図とテキストの協調的構造解析に基づく文書画像からのハイパーメディア構造の抽出

基于图文协同结构分析的文档图像超媒体结构提取

基本信息

批准号：
06780357
负责人：
黄瀬浩一
金额：
$ 0.58万
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：
1994
资助国家：
日本
起止时间：
1994 至无数据
项目状态：
已结题

项目摘要

1.参照形態の分析・分類文書のテキストから図,表,写真,テキストへの参照の形態を分析した。その結果,参照形態は,(1)直接的参照,(2)順序による参照,(3)配置による参照,(4)文脈による参照,(5)近接による参照の5種類に分類できること,またこれらを組み合わせた参照もあることが分かった。2.複数頁を対象とした文書画像理解システムの構築技術論文のハイパーメディア化には,技術論文の全頁を対象とする処理が必要である。このとき,図,表など頁内の位置が不定なものの分離抽出法,文書の全頁を対象とした論理構造の抽出法が問題となる。本研究では,(1)文学認識の結果を用いて図表のキャプションを抽出した後,キャプションの位置を手がかりに図表の本体を抽出する手法,(2)全頁に含まれる文字列を読み順にソ-トし,その結果を構文解析して論理構造を抽出する手法を開発した。また,これらの2手法に基づいて,技術論文の全頁を処理可能な文書画像理解システムを構築した。3.概念図理解システムの構築技術論文にしばしば含まれる概念図を対象に,図理解システムを構築した。本システムの特徴は,図に記述された概念,および概念間の関係という高次の情報を抽出する点にある。抽出された概念は,キーワードとして登録され,テキストとの参照構造の抽出に用いられる。4.参照構造の抽出とハイパーメディア化参照形態(1),(2),(5)を対象に,参照構造を抽出する手法を開発した。具体的には,(a)図表を図表番号に基づいてテキストとリンクする処理,(b)章,節を参照するテキストを,章,節の本体とリンクする処理,(c)著者照会文と写真を,頁領域における両者の近さに基づいてリンクする処理などを実現したまた,図,表、写真の画像,本文の文字認識結果,および抽出したリンクを入力とし,HTML形式のデータを得るシステムを開発し,Mosaicなどのブラウザで表示可能とした。

1。参考格式的分析和参考格式的分析，分析从分类文档中的文本到数字，表，照片和文本。结果表明，参考表格可以分为五种类型：（1）直接引用，（2）按顺序引用，（3）通过排列引用，（4）通过上下文参考，（5）（5）通过接近性参考，并且也有一些结合这些引用。 2。为多页制造文档图像理解系统，以使技术论文过度介导，对所有页面的技术论文进行处理。目前，问题来自具有不确定位置的图形和表格等页面的单独提取方法，以及用于为文档所有页面提取逻辑结构的方法。在这项研究中，我们开发了一种使用文献识别的结果提取图表标题的方法，然后使用标题作为线索的位置提取图表的正文，以及（2）一种通过在阅读顺序中求解所有页面中包含在所有页面中的字符串并解析结果的逻辑结构中的字符串的方法。此外，基于这两种方法，构建了能够处理技术论文所有页面的文档图像理解系统。 3.构建理解系统的概念图理解系统是根据通常包含在技术论文中的概念图构建的。该系统的一个功能是提取高阶信息，例如图中描述的概念以及概念之间的关系。提取的概念被注册为关键字，用于用文本提取参考结构。 4。提取参考结构和超介导的参考结构，我们开发了一种提取参考结构的方法（1），（2），（5）。具体而言，我们通过将章节和部分与章节主体和章节的主体联系在一起，通过链接文本来输入图形，表和数据，开发了一种用于获取HTML格式数据的系统，以及（c）链接作者的查询和照片，基于页面区域两者的亲密关系。此外，我们开发了一个系统，用于通过输入图形，表，照片图像，文本识别结果和提取的链接来获取HTML格式数据，并使它们可以在Mosaic等浏览器中显示。