第747章 计算机语言
第747章计算机语言
“或许还是需要进行人工干预,但是工作强度已经大大降低,我们可以通过拍照,扫描等方式,将生僻字的图片扫入计算机,让程序去分析它,最后得到标准点阵字,编码之后加入到字库当中,对字库进行扩充。”
“要实现这个功能需要有几个前提,第一就是字库当中要有足够的样本,这个我们已经已经完成,因为我们现在已经有了四万个标准点阵字的字稿。”
“还是拿《康熙字典》来举例,我们先将《康熙字典》上每一个单字的扫描图扫入文字识别系统,然后提取其字体参数特征,再将这些参数赋给已有的标准点阵字,让系统计算出根据这些参数产生的‘系统字’。”
“再拿这些生成的‘系统字’,与‘扫描字’进行校验,通过四万个标准字生成的‘系统字’,去验证参数的代表性,最后将参数调整到最佳。”
“得到参数体系之后,我们就能够将它套在扫描进来的生字上,最终得到《康熙字典》全部近六万个单字的标准点阵字,字库就从四万扩充到六万了。”
“这个思路倒是新颖,然而却也是可行的。”麦明川点头:“不过还是有问题,就是存储和运算。”
“我也拿《康熙字典》来举例,近六万个单字,就是近六万张图片,我们就拿一张图片五兆来计算,这就是300G的空间,这也太可怕了。”
“那王院长觉得,这个系统多大的图片存储容量,可以被接受呢?”
“一个G,”麦明川脱口而出,想了想觉得实在是有点欺负人:“最多最多,两个G。”
1G是1024M,两百张5M的图片,两G就是400张。
“也就是说,如果按照这个标准,这个系统能够一次同时完成四百个字的扫描分析和成字入库的工作?”
“那还得分串行并行。”李红江已经上套,开始思索程序的工作方式了:“涉及到时间成本,学校也不可能将有限的计算资源全拿来做这事儿。”
“那我们可不可以像上级求助呢?”周至问道:“我们先把基础工作做好,然后申请国家级的运算资源来完成它,有没有机会呢?”
“国家资源那更紧张,全国无数单位排队呢。”麦明川苦笑着摇头。
辜老说道:“那干脆这样,我们将工作再做细一点,肘子说的这个文字识别反向推算点阵字的程序咱们先缓一缓,第一步先集中精力把标准定出来。”
“与此同时,我们这边,再把现在的四万字稿扩到七万。”
“小李那边,抓紧先开发出读字稿的程序,咱们先把七万字稿的数字化工作完成。”
“之后再拿着这七万汉字的数字化成就,去跟那个统一码联盟谈判,并且要留够下一步继续拓展的空间,力争让我们的大字库成为全球统一标准。”
“有了这个大字库,咱们再制定出几个子集,满足国内国际不同应用场景的需求。到此我们的第一步工作是不是就算完成了?”
“至于肘子说的文字识别,那也相当重要。”辜振铎补充道:“这个可是我们下一步搞典籍数字化的神器啊!”
辜老不由得叹了一口气:“这不是资源有限,怕排不上嘛?”
“那也不一定。”周至说道:“咱们大可以将这些思路都给一股脑儿报上去,咱漫天要价,在等着部委落地还钱,取乎其上,得乎其中嘛!”
大佬们都哄笑起来,这肘子是懂部委的,要人家不拿捏你,百分之百满足你的要求,几乎都是不可能的,能够满足你五成那都是开恩了。
因此不妨将饼子划大一点,最后哪怕给砍掉一半,落个小饼子也差不多够吃。
今天只是一个务虚会,算是统合一下思路,研究一下文理跨学科合作的可能性,现在能够得到一个较为统一的意见,就已经算是超出会议预期了。
这里边主要功劳,还是周至已经完成的前期工作。
李红江就握着周至的手,热切地道:“要不再多修一个信息工程学位吧?我看肘子伱虽然是文科生,但信息技术的基础这么好,多修个学位一点问题都没有的。”
“精力实在是太有限了。”周至只能婉拒李红江的好意:“不过那个文字识别系统我是非常有兴趣的,李教授要是有兴趣,我也可以参与研究。”
“你对编程熟悉不?BASIC或者PASCAL。”到现在李开江绝不相信周至会是外行。
“我更熟悉C语言。”周至回忆起当年被代码支配的恐惧。
“C?”李红江感觉自己好像捡到宝了:“那UNIX呢?”
