OmniDocJangan hanya melihat tiga halaman pertama naskah terjemahan yang panjang: pilih halaman sesuai jenis risikonya agar masalah tidak bisa disembunyikan
Saat memeriksa terjemahan yang panjang, hanya melihat beberapa halaman pertama saja biasanya tidak cukup. Sampul dan daftar isi mungkin rapi, tapi tabel, lampiran yang dipindai, dan halaman rumus di belakang adalah masalah yang berbeda. Tujuan dari pemeriksaan acak bukan untuk memberikan rasa aman kepada masyarakat bahwa mereka telah "melihatnya", tetapi untuk memberikan kesempatan pada jenis risiko yang berbeda untuk dilihat.
Pemeriksaan acak terhadap naskah terjemahan yang panjang tidak boleh hanya melihat beberapa halaman pertama saja. Meskipun sampul dan daftar isi biasanya diformat dengan rapi, tabel, lampiran yang dipindai, dan halaman rumus berikutnya mungkin memiliki masalah yang sangat berbeda. Risiko-risiko ini dapat dengan mudah terlewatkan jika Anda hanya melihat dari awal.
Artikel ini ditulis untuk editor, QA, dan pemimpin proyek yang perlu memberikan terjemahan dokumen panjang. Setelah membaca, Anda dapat membagi sampel sesuai dengan jenis risiko halaman, memperbaiki proses pengambilan sampel agar terulang kembali, mengklasifikasikan jenis masalah yang ditemukan, dan menentukan jalur perbaikan.
Tujuan dari inspeksi acak bukan untuk memberikan rasa yakin kepada masyarakat bahwa mereka telah"melihat hal ini", namun untuk memberikan kesempatan pada setiap jenis risiko untuk dilihat. Hasil pengambilan sampel hanya dapat menggambarkan situasi halaman sampel dan tidak dapat menggantikan verifikasi konten penting.
Bagaimana cara memeriksa naskah terjemahan panjang secara acak? Kesimpulan satu kalimat
Pertama, stratifikasi berdasarkan jenis halaman, ambil sampel secara acak dan perbaiki benih acak untuk setiap jenis, catat jenis cacat dari masalah yang ditemukan, lalu putuskan apakah akan melakukan pemeriksaan penuh berdasarkan risikonya.
| situasi Anda | Praktik yang direkomendasikan | alasan |
|---|---|---|
| Dokumen ini sebagian besar berupa teks | Distratifikasi berdasarkan teks, tabel, dan halaman pindaian, dengan maksimal dua halaman dari setiap kategori | Jenis kesalahan yang berbeda memiliki penyebab yang berbeda, dan pelapisan memungkinkan semua jenis risiko diperiksa. |
| Ada sangat sedikit halaman dengan jenis tertentu | Jangan diabaikan karena jumlahnya sedikit. Jika perlu, periksa langsung semuanya. | Jika hanya ada satu halaman daftar tanda tangan atau parameter kunci, halaman ini mungkin paling perlu diperiksa. |
| Perlu mereproduksi kumpulan sampel yang sama | Memperbaiki benih acak dan daftar masukan yang disimpan serta daftar nomor halaman akhir | Hanya benih yang tidak memiliki kumpulan halaman dan aturan penyortiran yang sama yang mungkin tidak dapat mereproduksi sampel aslinya. |
| Temukan beberapa jenis kesalahan sistem | Kembali ke aturan pemrosesan untuk jenis ini, bukan hanya melanjutkan pengambilan sampel secara acak | Kesalahan serupa sering kali berasal dari sumber yang sama, dan mengekstrak beberapa halaman lagi mungkin tidak menyelesaikan masalah. |
| Melibatkan konten utama seperti nama, jumlah, parameter, dll. | Menentukan pemeriksaan penuh berdasarkan risiko bisnis | Pengambilan sampel tidak dapat menjamin bahwa halaman yang tidak dipilih tidak akan mengalami masalah. |
Klasifikasikan terlebih dahulu, lalu sampel
Pertama-tama bagilah kumpulan sampel menurut konten halaman, seperti teks, tabel, dan halaman yang dipindai. Klasifikasi dapat dibuat secara manual atau dengan mengacu pada hasil pra-pemeriksaan, namun harus diakui bahwa klasifikasi tersebut mungkin saja salah.
