吉田調書・全文をテキスト化

政府は9月11日、福島第一原発事故当時、所長だった吉田昌郎氏に当時の状況を聞いた、いわゆる「吉田調書」を内閣官房ホームページで公開した。政府が公開したテキスト埋め込みがされていないPDFファイルを、機械読み取りでテキストデータ化した。部分的に不正確な箇所もあるため、元の書類も合わせてご覧頂きたい。 Cranes operate at Unit 3, center, standing next to Unit 4, right, at Tokyo Electric Power Co.'s (Tepco) Fukushima Dai-ichi nuclear power plant in Okuma, Fukushima Prefecture, Japan, on Wednesday, July 9, 2014. All of Japan's 48 operable commercial re

[TERRAZI]

このように正確性が担保されないテキスト起こしをされるくらいなら、何故最初からテキストデータで配布しないのか。テキスト印刷スキャンPDF絶滅しろ。

[marmotY]

GJ。Githubあたりに登録して、徐々に不正確な部分を直していくのも良いかもしれない。なんかマズイかな。

[muchonov]

吉田所長に対する英雄的表象の危険性が「貞観津波の波源にM9が来ると言った人は今回地震まで誰もいない／それを何で考慮しなかったんだというのは無礼千万」に集約されてる。勇敢さと原発リスクへの責任意識は別物。

[LondonBridge]

校正してないOCRの生データTXT（文字コードUTF-8）なので、ちょっとそのままじゃ読みづらい。　電子政府とか言われ始めたのが1994年、森総理の「E-ジャパンの構想」が2000年で、現状がこれじゃぁなぁ

[kotobukitaisha]

そんなに難しいことでもないのに、誰もがすぐに使える形にしないのは「情報公開」とは言えないよな。政府がちゃんと責任をもってテキスト化して欲しい。

[rinxmoon]

画像で公開されたのかよ・・・。

[dekigawarui]

元が手書きならともかく、テキストデータがなんでOCRなんだ？ここでも隠蔽体質に憤りを感じる。

[nisatta]

文字コーディングではなくOCRの精度が…。とはいえ、もともと非公開が前提だったし、PDFからして少し読んだだけで誤字がみられる。聞き取り、書き起こし、体裁の統一、いずれも膨大な作業量で関わった人に頭が下がる。

[augsUK]

元データをテキストと画像の両方で公開しておいてくれればなあ。東電が放射線量データのエクセルファイルをわざわざ印刷した上でスキャンして公開してたことを思い出した。//OCRの精度はかなり悪い気がする。

[kyukyunyorituryo]

OCRの精度わるいな、校正しても上げる場所ないのかな。自分でテキスト化と電子書籍化しました。http://kyukyu.cho-chin.com/

[skasjhgeu]

［よ］

[maangie]

ぶこめも

[kmiura]

mobi(epub)化した方もいるのでこちらもどうぞ。http://kyukyu.cho-chin.com/ リーダはkindleunpackしてreadiumがおすすめ。

[Miya]

ハフィントンポスト、いい仕事してる　/ 吉田調書・全文をテキスト化

[sessyoku33]

連休中に読もう。

[shgrune]

試しに自分で数ページ印刷してプリンタ付属のOCRソフト掛けたらもっとマシに読めたんだけど…なんでこれこんなに酷いんだ

[honeybe]

あとで読む。お疲れ様でした。

[zinjoutarou]

『吉田調書・改』RT @uppekk: 吉田調書・全文をテキスト化 via @HuffPostJapan

[MACKEY32]

吉田調書全文ゲット。読む。

[gnt]

日本語OCRってもうどうにもならんのですかね。

[the_sun_also_rises]

テキスト版！おおすごい！と思って開いたら誤変換が・・・。未校正じゃやはり読みづらい。読むときは元のPDFの方が読みやすいのでそちらを読んでいる。そして引用したい個所が見つかったらこれを利用する予定。

[tettu0402]

各社の記事のどの部分が、どこを読んでどうなったか、っていう情報がざっくりあればなあ。→吉田調書・全文をテキスト化

[namikawamisaki]

気持ちはわかるけど著作権とかどうなるんだろう。公開元にだめもとで（地道に）はたらきかけることも必要かと思う。／ので、読んでない

[deep_one]

テキスト版あるのか。／未校正OCRデータかよ…／元文書からテキスト取れよ…というのは公文書の性質から無理なのね、きっと。（多分、紙が正本）

[guldeen]

こういう修羅場って、情報が錯綜するのが普通だから、誰かだけの証言を元に判断するのがそもそも無茶な事ではあるのだが。

[yasukun2006]

テキストとｐｄｆがあります。

[syuu1228]

“政府が公開したテキスト埋め込みがされていない400ページ超のPDFファイルを、機械読み取りでテキストデータ化した。”

[mitsugusakamoto]

吉田調書はここで中身のテキストが読める。政府が公開したPDFはスクリーンリーダユーザには全くアクセス不能である。何がWebアクセシビリティだの標準なのだろう。

[poko_pen]

官公庁の公文書(正式文書)は紙だから(判子文化の名残)。紙をPDF化したのを更改しただけであるし、何より元々これは（吉田氏の意思により）公開予定のない文書。

[SasakiTakahiro]

政府が公開したテキスト埋め込みがされていない400ページ超のPDFファイルを、機械読み取りでテキストデータ化。

[daybeforeyesterday]

うーむ

[sync_sync]

吉田調書のOCR読み取りテキスト化が早速。

[ivory_rene]

冒頭の質問者の説明がぐっと。