尝试了好几个晚上，试了 OCR，CV 等方法，效果均不让我满意，切词的结果和楼主匹配的词头仍有 30 多页无法完全匹配，正尝试最后一种办法，希望顺利。
词头文件问题：
853 CGSM单位制 CGSM system of units & e.m.u. 电磁学 电磁学的单位制 <- 此行缺
1282 <- 缺少 频分多址
246 <- 缺少 BKS 理论
1110 <- 缺少 沈吕九定理
299 <- 缺少 总角动量量子数
1789 <- 缺少 AMBER 力场
1795 <- 缺少 HSE 混合泛函
1594 <- 缺 [Bethe formula]
361 Grover算法 <- 不应该是行内词头
1827 共轭梯度快速傅里叶变换 <- 不应该是行内词头
1044 <- 缺 掺钦蓝宝石激光器
1847 <- 缺 定态薛定谔方程
< 睡觉，起来继续
198 入场, 出场 & 入场 & 出场 <- 页码错误，应为 199
627 <- 缺 久保第一第二..
1675 <- 缺 核修正因子
1693 <- 缺 SHIP separator 和 LISE III
1694 <- 缺 VASSILASSA 和 DFFRS 和 GARIS
1695 <- 缺 RITU 和 SHIPTARPSHIP
1273 <- 缺 传输线矩阵方法
1916 <- 缺 X 射线荧光分析
原始文件问题
p.429 D膜的手征反常及其抵消 <- 缺少英文
p.1594 [Bethe formula] 缺少中文
Note
# 缺少英文
429
432
437
438
42
2104
# 缺前括号
1712
1004
# 缺中文
1594
1694
1693
1695
09:46 06 Aug 以上便是几乎文件中所有相关词头数目的问题，修改之后应该就能进行真正切词了。缺少中文或者中文释义的词头，可以统一一下解决方法，我的意见是依旧保留。