Hanya karena suatu kategori kecil bukan berarti kategori tersebut tidak penting. Bila hanya ada satu halaman tanda tangan atau daftar parameter utama, mungkin ada baiknya meninjau seluruh halaman secara langsung.
Contoh berikut mengekstrak hingga dua halaman dari setiap kategori dan memperbaiki benih acak untuk reproduksi. Ini hanyalah nomor sampel yang digunakan untuk sampel sintetis. Ini bukan standar industri, dan bukan berarti tidak ada masalah dengan halaman yang tidak dijadikan sampel.
Contoh pengambilan sampel bertingkat yang dapat direproduksi
import random
def choose_pages(groups, per_group=2, seed=17):
if per_group < 0:
raise ValueError("negative sample size")
rng = random.Random(seed)
picked = {}
for name in sorted(groups):
pages = sorted(set(groups[name]))
picked[name] = sorted(rng.sample(pages, min(per_group, len(pages))))
return picked
groups = {"body": [1, 2, 3, 4, 5], "table": [6, 7], "scan": [8]}
sample = choose_pages(groups)
assert sample == choose_pages(groups)
assert sample["scan"] == [8]
assert sample["table"] == [6, 7]
assert len(sample["body"]) == 2
assert choose_pages({"empty": []}) == {"empty": []}
try:
choose_pages(groups, -1)
except ValueError:
pass
else:
raise AssertionError("negative size must fail")Masukkan nomor halaman menggunakan penomoran berbasis 1 yang berorientasi pembaca. Saat menerima indeks PDF berbasis 0, diperlukan konversi eksplisit.
Daftar masukan juga harus didokumentasikan. Hanya menyimpan benih tanpa kumpulan halaman yang sama dan aturan penyortiran yang sama mungkin tidak dapat mereproduksi sampel asli. Jika Anda ingin mengulanginya secara ketat di lingkungan operasi yang berbeda, lebih aman menyimpan daftar nomor halaman akhir secara langsung.
Apa yang harus diperiksa setelah mengekstrak halaman
| Jenis halaman | Inspeksi kunci | Tindakan setelah menemukan masalah |
|---|---|---|
| teks | Kelanjutan paragraf, negasi dan referensi | Perluas ke paragraf yang berdekatan dan halaman serupa |
| lembaran | Kesesuaian antara baris dan kolom, satuan, angka | Periksa semua halaman terkait dari tabel yang sama |
| Pindai halaman | Kata-kata, arah, kebisingan pengenalan hilang | Kembali ke gambar asli untuk menilai kualitas masukan |
| Konten utama | Nama, jumlah, parameter atau instruksi penting | Menentukan pemeriksaan penuh berdasarkan risiko bisnis |
Jangan hanya mencatat "lulus" atau "gagal", catat juga jenis cacatnya. Terjemahan yang terlewat dan kelebihan pengaturan huruf mungkin memerlukan rute perbaikan yang sangat berbeda, dan mencatatnya secara terpisah akan membantu Anda melihat di mana masalahnya terkonsentrasi.
Pengambilan sampel tidak sama dengan komitmen akurasi
Jika Anda ingin menggunakan sampel untuk memperkirakan tingkat kesalahan keseluruhan, Anda perlu menentukan desain pengambilan sampel, unit statistik, dan asumsi kesalahan. Artikel ini hanya memperkenalkan metode orkestrasi tugas inspeksi. Hal ini tidak menghitung interval kepercayaan dan tidak memberikan angka kualitas nyata untuk layanan.
