Reprise du message précédent :

 
Ouais hein, fantastique... Tant que le FS sera pas changé (pourtant c'était en projet depuis un bail... WinFS j'crois)

 
T'es quand même vachement aigri, non?
 
 

 
boarf, 99% des utilisateurs n'en ont rien à foutre, donc bon.
 
PAr contre, je pige pas ce qui coince à changer de FS, en fait.

 
Peut être, mais là on parle de Floànuméro qui fait du dev Node sur un machin comme ça Ce qui veut dire des erreurs potentielles dans les noms de modules appelés quand livré/testé sur un vrai FS (true story ), des problèmes de profondeurs de chemins de son côté (avec des noms de modules à rallonge ça peut arriver vite), etc. C'est peu tolérable pour un OS moderne je trouve.
 
Concernant le changement de FS, c'est une volonté de MS de pas casser quoi que ce soit vis à vis du legacy. Parce que c'est pas le genre de la maison de casser la compatibilité, c'est même un peu leur « force » vis à vis des éditeurs.
 
Après le device en lui même à l'air chouette, comme je trouve certain iTruc sympa aussi

NTFS supporte la casse (posix compliance oblige), pareil pour les paths >255 Mais windows non

Ça aura jamais beaucoup plus en mode détaché, c'est pas le principe du machin.

Aucun rapport avec le FS, NTFS supporte des chemins de 32k code units (les fichiers sont limités à 255 code units), c'est un problème WinAPI, c'est pour ça que tu peux dépasser cette limitation en utilisant des chemins UNC (\\?\{blabla}) et les fonctions unicode de winapi.

C'est toujours pas un problème de filesystem, c'est winapi/ansi, qui ne sera jamais changé (parce-que la limite est exposée via une constante que les softs utilisent pour faire leurs allocations ou même pour allouer sur la stack)

 
Peut être qu'un jour les équipes qui bougent sur plein de projet chez MS sortirons un « post » Windows

dites, vous savez où je peux trouver la table de probabilité que 2 lettres se suivent en français ?

http://www.lexique.org/listes/liste_mots.txt

Plam peux t'en écrire une sans problème, elle sera totalement fausse mais ca n'a pas l'air de le déranger de raconter n'importe quoi

http://www.lexique.org/listes/liste_bigrammes.txt

Tiens ça faisait longtemps Qu'est-ce que tu deviens ?

edit : ai-je besoin de préciser que le coup des chemins trop longs et des noms de modules pétés c'est arrivé en vrai, sur le dev d'XO. On peut dire ce qu'on veut sur Linux pour le desktop, mais attendant, tous ceux qui sont resté plus d'1 mois chez Vates ont vite arrêté de dev sous Windows (bien qu'ils aient totalement le choix, puisque Sublime/Atom/whatever, Chrome/FF, Node/npm soient compatible Linux/Windows/MacOS).

Après ya une MacOS fan, mais elle dev pas, donc ça compte pas

http://www.lexique.org/listes/liste_bigrammes.php

en fait je capte pas le contenu des colonnes, je normalise pas quoi pour savoir la probabilité qu'un bigramme apparaisse dans un mot au hasard ?

edit: trouvé, par 1 million http://www.lexique.org/outils/Manu [...] oc78013454

http://www.lexique.org/listes/liste_mots.txt

Si t'as un mot, faut que tu prennes la liste de mots, si tu as deux lettre, tu prends la liste de lettres.
 
Après ça suppose que ton mot est pris au hasard dans un corpus de documents représentatifs de la langue française, c'est assez fort comme supposition, peut-être qu'il serait plus raisonnable compte tenu de ton application de prendre un dictionnaire avec une distribution de probabilité uniforme.

je suis pas en train de chercher la probabilité qu'un texte soit français, mais la probabilité qu'un mot soit français. Le fournisseur lui-même a pas choisis ses mots dans un texte, mais dans une liste de mots (je suppose), du coup, ils ont tous la même probabilité.

C'est un peu ce que je dis en fait... Mais du coup les listes du site n'ont aucune valeur pour ton problème, il suffit de prendre le dictionnaire de départ.

Par contre si tu veux une réponse à ta question, il faudrait que tu la poses.

bah je suis juste en train d'essayer de virer des faux positifs de l'OCR sur mon captcha, des fois l'OCR est sur de lui alors qu'il a des bigrammes qui sont pas français dans son mot.

Donc en fait c'est pas du tout une probabilité que tu cherches, tu veux juste savoir si tes lettres correspondent à des bigrammes français ?

