କୋଷ ଗଢ଼ିବା ବିନା ଏକ ତାଲିକା ପଢ଼ନ୍ତୁ

What this lesson is about

ମୁଦ୍ରିତ ତାଲିକା ଏବଂ ଭରାଯାଇଥିବା ଫର୍ମକୁ ସଠିକ୍ ଭାବେ କପି କରନ୍ତୁ, ଏବଂ ପ୍ରତ୍ୟେକ ସେଲ୍ ଯାହା ଆପଣ ସତ୍ୟରେ ପଢ଼ିପାରୁନାହାନ୍ତି ସେଗୁଡ଼ିକୁ ଚିହ୍ନିତ କରନ୍ତୁ।

ଏକ ସ୍କ୍ୟାନ୍ କରାଯାଇଥିବା ଜମି ରେକର୍ଡ: ଏକ ଛପା ଗ୍ରିଡ୍, ଏକ ପୂରଣ ଫର୍ମ, ଏବଂ ଏକ ଡାବା ତଳେ ଲୁଚାଯାଇଥିବା ଏକ ବକ୍ସ। ଆପଣ କିପରି ଟାଇପ୍ କରିବେ?

Why this matters

PubTables କାମ ସାଧାରଣ ତ୍ରୁଟିକୁ ନାମ ଦେଇଥାଏ: ଏକ ତାଲିକାକୁ ଦୁଇ ଭିନ୍ନ ଭାବରେ ଟାଇପ୍ କରାଯିବା। ପ୍ରତ୍ୟେକ ପଙ୍କ୍ତିରେ ଲାଗୁଥିବା ଏକ ଲିଖିତ ନିୟମ ଦୁଇ ଲୋକଙ୍କ କାମକୁ ମେଳାଇଥାଏ।

ମୁଦ୍ରିତ ତାଲିକା ଏବଂ ଭରାଯାଇଥିବା ଫର୍ମକୁ ଏକଟି ସେଲ୍ ଗଢ଼ା ବିନା ଟାଇପ୍ କରିପାରିବେ।

ତାଲିକାକୁ ସଠିକ୍ ଭାବେ କପି କରନ୍ତୁ, ଖାଲି ସେଲ୍ ଏବଂ ପଢ଼ିବା କ୍ରମ ସହିତ।
ହସ୍ତଲିପି, ମୁହର ଏବଂ ଓଭରଲ୍ୟାପ୍ ହୋଇଥିବା ଟେକ୍ସଟ୍ ଡକ୍ୟୁମେଣ୍ଟ କାମକୁ ଭଙ୍ଗ କରେ। ସେଗୁଡ଼ିକୁ ଚିହ୍ନିତ କରନ୍ତୁ, ଅନୁମାନ କରନ୍ତୁ ନାହିଁ।
ଆପଣ ପଢ଼ିପାରିନଥିବା ପୃଷ୍ଠାର ଅଂଶକୁ ରିପୋର୍ଟ କରନ୍ତୁ; ସେହି ସଂଖ୍ୟା ବ୍ୟାଚ୍ ଗୁଣତ୍ୱ ହେଉଛି।

Task

ଏକ ସ୍କ୍ୟାନ୍ କରାଯାଇଥିବା ଜମି ରେକର୍ଡ୍: ଉପରେ ମୁଦ୍ରିତ ତାଲିକା, ତଳେ ହସ୍ତଲିପି ଫର୍ମ, ଏକ ସେଲ୍ ମୁହର ତଳେ।

Weak approach ମୁହର ତଳେ ସମ୍ଭାବ୍ୟ ସଂଖ୍ୟା ଟାଇପ୍ କରିବା, ଏବଂ ସମୟ ବଞ୍ଚାଇବା ପାଇଁ ଦୁଇଟି ଖାଲି ସେଲ୍ ଛାଡ଼ିଦେବା।

Stronger approach ପଢ଼ିବା କ୍ରମରେ ପ୍ରତ୍ୟେକ ସେଲ୍ ଟାଇପ୍ କରାଯାଇଛି, ଖାଲି ସେଲ୍ ସହିତ। ମୁହର ତଳେ ଥିବା ସେଲ୍ ‘ପଢ଼ିପାରିଲେ ନାହିଁ’ ବୋଲି ଚିହ୍ନିତ। ଟୀପ୍ପଣୀ କହେ ୬୦ ମଧ୍ୟରୁ ୪ଟି ସେଲ୍ ପଢ଼ିପାରିଲେ ନାହିଁ।

Why the stronger approach works ଜମି ରେକର୍ଡ୍‌ରେ ଅନୁମାନ କରାଯାଇଥିବା ସଂଖ୍ୟା ଖାଲି ସେଲ୍ ଠାରୁ ଖରାପ। ପରେ କେହି ଦେଖିପାରିବେ ନାହିଁ ଯେ ଏହା ଅନୁମାନ ଥିଲା।

Try a changed situation ଏବେ ପୃଷ୍ଠାଟି ଫୋନ୍‌ରେ ଧରାଯାଇଥିବା ହସ୍ତଲିପି ଉପସ୍ଥିତି ରେଜିଷ୍ଟର। ଦୁଇଟି ନାମ ପୁରୁଣା ଏବଂ ମିଟାଯାଇଥିବା ଏକ ପ୍ରବେଶ ଉପରେ ଲିଖାଯାଇଛି। ଆପଣ କ’ଣ କରିବେ?

Make something yourself ଏକ ମୁଦ୍ରିତ ତାଲିକା ଏବଂ ଏକ ଭରାଯାଇଥିବା ଫର୍ମକୁ ସେମାନଙ୍କର ଅବସ୍ଥା ଅନୁସାରେ ସଠିକ୍ ଭାବେ ଟାଇପ୍ କରନ୍ତୁ। ପ୍ରତ୍ୟେକ ଅପଠିତ ସେଲ୍ ଚିହ୍ନିତ କରନ୍ତୁ ଏବଂ ସେଗୁଡ଼ିକୁ ସମଗ୍ର ପୃଷ୍ଠାର ଅଂଶ ଭାବେ ଗଣନା କରନ୍ତୁ।

Read the primary or official source: Smock et al., PubTables-1M (arXiv)