Vizuální segmentace elektronických dokumentů

Visual Document Segmentation

conference paper

Czech

Segmentace dokumentů se zabývá detekcí vizuálního členění obsahu dokumentů a jeho reprezentací. Znalost členění obsahu umožňuje zpřesnit výsledky existujících metod zpracování dokumentů, které dosud využívaly zejména textový obsah dokumentu, jako například metody indexace a vyhledávání dokumentů, klasifikace, extrakce informace a další. V současnosti existuje několik přístupů k segmentaci dokumentů, které jsou však často omezené na konkrétní typ dokumentu či konkrétní aplikaci. V tomto příspěvku navrhujeme novou metodu, která odstraňuje některé omezující vlastnosti existujících metod a dále se zabýváme možností využití navržené metody segmentace v oblasti extrakce dat z dokumentu.

Document segmentation deals with the discovery of the visual layout of documents and its representation. This knowledge allows to improve the results of existing document processing methods that are usually based on processing the text content only, such as document indexing and retrieval, classification, information extraction, etc. Currently, there exist several approaches to the document segmentation. However, they are usually limited to a particular type of documents or a particular application. In this paper, we propose a new method that solves some limiting features of the existing methods and furthermore, we show how this method can be used in the information extraction area.

modelování dokumentů, segmentace stránek, extrakce informace, struktura dokumentu

document modelling, page segmentation, information extraction, document structure

BURGET, R.

2007

21. 2. 2007

Vysoká škola báňská - technická universita Ostrava

Ostrava

978-80248-1279-3

Znalosti 2007

155

166

12