Offline-Kategorisierung von Gujarati-Wörtern durch maschinelles Lernen

Der Beitrag für Handheld-Geräte, die eine herkömmliche Konsole verwenden, ist für indische Inhalte aufgrund der umfangreichen und komplexen Zeichensätze kein leicht verständlicher Prozess. Handschriftliche Zeichenerkennung kann eine ideale Lösung sein. Die handschriftliche Zeichenerkennung gewinnt zunehmend an Bedeutung in der Region der Beispielkoordination und KI. Die Erkennung benannter Klassifizierungen ist eine Strategie, um ein bestimmtes benanntes Feld aus einem Datensatz oder einem Bild zu finden, es zu speichern und es in angegebene Entitätsklassen wie Name, Ort, Organisation, Zahlen und andere Kategorien einzuteilen. Die Hauptmotivation hinter der Verwendung von hybriden Merkmalen ist, dass sie eine bessere Ausführung bieten und effektiv für alle Dialekte aktualisiert werden können. Für einige Dialekte wie Englisch, Griechisch, Chinesisch und so weiter wurde bereits ein beachtliches Maß an Arbeit geleistet. Doch gleichzeitig ist ein breites Spektrum für Sprachen indischen Ursprungs wie Hindi, Gujarati und Devanagari usw. offen.

Autorentext
Solanki, Prof. AmitProf. Amitkumar Solanki arbeitet am Sigma Institute of Engineering Vadodara. Er hat seinen B.E. an der Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal, abgeschlossen und seinen M.E. am Sigma Institute of Engineering Vadodara gemacht.