電子図書館構築のための文書データ入力支援システムの高機能化

完善电子图书馆建设文档数据输入支持系统的功能

• 批准号: 09780391
• 负责人: 黄瀬 浩一
• 金额: $ 1.41万
• 依托单位: Osaka Prefecture University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1997
• 资助国家: 日本
• 起止时间: 1997 至 1998
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-09780391/
• 关键词: 電子図書館; 文書画像理解; 文書画像解析; レイアウト解析; ボロノイ図; 文字列抽出; ハイパーテキスト化; パッセージ検索; カラー文書画像; 色クラスタリング

昨年度に引続き,文書画像のレイアウト解析の高機能化に関する研究を行うと共に,電子テキストを対象として,ハイパーテキストリンク自動生成について検討を行った.概要は以下の通りである.1. ポロノイ図を用いた文字列抽出法の改良昨年度に提案した文字列抽出法について,抽出に用いる特徴量や処理アルゴリズムの改良を行った.また,マンハッタンレイアウト,非マンハッタンレイアウトの文書画像50サンプル(各25サンプル)を対象として実験を行い,性能を評価した.その結果,平均処理時間約7秒(Pentium II 300MHz),文字列抽出率89.6%という結果を得,処理精度的には課題が残るものの,高速に処理可能であることがわかった.2. ブロック抽出結果を用いた文字列抽出法の検討上記手法の処理誤りの多くは,局所的な制約のみを考慮して文字列を抽出することに起因する.そこで,ブロックという大域的な領域の抽出結果を用いて,文字列抽出の誤りを訂正する処理を考案し,弛緩法に基づいて実現した.同じ機器,サンプルを用いて評価実験を行ったところ,平均処理時間52秒,文字列抽出率90.6%を得た.処理誤りの殆んどはブロック抽出誤りに起因するものであった.3. ハイパーテキストリンクの自動生成法の検討ハイパーテキストリンクをいかに生成するかは,電子図書館を実現する上で重要な問題である.予めシステム作成者がリンクを生成しておくのではなく,利用者の要求に応じてリンクが生成できれば,よりユーザフレンドリなシステムとなる.そこで本研究では,電子テキストを対象に,ユーザが興味を持つ文書の一部(例示部分)を例示すると,それに関連した部分(関連部分)を文書データベースから抽出する手法を検討した.本手法の特徴は,単語出現密度を用いて関連部分を同定する点にある.実験の結果,再現率62.9%,適合率58.8%を得,本手法の有効性を確認した.

Yesterday's annual に lead 続 き, clerical portrait の レ イ ア ウ ト parsing の high functional に masato す る を line う と に, electronic テ キ ス ト を like と seaborne し て, ハ イ パ ー テ キ ス ト リ ン ク automatically generated に つ い て 検 line for を っ た. Summary: The following goes through である.1. ポ ロ ノ イ 図 を with い た text extraction method modified yesterday proposed annual に し の た text extraction method に つ い て, out に い る, 徴 quantity や 処 Richard ア ル ゴ リ ズ ム の improved line を っ た. ま た, マ ン ハ ッ タ ン レ イ ア ウ ト, non マ ン ハ ッ タ ン レ イ ア ウ ト の documents portrait 50 サ ン プ ル (each 25 サ ン プ ル) を like と seaborne し て be 験 を line を い, performance evaluation of 価 し た. そ の as a result, the average 処 principle about 7 seconds (Pentium II 300 MHZ), text extraction rate 89.6% と い う results, を 処 principle of precision に は subject が residual る も の の, high-speed に 処 principle may で あ る こ と が わ か っ た. 2. ブ ロ ッ ク out results を い た text extraction method の 検 for written technique の 処 principle error り の more く は, bureau な restriction の み を consider し て text columns を spare す る こ と に cause す る. そ こ で, ブ ロ ッ ク と い う large domain field of な の out results を い て, text extraction の mistakenly り を correction す る 処 し を test case management, relaxation method に base づ い て be Now た. With じ machine, サ ン プ ル を with い て review 価 be 験 を line っ た と こ ろ, average 処 52 seconds, text extraction rate 90.6% を た. 処 principle error り の perilous ん ど は ブ ロ ッ ク take out false り に cause す る も の で あ っ た. 3. ハ イ パ ー テ キ ス ト リ ン ク の automatically generated method の beg ハ 検 イ パ ー テ キ ス ト リ ン ク を い か に generated す る か は, electronic 図 libraries を be presently す る で な important question on で あ る. To め シ ス テ ム made those が リ ン ク を generated し て お く の で は な く, ik の requirements に 応 じ て リ ン ク が generated で き れ ば, よ り ユ ー ザ フ レ ン ド リ な シ ス テ ム と な る. そ こ で this study で は, electronic テ キ ス ト を like に, seaborne ユ ー ザ が tumblers を hold つ documents の a (in part) を exemplify す る と, そ れ に masato even し た Part (Related part)を document デ タベ タベ タベ ス ら ら Extract する method を検 to claim た. The feature of this technique is that the frequency of the appearance of 単 words is を, and the する point にある is determined by the て related part を. The experimental results showed a reproduction rate of 62.9% and a fitness rate of 58.8%を, indicating that the efficacy of this method is を confirmed to be た.

项目成果

黄瀬浩一: "文書画像理解の目指すもの" 電子情報通信学会パターン認識・メディア理解研究会資料. 97. 55-62 (1998)

Koichi Kise：“文档图像理解的目标”IEICE 模式识别和媒体理解研究组材料。97. 55-62 (1998)。

黄瀬浩一: "画像・図と言語の統合" システム/制御/情報. 41. 416-421 (1997)

Koichi Kise：“图像/图表和语言的集成”系统/控制/信息。41. 416-421 (1997)。

岩田基: "一般図形ボロノイ図に基づく文書画像からの文字列抽出" 1998年電子情報通信学会総合大会講演論文集. (発表予定). (1998)

Hajime Iwata：“基于一般几何 Voronoi 图从文档图像中提取字符串”1998 年 IEICE 大会论文集（待提交）。

岩田基: "文書画像のレイアウトや傾きに依存しない高速文字列抽出法" 平成10年電気関係学会関西支部連合大会講演論文集. G345 (1998)

Hajime Iwata：“不依赖于文档图像的布局或倾斜的高速字符串提取方法”1998 年日本电气工程师关西分会会议记录 G345 (1998)。

岩田基: "弛緩法に基づく文書画像のレイアウト解析" 1999年電子情報通信学会総合大会講演論文集. (発表予定). (1999)

Hajime Iwata：“基于松弛方法的文档图像布局分析”1999 年 IEICE 大会论文集（预定报告）。