基于融合特征与语法规则的流式文档理解方法

• 作者: 李宁 田英爱 耿思 郝海利
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 文档结构理解 文档识别 流式文档
• 年，卷（期）: 2019,（1）
• 页码范围: 49-54
• 页数: 6页
• 分类号: TP302
• 字数: 5218字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2019.01.010

摘要

针对流式文档结构理解中构件识别特征分析的不足,提出一种基于融合特征的构件识别方法.首先建立格式向量表示字体等构件格式特征,提取文档构件中关键字等内容特征作为内容向量,分别计算待识别构件两种特征与候选构件的得分并对其加权计算,得出候选的构件标签;结合自顶向下和自底向上的结构识别方法,得到文档的逻辑结构.通过实验验证了该方法能有效提高文档构件识别的准确率,同时提高了文档结构识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宁	北京信息科技大学计算机学院	111	547	11.0	21.0
2	田英爱	北京信息科技大学计算机学院	32	73	4.0	8.0
3	郝海利	北京信息科技大学计算机学院	3	0	0.0	0.0
4	耿思	北京信息科技大学计算机学院	5	5	1.0	2.0