“UNIX也还行。”周至问道:“学校这是有新引进的小型机了?可以运行ANSIC的那种?”
对于多数人来说,两人的对话好比天书。
计算机语言最基本当然就是直接对芯片操作的指令集,例如最早的打孔纸带,直接就是零和一的组合。
这种语言对计算机来说最直接,但是对人来说最不友好。
于是人们就发明了一套基于芯片的“基本指令集”,这就是汇编语言。
汇编语言同样还是针对芯片,但是至少可以让专业人士读懂这程序是要让机器干什么的了。
但是汇编语言有个问题,那就是无法移植,因为它是针对某一类芯片开发的,换到另一类芯片上,另一类芯片就看不懂。
于是人类又想出一种办法,设计出编译库概念和更高一级的程序,这就是面向过程的编程语言,C语言就是其中的佼佼者。
C语言很难,原因就在于它具备汇编语言简洁高效的特征,因此工作迅速,代码紧凑,可读性比汇编语言好,最关键是容易调试,修改和移植。
程序员只负责写代码,代码写好之后对其进行编译,就能够转化为能让计算机读懂的二进制代码,称为“应用程序”。
针对不同的芯片类型,编译库中有不同的编译方式,可以将C语言编写的程序编译成能够在不同系统上运行的程序。
这就解决了程序的移植问题,让同一个程序,既可以在DOS系统里运用,也可以在苹果系统里运用,还可以在UNIX系统里运用,不用分别编写三套。
请收藏本站:https://www.bqg19.cc。笔趣阁手机版:https://m.bqg19.cc
“或许还是需要进行人工干预,但是工作强度已经大大降低,我们可以通过拍照,扫描等方式,将生僻字的图片扫入计算机,让程序去分析它,最后得到标准点阵字,编码之后加入到字库当中,对字库进行扩充。”
“要实现这个功能需要有几个前提,第一就是字库当中要有足够的样本,这个我们已经已经完成,因为我们现在已经有了四万个标准点阵字的字稿。”
“还是拿《康熙字典》来举例,我们先将《康熙字典》上每一个单字的扫描图扫入文字识别系统,然后提取其字体参数特征,再将这些参数赋给已有的标准点阵字,让系统计算出根据这些参数产生的‘系统字’。”
“再拿这些生成的‘系统字’,与‘扫描字’进行校验,通过四万个标准字生成的‘系统字’,去验证参数的代表性,最后将参数调整到最佳。”
“得到参数体系之后,我们就能够将它套在扫描进来的生字上,最终得到《康熙字典》全部近六万个单字的标准点阵字,字库就从四万扩充到六万了。”
“这个思路倒是新颖,然而却也是可行的。”麦明川点头:“不过还是有问题,就是存储和运算。”
“我也拿《康熙字典》来举例,近六万个单字,就是近六万张图片,我们就拿一张图片五兆来计算,这就是300G的空间,这也太可怕了。”
“那王院长觉得,这个系统多大的图片存储容量,可以被接受呢?”
“一个G,”麦明川脱口而出,想了想觉得实在是有点欺负人:“最多最多,两个G。”
1G是1024M,两百张5M的图片,两G就是400张。
“也就是说,如果按照这个标准,这个系统能够一次同时完成四百个字的扫描分析和成字入库的工作?”
“那还得分串行并行。”李红江已经上套,开始思索程序的工作方式了:“涉及到时间成本,学校也不可能将有限的计算资源全拿来做这事儿。”
“那我们可不可以像上级求助呢?”周至问道:“我们先把基础工作做好,然后申请国家级的运算资源来完成它,有没有机会呢?”
