بایگانی ماه سپتامبر، 2010

اشعار سیمین بهبهانی در گنجور رومیزی

چهارشنبه، سپتامبر 22nd، 2010

به لطف همراه همیشگی گنجور جناب «الف. رسته» و با استفاده از منابع اینترنتی، مجموعه‌ای از اشعار سرکار خانم سیمین بهبهانی شاعرهٔ شاعر گرانقدر معاصر برای گنجور رومیزی آماده شده است که می‌توانید با دریافت این فایل، خارج کردن آن از حالت فشرده، سپس اجرای فرمان «اضافه کردن مجموعه اشعار جدید» از منوی «ابزارها»ی برنامه آن را به گنجور رومیزی خود اضافه کنید.

پایان مرحلهٔ اول بازبینی خروجیهای OCR

پنج‌شنبه، سپتامبر 9th، 2010

مرحلهٔ اول بازبینی را با بیش از ۹۵۰۰۰ مورد بازبینی به پایان رساندیم (برخی بازبینیهای گذری شامل متون نامربوط و شیطنت‌آمیز بود که با فیلتر و گروه‌بندی بر اساس آی.پی فرستنده آنها را حذف کردم و این در آمار نهایی لحاظ نشده) که تقریباً تمامی ۵۳۰۰۰ و خرده‌ای خط شعر بریده شده از قصاید قاآنی به همراه عناوین و پاورقیهای آن و جلد اول غزلیات بیدل را پوشش می‌داد. با این حال از این تعداد حدود ۲۴۱۴۰ مورد (حدود ۴۶ درصد) تنها یک بار بازبینی شده‌اند و این احتمال وجود خطاهای زیاد در متن نهایی را بالا می‌برد.

در هر حال، با بازبینی کلی خروجیها نتیجه به نظرم رضایت‌بخش است ضمن آن که یکی از نشانه‌های آن که این بازبینی چقدر مؤثر بوده آن است که به دلیل آن که در نرم‌افزار OCR مورد استفاده در صورت تعیین نام فونت متن چاپی دقت بازشناسی افزایش می‌یابد من فونت تمام دیوان قاآنی را از پیش با یک فونت خاص تنظیم کرده بودم. فونتی که فقط شامل متن اشعار می‌شود و متأسفانه من نسبت به تیتر اشعار که فونت آن کاملاً متفاوت بود بی‌توجهی کرده بودم. در هر صورت، این قضیه را بعد از شروع کار بازبینی متوجه شدم و تصحیح این اشتباه مشکل بود. اثر تعیین فونت اشتباه برای متنها آن بود که تیتر اشعار بسیار بد بازشناسی شده بود و اغلب دوستانی که با این قسمتها برخورد می‌کردند باید کل متن را (که عموماً شامل القاب و عناوین ثقیل بود) از نو تایپ می‌کردند. جالب اینجاست که درصد بسیار بالایی از این عناوین با همان یک بار بازبینی توسط دوستان کاملاً تصحیح شده‌اند و این نشانگر میزان جدیت و دقتی است که دوستان در بازبینی اشعار به خرج داده‌اند.

تأثیر انتخاب فونت اشتباه و دقت بازبینی دوستان گنجور

در مجموع ۵۲۱۰ آی.پی مستقل از دوستانی که مشارکت کرده‌اند به ثبت رسیده است. نمودارهای زیر روند بازبینی را در ادامهٔ آمارهای قبلی (اینجا و اینجا) نشان می‌دهند.

آمار بازبینیهای گنجور
کشورهای بازبینهای گنجور

با تکمیل این مرحله مجموعاً (با احتساب قسمت کوچکی از کار که پیش‌تر بدون استفاده از سیستم عمومی بازبینی و توسط خود من انجام شده بود) حدود ۱۷۰۰۰ بیت از اشعار قاآنی (شامل کلیهٔ قصاید او) و حدود ۱۵۰۰۰ بیت از غزلیات بیدل دهلوی (جلد اول دیوان غزلیات بیدل چاپ انتشارات نگاه) در گنجور در دسترس قرار گرفته است. غزلیات بیدل بر اساس حروف آخر رَوی از نو مرتب شده‌اند (ترتیب پیش‌فرض نسخهٔ انتشارات نگاه بر اساس حرف آخر روی و سپس حرف اول مصراع اول غزل است که چندان کاربردی و قابل استفاده نیست). به زودی قسمتهای وزنیابی نشده از این اشعار را وزنیابی می‌کنم و صفحات آمار اشعار و وزنها (اینجا) را به‌روز می‌کنم.

قصاید قاآنی
غزلیات بیدل دهلوی

دیوان قاآنی تعداد قابل توجهی پاورقی دارد که آنها هم برای بازبینی در دسترس قرار گرفته بودند و عموماً تصحیح شده‌اند، این پاورقیها را که بعضاً شامل اطلاعات ارزشمندی هستند به مرور به صورت حاشیه پای اشعار او وارد خواهم کرد.

دوستانی که از گنجور رومیزی استفاده می‌کنند برای اضافه کردن این اشعار لازم است ابتدا از طریق ویرایشگر گنجور رومیزی، وارد اشعار بیدل و قاآنی شوند و با استفاده از عنوان «حذف شاعر» از منوی دکمهٔ شاعر جدید آثار این دو شاعر را از پایگاه داده‌های برنامه پاک کنند. سپس با دریافت این فایل برای غزلیات بیدل (شامل ۱۳۸۱ غزل) و این فایل برای قصاید قاآنی، خارج کردن آنها از حالت فشرده و سپس انتخاب آنها با کمک گزینهٔ «اضافه کردن مجموعه اشعار جدید» از منوی «ابزارها» این آثار را به گنجور رومیزی خود اضافه کنند.

غزلیات بیدل در گنجور رومیزی

در ادامهٔ کار، از دو هفته پیش، جلد دوم غزلیات بیدل را برای بازبینی در دسترس گذاشته‌ام. روند بازبینی را از حالت تصادفی قبلی به حالت ترتیبی تغییر داده‌ام تا در ابتدای کار، تمامی تکه‌ها حداقل یک بار بازبینی شوند. غزلیات و سایر اشعار قاآنی، کلیات اشعار ملک‌الشعرای بهار و کلیات دیوان امیرمعزی نیشابوری نیز اسکن و OCR شده‌اند و در مراحل بعد برای بازبینی در دسترس قرار خواهند گرفت.

تغییر بستهٔ میزبانی گنجور

چهارشنبه، سپتامبر 1st، 2010

متأسفانه در سه ماه اخیر هزینهٔ پنهان میزبانی گنجور در قالب بستهٔ خریداری شده از شرکت مدیاتمپل (سرویس گرید که راهکار ابتکاری این شرکت برای میزانی اشتراکی است) افزایش صعودی داشت و برای سرویس میزبانیی که قیمت آن سالانه ۲۰۰ دلار است در عرض سه ماه حدود ۱۸۰ دلار جریمهٔ مصرف بیش از حد منابع پرداخت شده بود (که البته هزینهٔ آن از محل کمکهای مالی دوستان تأمین شده بود).

هزینه‌های پنهان گنجور

با توجه به مشکل به وجود آمده و این که روند افزایشی این هزینهٔ پنهان به زودی به نقطه‌ای می‌رسید که تأمین آن امکان نداشت تصمیم گرفتم با خرید یک سرور مجازی از همین شرکت (که انشاالله هزینهٔ پنهان ندارد 😉 ) مشکل را حل کنم. در هر حال، امروز انتقال فایلها و پایگاه داده‌ها تکمیل شده و گنجور روی سرور جدید در دسترس قرار گرفته است.