創発的計算に基づく文書画像からの論理要素の抽出 : ドキュメントリーダによる既存文書のディジタル化

概要

論文の詳細を見る
多様かつ複雑な印刷文書をディジタル化することを目的とした論理要素抽出方式を提案する。本方式は、印刷文書(文書画像)に対してレイアウト解析を適用してテキスト、写真、図形、表などのレイアウト要素を抽出し、そこから見出し、ヘッダ、フッタ、キャプション、脚注、プログラム、章節タイトル、段落(パラグラフ)、リスト(箇条書き)、数式などの広範囲の文書に共通と考えられる論理要素を自動抽出することを目標としている。論理要素抽出システムには、人工生命でキーコンセプトとされている創発の概念を導入している。すなわち、多階層アーキテクチャを採用し、各階層を複数のモジュールで構成し(各モジュールは全体制御を受けない)、階層間では相互作用を可能とした。その結果、システムは複雑な処理手順を生成することができ、多様な文書構造に自己適合しながら複雑な文書を処理できるようになっている。実験では、本方式を様々なレイアウト構造および論理要素を持つ文書に適用し、その有効性を確認している。
社団法人電子情報通信学会の論文
1998-05-13