テキスト認識エラーモデルによる引用文献文字列からの書誌要素の抽出(画像認識,コンピュータビジョン)
スポンサーリンク
概要
- 論文の詳細を見る
電子図書館や文献検索において引用関係などに基づいて文献相互のリンクを形成することは,情報検索やナビゲーションを行う上で重要である.本論文では,電子化される以前の文献も含めた相互リンクを実現するために,文書画像解析の結果得られた引用文献文字列から書誌要素を抽出する方法を提案する.提案手法では,引用文献文字列の構文構造とOCRの認識誤りを扱うために,隠れマルコフモデルを拡張した統計モデルを用いる.ルールベースのシステムでは,ルールの獲得が大きな問題となるが,提案手法では,訓練データを用いた統計モデルのパラメータ推定アルゴリズムによってモデルを低コストで獲得できる.本論文では,OCRによって得られた引用文献文字列と大規模書誌データベースを用いて,提案手法の評価を行い,90%程度の精度で書誌要素を抽出できることを示す.更に,書誌要素の抽出に失敗した場合でも,引用文献文字列中の書誌要素のおおよその位置を特定できることを示し,文献の相互リンクのための書誌マッチングにおいて,高い精度で書誌要素を抽出できることを実験的に示す.
- 2004-06-01
著者
-
高須 淳宏
国立情報学研究所
-
相原 健郎
国立情報学研究所|総合研究大学院大学
-
相原 健郎
国立情報学研究所
-
相原 健郎
文部省学術情報センター研究開発部
-
相原 健郎
総合研究大学院大学:国立情報学研究所
関連論文
- 知識ベースを用いた人名検索時の曖昧性の解消(言語処理,夏のデータベースワークショップDBWS 2006)
- 知識ベースを用いた人名検索時の曖昧性の解消(言語処理)
- 言い換え箇所と言い換え候補の提示による解説文リライト支援の書き手の評価実験(言い換え・略語・要約)
- 高さの制限された無順序木の編集距離問題に対する近似アルゴリズム
- 混合ディリクレ分布を用いた文書分類の精度について(情報融合)
- 文書間類似度によるソフトウェアパターン間関連分析と複合関連の導出
- マージン最大化によるメトリック空間分割手法(一般,「ユビキタス,センサ環境におけるデータベース」,及び一般)
- 3.アカデミックリンケージ : 膨大な学術情報へのアクセスを支援するリンケージ基盤(パートII:情報分野研究者のためのオンリーワン共有イノベーションプラットフォーム,情報爆発時代におけるわくわくするITの創出を目指して)
- 6ZK-4 情報爆発時代におけるP2P情報検索向きデータ配置手法(情報爆発時代におけるストリームデータと実世界情報処理,学生セッション,「情報爆発」時代に向けた新しいIT基盤技術)
- 6J-4 情報爆発時代のための制約つきクラスタリングを用いた制約つきフィードバック手法の提案(情報爆発時代における情報検索・推薦技術およびWebコミュニティ分析,一般セッション,「情報爆発」時代に向けた新しいIT基盤技術)
- 5J-1 Name Disambiguation Using Topics Extracted from Web Directories in Information-explosion Era
- E-014 軽量のテキスト処理による複数文書要約システム(E分野:自然言語・音声・音楽)
- P2P情報検索における索引とファイルの分散配置手法(分散ファイル・システム)
- 検索語の曖昧性解消のためのトピック指向単語抽出および単語クラスタリング
- SVM/HMMによる引用文献データの同定(情報抽出・構造分析)(ユビキタス社会における情報流通および一般)
- 効率的能動学習のための能動サポートカーネルマシン(人工知能,認知科学)
- 高さの制限された2個の無順序木に対する最大共通部分木の近似アルゴリズムの改良
- 2J-3 確率モデルに基づく木の類似度のパラメータ学習について(情報爆発時代におけるマルチメディアデータと交通情報システム,一般セッション,「情報爆発」時代に向けた新しいIT基盤技術)
- 木の編集距離の文字列の編集距離による近似
- 孤立者検出のための立食形式パーティー映像のハンドアノテーション分析
- 画像化主義に基づく文献資料研究用ツールSMART-GSとその発展
