分类: 系统运维
2009-06-15 15:36:46
一个CAPTCHA程序能够生成一些人类能通过,但是目前的计算机却无法通过的测试。例如,人类能够阅读如下图中扭曲的文字,但是目前的计算机程序却无法将其识别出来:
reCAPTCHA中的扭曲文字是书籍数字化进程的产物:
为了使计算机能够获取人类知识以及更好的传播信息,目前已有多个项目正在设法将计算机时代之前的出版物进行数字化。书页首先被扫描成照片,然后使用“Optical Character Recognition”(OCR)技术将其转化为文字。
将图片内容转化为文字非常有用,因为书籍扫描成图片之后将很难被保存在小型的设备中,难以下载,并且无法进行查询。不过问题在于OCR技术并不完美(下图为OCR出错示例)。reCAPTCHA将计算机无法阅读的文字通过CAPTCHA的方式在web页面上展现出来,由人进行识别,并以此为书本数字化的进程做出贡献。具体地说,就是将OCR无法正确识别的单词以图片的方式显示并作为CAPTCHA来使用。这个做法是可行的,因为大部分的OCR程序在无法正确识别单词时将给出提示。
不过,既然计算机无法阅读此类CAPTCHA,系统又如何知道这个问题的正确答案呢?它的工作方式在于,每个OCR无法识别的新单词将会和另一 个已经确定的单词一起提供给用户,而用户会被告知同时输入两个单词。如果答案已知的单词被正确输入,那么系统假设新的单词也是正确的。为了提高准确率,无 论输入的结果是否正确,系统都会生成新的图片让其他一些用户再次进行辨认。
目前,我们正在帮助Internet Archive里的书籍以及旧版纽约时报进行数字化。
如果您要使用reCAPTCHA.NET:
下载Recaptcha.dll并将其放至bin目录中。
为您的网站获取公钥及私钥。
将自定义reCAPTCHA验证控件加入页面中。
ReCAPTCHA同时还提供了一个Email地址CAPTCHA。
关于reCaptcha控件的一个常遇到的抱怨是它没有提供一个ValidationGroup属性。因此,如果网站需要加入一个较为复杂的ValidationGroup结构时,您可能需要多做一些额外的工作。