“国家资源那更紧张,全国无数单位排队呢。”麦明川苦笑着摇头。
辜老说道:“那干脆这样,我们将工作再做细一点,肘子说的这个文字识别反向推算点阵字的程序咱们先缓一缓,第一步先集中精力把标准定出来。”
“与此同时,我们这边,再把现在的四万字稿扩到七万。”
“小李那边,抓紧先开发出读字稿的程序,咱们先把七万字稿的数字化工作完成。”
“之后再拿着这七万汉字的数字化成就,去跟那个统一码联盟谈判,并且要留够下一步继续拓展的空间,力争让我们的大字库成为全球统一标准。”
“有了这个大字库,咱们再制定出几个子集,满足国内国际不同应用场景的需求。到此我们的第一步工作是不是就算完成了?”
“至于肘子说的文字识别,那也相当重要。”辜振铎补充道:“这个可是我们下一步搞典籍数字化的神器啊!”
辜老不由得叹了一口气:“这不是资源有限,怕排不上嘛?”
“那也不一定。”周至说道:“咱们大可以将这些思路都给一股脑儿报上去,咱漫天要价,在等着部委落地还钱,取乎其上,得乎其中嘛!”
大佬们都哄笑起来,这肘子是懂部委的,要人家不拿捏你,百分之百满足你的要求,几乎都是不可能的,能够满足你五成那都是开恩了。
因此不妨将饼子划大一点,最后哪怕给砍掉一半,落个小饼子也差不多够吃。
今天只是一个务虚会,算是统合一下思路,研究一下文理跨学科合作的可能性,现在能够得到一个较为统一的意见,就已经算是超出会议预期了。
这里边主要功劳,还是周至已经完成的前期工作。
李红江就握着周至的手,热切地道:“要不再多修一个信息工程学位吧?我看肘子伱虽然是文科生,但信息技术的基础这么好,多修个学位一点问题都没有的。”
“精力实在是太有限了。”周至只能婉拒李红江的好意:“不过那个文字识别系统我是非常有兴趣的,李教授要是有兴趣,我也可以参与研究。”
“你对编程熟悉不?BASIC或者PASCAL。”到现在李开江绝不相信周至会是外行。
“我更熟悉C语言。”周至回忆起当年被代码支配的恐惧。
“C?”李红江感觉自己好像捡到宝了:“那UNIX呢?”
“UNIX也还行。”周至问道:“学校这是有新引进的小型机了?可以运行ANSIC的那种?”
对于多数人来说,两人的对话好比天书。
计算机语言最基本当然就是直接对芯片操作的指令集,例如最早的打孔纸带,直接就是零和一的组合。
这种语言对计算机来说最直接,但是对人来说最不友好。
于是人们就发明了一套基于芯片的“基本指令集”,这就是汇编语言。
汇编语言同样还是针对芯片,但是至少可以让专业人士读懂这程序是要让机器干什么的了。
但是汇编语言有个问题,那就是无法移植,因为它是针对某一类芯片开发的,换到另一类芯片上,另一类芯片就看不懂。
于是人类又想出一种办法,设计出编译库概念和更高一级的程序,这就是面向过程的编程语言,C语言就是其中的佼佼者。
C语言很难,原因就在于它具备汇编语言简洁高效的特征,因此工作迅速,代码紧凑,可读性比汇编语言好,最关键是容易调试,修改和移植。
程序员只负责写代码,代码写好之后对其进行编译,就能够转化为能让计算机读懂的二进制代码,称为“应用程序”。
针对不同的芯片类型,编译库中有不同的编译方式,可以将C语言编写的程序编译成能够在不同系统上运行的程序。
这就解决了程序的移植问题,让同一个程序,既可以在DOS系统里运用,也可以在苹果系统里运用,还可以在UNIX系统里运用,不用分别编写三套。
请收藏本站:https://www.bqg19.cc。笔趣阁手机版:https://m.bqg19.cc