C'est tout le mot qui doit être français ou juste les bigrammes qui sont extraits de mots français ?

tout le mot.
 
je pense le faire par bigramme, parce que y'a des mots bizarres que je soupçonne d'avoir été créés par un algo.

alors en fait quand t'as une condition binaire comme ça ("français"/"par français" ), c'est facile à étendre vers un continuum de probabilité que l'une des conditions soient vraies.

Et du coup t'es capable de poser la question, ou le but c'est juste de te donner de quoi penser ?

quelle est la probabilité que le mot qui est devant moi appartienne à la langue française?

1, ou 0 selon qu'il est dans le dico ou non.

Non, sans déconner, c'est quoi la question ?

Après c'est vrai qu'en proba, quand on a réussi à poser la question en général le travail est fait...

ok, tu veux la vraie question ? est-ce que le mot que j'ai sous la main est celui qui est sur le captcha ?
 
maintenant on en fait quoi ?

j'ai pas un boulot de proba abstrait, mais un problème flou.

Faut que vous arrêtiez de dire des trucs

allez, j'arrête à 91% de succès sur mon captcha, j'en ai marre.

tu dois atteindre quel taux ?
 
sinon pour ton histoire de bigramme je vais peut etre dire une connerie, mais :  
- si t'es certain que les mots sont des mots qui existent en Français (parce que plein de captcha sont des lettres aléatoires)
- le français s'écrivant de gauche à droite
- bien que les captchas puissent être penchés, je présume que tu sais trouver la première lettre du mot, et les lires en séquences
 
tu peux vachement raffiner ton algo, parce que si par ex tes premières lettres sont A-R, t'as pas besoin de connaitre tous les mots avec A-R dedans, juste ceux qui comment par A-R, ce qui doit en représenter beaucoup moins. Si t'arrives à une séquence pour laquelle y'a pas de correspondance, tu peux tester des permutations classiques liées à l'OCR (K à la place du R, A à la place du R, etc...) et voir lesquelles donnent un mot qui existe. Si t'as plusieurs matchs, t'applique le principe d'ocam, et tu paries que c'est celui avec le moins de permutations qui gagne
 
d'ailleurs qu'est-ce qui te force à lire les lettres 2 par 2 ?
 
Mais tout ça dépend de la certitude que tu puisses trouver un dico qui contienne exhaustivement tous les mots possibles de ton captchas

Plus que 12h pour https://www.kickstarter.com/project [...] per-comput

 
Tu te la construis et pis f'est tout    
https://sciencetonnante.wordpress.c [...] ots-video/

Je pense que je suis déjà largement au-dessus des espérances, c'est juste que j'arrive pas à faire un algo qui attrape tout. Mon contrat c'était juste de porter ce que j'ai fait en node.js vers java, mais j'ai pas pu m'empêcher d'essayer de l'améliorer, notamment parce que maintenant je reçois la confiance de l'OCR.
Les mots sont pas tous en français, ils ont tous une gueule de français, comme ces générateurs de passwords prononçables  c'est pour ça que je regarde par groupe de 3 lettres et pas dans le dico.
 
En fait je crois que mon plus gros problème c'est la sélection de la couleur du texte, elle est parfois assez à la rue, et que je dois utiliser un fuzz de fou derrière pour trouver du texte, mais du coup je fais rentrer du bruit et c'est l'engrenage.
 
là actuellement, suivant la confiance qu'a l'OCR dans sa lecture et si j'ai l'impression que par groupe de 3 lettres ça a une tête de français, je continue à pétouiller le fuzz et et le seuillage. Soit y'a un moment dans le pétouillage où tout le monde est confiant et on prend le mot, soit on a jamais trop confiance et quand on a exploré tous les paramètres possibles, on prend le mot dans lequel l'OCR a eu le plus confiance au cours de l'exploration.

allez, fuckit c'est livré, avec 92% de succès et 3 fois plus rapide.

nraynaud power...

 
Avec JPA 2.1 tu peux implémenter un AttributeConverter qui fera le boulot lors du save sans toucher à quoi que ce soit d'autre dans le code à part ajouter une annotation sur le champ concerné.

non mais ça je sais. je parlais d'une manière générale : la règle "les getter setter ne doivent rien faire d'autre que get et set" , qu'en pensez vous ?

moi j'arrive pas à décider de mon avis la dessus en fait.

Les setters ne doivent pas laisser l'objet dans un état invalide.

Je vois pas l'intérêt dans ce cas d'avoir des getter et des setters.
Autant pour le setter, ça peut être utile pour mettre à jour d'autres trucs dans l'objet.

ça se discute.
invalide par rapport à quoi dabord ?
si t'as une classe d'objet simple que tu ballade partout la validité de ses données peut dépendre de ce que tu vas en faire.