Oleh karena itu, "halaman yang diekstraksi terlihat baik-baik saja" tidak dapat ditulis ulang sebagai "seluruh dokumen sepenuhnya bebas kesalahan".
Serangkaian contoh nyata juga harus dipertahankan untuk pengujian regresi. Tabel tersebut mungkin tidak representatif secara statistik, namun dapat mengingatkan Anda setelah aturan diperbarui: apakah tabel lintas halaman yang direvisi sebelumnya atau kesalahan rumus muncul kembali.
Artikel ini menggunakan sampel sintetis untuk mendemonstrasikan metode pemrosesan. Kode telah diperiksa sampelnya di lingkungan yang terisolasi dan bukan merupakan jaminan atas semua file atau kinerja produk yang sebenarnya. Sebelum memproses dokumen penting, harap simpan dokumen asli dan tinjau sesuai dengan batasan dan item penerimaan dalam teks.
🎯 Metode mana yang cocok untuk Anda?
Jika Anda perlu dengan cepat menentukan status umum naskah terjemahan
Stratifikasi berdasarkan jenis halaman, pilih beberapa halaman dari setiap kategori, dan pertama-tama lihat di kategori mana cacat terkonsentrasi.
Jika Anda bertanggung jawab atas file kontrak, keuangan, atau parameter
Periksa langsung halaman tanda tangan, tabel jumlah, dan halaman parameter kunci tanpa bergantung pada pengambilan sampel.
Jika Anda ingin membandingkan efek berbagai alat terjemahan
Siapkan dokumen desensitisasi dari berbagai jenis halaman dan evaluasi menggunakan daftar periksa pengambilan sampel yang sama untuk menghindari hanya memilih halaman yang berkinerja tinggi.
Jika Anda ingin mempertahankan proses pemeriksaan kualitas untuk waktu yang lama
Simpan serangkaian contoh sulit yang tetap dan jalankan kembali setelah setiap pembaruan aturan untuk mencegah masalah lama muncul kembali.
❓ Pertanyaan yang Sering Diajukan (FAQ)
1. Berapa halaman setiap kategori yang cocok untuk pengambilan sampel?
Dalam contoh ini, maksimal dua halaman diambil dari setiap kategori, dan benih acak ditetapkan. Ini hanyalah pengaturan untuk sampel sintetis, bukan standar industri.
2. Apakah nomor halaman dimulai dari 0 atau 1?
Masukkan nomor halaman menggunakan penomoran berbasis 1 yang berorientasi pembaca. Saat menerima indeks PDF berbasis 0, diperlukan konversi eksplisit.
3. Cukup mencatat lulus atau gagal saja?
tidak cukup. Jenis cacat juga harus dicatat, karena terjemahan yang terlewat dan kesalahan pengaturan huruf sering kali diperbaiki secara berbeda.
4. Jika sampel lolos, apakah berarti seluruh dokumen tidak ada kesalahan?
tidak bisa. Hasil pengambilan sampel hanya menggambarkan situasi halaman yang dijadikan sampel, dan tidak dapat menggantikan penilaian terhadap halaman yang tidak dijadikan sampel, juga tidak dapat menggantikan verifikasi konten utama.
5. Bagaimana cara memperbanyak hasil random sampling?
Membutuhkan penyimpanan torrent, memasukkan daftar halaman, dan aturan penyortiran. Ketika mengulangi secara ketat di seluruh lingkungan yang berjalan, lebih aman untuk langsung menyimpan daftar nomor halaman akhir. Untuk pembuatan nomor acak, silakan merujuk ke Python random.
📝 Ringkasan
Untuk pemeriksaan acak naskah terjemahan panjang, pertama-tama kita harus membuat stratifikasi, kemudian mengambil sampel, dan mencatat jenis cacatnya. Keraguan yang ditemukan selama pemeriksaan acak harus dikembalikan ke teks asli untuk verifikasi, dan tidak boleh dilepaskan hanya berdasarkan kelancaran terjemahan.