- カテゴリ階層構造を考慮した確率的トピックモデルとその応用
- カテゴリ階層構造を考慮した確率的トピックモデルとその応用
- 説得性に基づく情報推薦手法の提案:送り手の属性に着目したモデルと検証
- 記憶の想起と記録のためのライフログ・ブログ連携型支援手法の提案
- 孤立者検出のための立食形式パーティー映像のハンドアノテーション分析
- 学術論文文書画像からのページレイアウトに依存しない自動書誌要素抽出
- テキスト分類における訓練データと性能の実験的考察(電子文書処理)
- 概念空間の再構造化による創造性支援
- 無順序木の編集距離計算のための厳密アルゴリズム
- 文章の読解支援のための効果的な図的表現について
- 編集にあたって(電子政府)
- ワールドカップはITが支える
- 記憶の想起に基づく創造性支援次世代インタラクションのための情報技術
- パラメータ化された連結成分分解を用いたWeb情報の有効利用(セッション9A : Web(1))
- パラメータ化された連結成分分解を用いたWeb情報の有効利用(Web(1))(「夏のデータベースワークショップ(DBWS2003)」一般)
- P2P情報検索における単語の頻度情報に基づくデータ配置手法
- 小学生の語彙特性と専門用語に着目した言い換え箇所の分析
- 文化遺産に関する説明文の対象ユーザに合わせた言い換えの提案(形態素・固有表現)
- 文化遺産に関する説明文の対象ユーザに合わせた言い換えの提案(形態素・固有表現)
- 学校教育における文化財コンテンツ利活用のための教育支援システム (メディアと子ども)
- 複製文字列検知に基づいた Splog フィルタリング手法
- Web資源を利用した学術論文閲覧支援システム
- CRFを用いた学術論文OCRテキストからの自動書誌要素抽出
- オーソライズされた文献に基づくドメインの視覚化
- M-063 街なかソーシャル・ブックマーキング"pin@clipピナクリ" : e空間実現のためのサービス実証実験の全体像(M分野:ユビキタス・モバイルコンピューティング,一般論文)
- M-066 大型店舗におけるセンサを用いた人・スポットの状況推定の試み : e空間実現のための人・環境センサ活用(M分野:ユビキタス・モバイルコンピューティング,一般論文)
- M-064 行動ログを用いたユーザ特性の解析とその活用 : e空間実現のためのユーザ特性に関する研究(M分野:ユビキタス・モバイルコンピューティング,一般論文)
- RM-011 距離的なコストが情報閲覧および実行動に及ぼす影響 : e空間実現のための価値割引に関する研究(M分野:ユビキタス・モバイルコンピューティング,査読付き論文)
- 共著関係に基づくグラフを用いた書誌情報における著者同定手法の提案と評価(データマイニング・学習, 夏のデータベースワークショップDBWS2005)
- 共著関係に基づくグラフを用いた書誌情報における著者同定手法の提案と評価(データマイニング・学習, 夏のデータベースワークショップ2005)
- D-12-48 様々な学術論文誌OCRテキストからの書誌要素抽出(D-12.パターン認識・メディア理解A(パターンメディアの認識・理解・生成),一般セッション)
- D-008 類似検索の高速化を目的としたPivot選択手法の実験評価(D分野:データベース,一般論文)
- 2K-2 索引木の均衡を考慮した類似検索索引手法(情報爆発時代におけるアルゴリズム高率化,一般セッション,「情報爆発」時代に向けた新IT基盤技術,情報処理学会創立50周年記念(第72回)全国大会)
- 2K-1 高さ制約付き無順序木の高速類似検索アルゴリズムについて(情報爆発時代におけるアルゴリズム高率化,一般セッション,「情報爆発」時代に向けた新IT基盤技術,情報処理学会創立50周年記念(第72回)全国大会)
- RM-003 説得性に基づく情報推薦手法の提案 : 「ぷらっとPlat@自由が丘」における統合された行動ログの活用(ユビキタス・モバイルコンピューティング,査読付き論文)
- M-023 心的コンテキスト推定 : 「ぷらっとPlat自由が丘」におけるユーザ特性の推定(ユビキタス・モバイルコンピューティング,一般論文)
