Apa saja yang Anda cari lewat mesin pencari halaman web Google? Tentu saja informasi-informasi berupa teks, gambar foto, video, file-file lain. Tapi, sejak kemarin, Google sudah dapat mulai mencari kata pada dokumen-dokumen hasil scan, seperti pdf.
Selama ini, Google juga telah mengindeks file-file image yang berformat pdf. Namun, Google hanya mencari dan mengklasifikasikannya berdasarkan judul file, dan metadata (data berisi informasi) yang dimiliki file tersebut.
Maka, tak seperti dokumen standar, Google tak bisa menelusuri kata per kata pada konten file-file hasil scan, kecuali hanya judulnya saja yang terindeks.
"Dulu dokumen-dokumen hasil scan sangat jarang kami sertakan pada hasil pencarian, karena kami tidak begitu pasti dengan isi konten yang terkandung di dalamnya. ," ujar Evin Levey, Product Manager Google, pada blog resmi Google.
Oleh karenanya, kata Levey, pengguna hanya mendapat dokumen pdf hasil pencarian, tanpa ada penggalan kalimat yang terkait dengan kata kunci pencari
Maka, Google kini menggunakan teknologi image recognition tingkat lanjut. Namanya, teknologi Optical Character Recognition (OCR).
Teknologi ini mampu mengubah file image ke dalam file teks. Tak hanya itu. Teknologi ini juga memiliki 'kecerdasan' untuk memahami sebuah file gambar atau image.
Levey memisalkan, sebuah dokumen image yang mengandung konten tertentu. Misalnya bagaimana mesin Google harus membedakan sebuah lingkaran atau gambar cincin dengan huruf O.
Mungkin hal itu memang bukan masalah besar bagi manusia. Tapi, itu merupakan hal yang sulit bagi sebuah mesin pencari.
Google memberikan beberapa contoh hasil pencarian yang telah menyertakan file-file pdf. Antara lain pencarian dengan kata kunci 'spin lock performance', 'steady succes in volatile world', atau 'repairing aluminium wiring'.
