化规律进行了比较统计,为深入研究泰山暴雨变化规律提供了重要的基础资料。     

2012~2015年《上海教育评估研究》载文统计分析

以2012~2015 年出版的《上海教育评估研究》为研究对象,通过统计期刊的载文量,分析了其信息传递效率;通过统计期刊载文的合著规模、地域分布和发表多篇论文作者,分析了该刊的作者队伍;通过统计期刊论文的出版时滞,分析了其发文的及时性;通过统计期刊载文的引文数和引文半衰期,分析了其文献情报容量及传递新情报的速度。     

2010年澳网李娜、小威技战术统计分析与研究

运用录像观察、数理统计等方法,对李娜和小威在2010年澳网单打比赛中的技、战术指标进行统计,分析了世界优秀女子职业网球选手技战术及打法特点,探寻世界男女子职业网球选手的竞技能力特征,以期为我国女子网球的发展提供建议。     

1990—2009年中文体育类核心期刊网球运动科研论文的统计分析

文章从发表时间、科研方法、科研合作、研究领域、引文引用语种、作者地域、科研参与主体7个方面对1990-2009年我国中文体育类核心期刊有关网球运动的科研论文进行数理统计分析,结果表明：20年来我国网球运动科研论文的数量逐年增加,但科研成果的质量有待提高;高科技方法在网球科研方面的应用有所发展,但科研论文所采用的方法在综合运用方面欠缺;研究领域存在空缺和研究领域间的不均衡;引文引用语种单一且数量少;作者地域不均衡和科研的参与主体成分单一,并针对以上存在的问题提出相应的解决措施。     

对江苏省科技期刊的思考与展望——基于2011—2015年江苏省科技期刊的统计分析

【目的】 分析2011—2015年江苏省科技期刊建设的成果与不足,为江苏省科技期刊未来的发展提供建议和规划。【方法】 依据江苏省新闻出版广电局提供的期刊年检数据、中国科学技术信息研究所提供的科技期刊引证数据等,对江苏省科技期刊的出版发行、人才建设、网络化、学术质量、国际化等方面进行深度剖析,并与其他6个省市进行对比。【结果】 2011—2015年,江苏省科技期刊各方面都保持稳定发展,学术质量持续提高,但是网络化建设水平较低,缺少具有国际影响力的顶尖期刊。【结论】 江苏省科技期刊应该重视网络平台的建设,并重点打造一批具有国际影响力的顶尖科技期刊。