- 6ZC-2 コミュニティベースQ&Aからの類似質問検索手法(情報爆発時代におけるWebパーティカル検索,学生セッション,「情報爆発」時代に向けた新IT基盤技術,情報処理学会創立50周年記念(第72回)全国大会)
- テキスト認識エラーモデルによる引用文献文字列からの書誌要素の抽出(画像認識,コンピュータビジョン)
- Web 資源を利用した学術論文閲覧支援システム
- 信頼度の高いタイトル情報を利用した固有ページ発見(セッション2 : Web文書の蓄積とアクセス)
- 信頼度の高いタイトル情報を利用した固有ページ発見(セッション2 : Web文書の蓄積とアクセス)
- 検索語の曖昧性を解消するキーワードの提示手法(情報推薦, 夏のデータベースワークショップDBWS2005)
- 検索語の曖昧性を解消するキーワードの提示手法(情報推薦, 夏のデータベースワークショップ2005)
- リンク情報の利用によるWeb検索性能の改善
- レコード同定問題に関する研究の課題と現状(データ工学論文)
- 非構造Peer-to-Peerシステム上でのピアの有用性に基づいた問い合わせ処理(P2P)(夏のデータベースワークショップDBWS2004)
- 非構造Peer-to-Peerシステム上でのピアの有用性に基づいた問い合わせ処理(セッション10B : P2P)(夏のデータベースワークショップ : DBWS2004)
- 芸術家の技術保存用ビデオデータベースの構築・公開・研究計画
- 複数書誌データベース統合における重複エントリーの高速検出法(セッション5 : 文書データベース)
- D-12 パラメータ化された連結性に基づくWebページのグループ化(Web構造分析,D.データベース)
- パラメータ化された連結成分分解によるWebページのグループ化
- パラメータ化された連結成分分解によるWebページのグループ化
- 頻度情報を用いた類似文字列検索のための可変長N-gram
- 頻度情報を用いた類似文字列検索のための可変長N-gram
- 情報検索における単語間の関係の効果
- 複数書誌データベース統合における重複エントリーの高速検出法(セッション5 : 文書データベース)
- Webページ群の構造解析とグループ化
- 学術文献画像の書誌情報の近似マッチング法
- 異種データベース間でのレコード照合に関する研究動向
- HTMLからの情報抽出と統合(電子文書処理)
- HTML Table情報のXMLによる統合
- HTML Table情報のXMLによる統合
- 日英言語横断検索における関連性の重ね合わせモデルの効果(情報の検索とテストコレクション)
- 関連性の重ね合わせモデルを用いた日英言語横断検索
- 2000-DBS-122-8 英語テキストにおける関連性の重ね合わせモデルの検索特性
- DE2000-30 英語テキストにおける関連性の重ね合わせモデルの検索特性
- 軽量のテキスト処理による部分類似単語列検出手法(「自動化:推論,発見,学習,データマイニング」及び一般)
- 情報検索における単語間の関係の効果
- 2000-DBS-122-46 全文検索における構造化インデクスの性能評価
- DE2000-68 全文検索における構造化インデクスの性能評価
- 無順序木の編集距離の指数時間厳密アルゴリズム
- プローブカーデータを用いた自動交通異常検出
- RD-001 類似文字列検索におけるLCP配列を用いた可変長N-gram抽出手法の効率化(情報アクセスとマイニング,D分野:データベース)
- D-010 類似文字列検索における可変長N-gramを用いたマージの効率化(ストレージと検索,D分野:データベース)
- D-022 クラスタリングを利用した距離尺度の組み合わせによるTop-k検索(クラスタリング,D分野:データベース)
- プローブカーデータを用いた自動交通異常検出(交通センシング,通信,情報処理,一般)
- CRFによる和英文の参考文献文字列からの自動書誌要素抽出(情報抽出と情報検索,ビッグデータとソーシャルコンピューティング,及び一般)
- Twitterと論文との自動対応付け(「ソーシャルコンピューティング研究最前線」,ポスター発表のためのショートプレゼン,ソーシャルコンピューティング)
- 無順序木の編集距離の指数時間厳密アルゴリズム