- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
版面相似中文表单的分类方法研究
北京大学学报 (自然科学版) 第 51卷 第2期 2015年3月
ActaScientiarumNaturaliumUniversitatisPekinensis,Vo1.5l,No.2(Mar.2015)
doi:10.13209~.0479·8023.2015.028
版面相似中文表单的分类方法研究
王思萌 高良才 王悦涵 李平立 汤帜
北京大学计算机科学技术研究所, E京 100080;十通信作者,E—mail:glc@pku.edu.ca
摘要 针对具有相似版面的中文表单,提出一种简单有效的基于距离度量的表单分类方法,该方法对表单的
用户填写信息、布局信息和位置偏移分别进行距离度量,并通过 3种权重有效地降低用户填写信息的随机
性、版面相似表单的布局一致性和位置抖动性对表单分类的影响。实验表明,所提方法在多个中文表单图像
库上的分类准确率达到 90%以上,比目前最新的表单分类方法有明显提高 。
关键词 表单分类;距离度量;权重计算
中图分类号 TP391
A StudyonClassificationofFormswithSimilarLayout
W ANG Simeng,GAO Liangcai,W ANG Yuehan,LIPingli,TANG Zhi
InstituteofComputerScienceandTechnology,PekingUniversity,BeOing100080;十Correspondingauthor,E-mail:glc@pku.edu.ca
Abstract Theauthorsproposeasimplebuteffectivedistancebasedmethodtoidentifyformswithsimilarlayouts
bymeasuringtheuserfilled—indata,preprinteddataandditheringdata.Theproposedmethodutilizesthreekindsof
weightcomponentstomitigatetheimpactofrandomnessofuserfilled—indata,consistencyofsimilarlayoutsand
positionditheringrespectively.Experimentalresultsshow thattheproposedmethodcanachievemorethan90%
classificationaccuracyonaseriesofdatasets,which issignificantlybetterthantheresultsofthestate—of-the—art
method.
Keywords ofrm classification;distancemetric;weightcalculation
目前,在很多业务 (如银行、保险和统计等)中, 的分类 问题,分类 目标是将采用不同模板的表单区
大量的中文表单通过打印/复印等形式生成后,传递 分开,即同一类表单除用户填写区域外均相同。
给客户进行打印填写或手工填写,导致大量的中文 在银行和保险等机构中,有大量的相似业务存
表单以纸质形式存在,给后期的表单 自动化处理带 在,如 “取款”和 存“款”;另外还有隶属于不同银行
来许多困难 。为了使办公更加 自动化,进而能够从 或保险机构 的同一种业务,如不同银行的汇款单 。
表单中抽取出有用的信息,对表单 自动化处理的需 银行等业务部门的分类归档工作通常是 由人工完成
求 日益强烈。 的,通常业务部 门在处理同一客户的需求时,就会
表单的自动化处理通常包括纸质表单的扫描、 有多种相似的表单需要客户和工作人员进行填写和
读人 、分类 、版面分析 、识别和编辑等一系列过 登记,然后再由工作人员进行人工录入操作。因此
程 。表单分类是表单 自动化处理流程 中的关键步
您可能关注的文档
- IAR添加工程模板.pdf
- 物流仓储设备样本.pdf
- KD118操作流程.pdf
- 在Dreammail中使用邮件模板及发送技巧.pdf
- EMS单!顺丰快递打印格式号格式.pdf
- 淘宝淘宝店铺装修模板店的新手们注意了,淘宝商品.pdf
- 客户端使用说明书v2.pdf
- K3cloud供应链单据添加辅助单位字段.pdf
- 单甘酯对棉籽油和棕榈硬脂酯交换体系结晶性质的影响_王瑛瑶.pdf
- sap02-销售单据.pdf
- 期末复习课件++专题7+阿基米德原理++2023-2024学年人教版八年级物理下册.pptx
- 4-1电磁振荡(教学课件)高中物理人教版选择性必修第二册.pptx
- 本包含页空白页.pdf
- 【会计实操经验】财务操纵的知识框架.pdf
- 英国b2c电商网站ocado市场前景及投资研究报告-培训课件外文版2024.6,拼多多,阿里巴巴,1688,temu,tiktok.pdf
- 印尼在线约会行业市场前景及投资研究报告-培训课件外文版2024.6,微信,tiktok.pdf
- 印尼物联网IOT行业市场前景及投资研究报告-培训课件外文版2024.5.pdf
- 印尼斋月消费情况分析报告-培训课件外文版2024.6.pdf
- 英国GDP分析报告-培训课件外文版2024.6.pdf
- 印尼铁路行业市场前景及投资研究报告-培训课件外文版2024.6,援建高铁.pdf
文档评论(0)