論文の概要: HRDoc: Dataset and Baseline Method Toward Hierarchical Reconstruction of Document Structures

• arxiv url: http://arxiv.org/abs/2303.13839v1
• Date: Fri, 24 Mar 2023 07:23:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 15:26:48.733176
• Title: HRDoc: Dataset and Baseline Method Toward Hierarchical Reconstruction of Document Structures
• Title（参考訳）: HRDoc:文書構造の階層的再構築に向けたデータセットとベースライン手法
• Authors: Jiefeng Ma, Jun Du, Pengfei Hu, Zhenrong Zhang, Jianshu Zhang, Huihui Zhu, Cong Liu
• Abstract要約: 本稿では,NLPおよびCVフィールドに適した新しいタスクとして,文書構造の階層的再構築を提案する。 私たちは、2500のマルチページドキュメントと200万近いセマンティックユニットからなるHRDocという大規模なデータセットを構築しました。 本稿では,この問題を解決するために,エンコーダデコーダに基づく階層型文書構造解析システム(DSPS)を提案する。
• 参考スコア（独自算出の注目度）: 31.868926876151342
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The problem of document structure reconstruction refers to converting digital or scanned documents into corresponding semantic structures. Most existing works mainly focus on splitting the boundary of each element in a single document page, neglecting the reconstruction of semantic structure in multi-page documents. This paper introduces hierarchical reconstruction of document structures as a novel task suitable for NLP and CV fields. To better evaluate the system performance on the new task, we built a large-scale dataset named HRDoc, which consists of 2,500 multi-page documents with nearly 2 million semantic units. Every document in HRDoc has line-level annotations including categories and relations obtained from rule-based extractors and human annotators. Moreover, we proposed an encoder-decoder-based hierarchical document structure parsing system (DSPS) to tackle this problem. By adopting a multi-modal bidirectional encoder and a structure-aware GRU decoder with soft-mask operation, the DSPS model surpass the baseline method by a large margin. All scripts and datasets will be made publicly available at https://github.com/jfma-USTC/HRDoc.
• Abstract（参考訳）: 文書構造再構成の問題は、デジタルまたはスキャンされた文書を対応する意味構造に変換することである。 既存の作品の多くは、各要素の境界を単一の文書ページに分割することに集中しており、複数ページの文書における意味構造の再構築を無視している。 本稿では,NLPおよびCVフィールドに適した新しいタスクとして,文書構造の階層的再構築を提案する。 新しいタスクでシステム性能をよりよく評価するために、2500のマルチページ文書と200万近いセマンティックユニットからなるHRDocという大規模なデータセットを構築した。 HRDocのすべてのドキュメントは、ルールベースの抽出器と人間のアノテーションから得られるカテゴリや関係を含む行レベルのアノテーションを持っている。 さらに,この問題に対処するためのエンコーダデコーダに基づく階層型文書構造解析システム (DSPS) を提案する。 マルチモーダル双方向エンコーダとソフトマスク操作を備えた構造対応GRUデコーダを採用することにより,DSPSモデルはベースライン法を大きなマージンで上回る。 すべてのスクリプトとデータセットはhttps://github.com/jfma-USTC/HRDocで公開される。

関連論文リスト

• Multi-Field Adaptive Retrieval [39.38972160512916]
  MFAR(Multi-Field Adaptive Retrieval)は、構造化データ上の任意の文書インデックスに対応するフレキシブルなフレームワークである。 本フレームワークは,(1) 既存の文書のフィールドへの分解,(2) 文書クエリの条件付けによるフィールドの重要性を適応的に予測するモデル学習,という2つのステップから構成される。 提案手法により,フィールドタイプ間での濃密表現と語彙表現の最適化が実現され,既存の検索者よりも文書のランク付けが大幅に向上し,マルチフィールド構造における最先端の性能が向上することがわかった。
  論文  参考訳（メタデータ） (2024-10-26T03:07:22Z)
• Contextual Document Embeddings [77.22328616983417]
  本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。 第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。 第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
  論文  参考訳（メタデータ） (2024-10-03T14:33:34Z)
• HDT: Hierarchical Document Transformer [70.2271469410557]
  HDTは補助的なアンカートークンを導入し、アテンション機構をスパースなマルチレベル階層に再設計することでドキュメント構造を利用する。 文書の階層構造を考慮した新しいスパークアテンションカーネルを開発した。
  論文  参考訳（メタデータ） (2024-07-11T09:28:04Z)
• Leveraging Collection-Wide Similarities for Unsupervised Document Structure Extraction [61.998789448260005]
  本稿では,コレクション内の文書の典型的構造を特定することを提案する。 任意のヘッダのパラフレーズを抽象化し、各トピックを各ドキュメントのロケーションにグルーピングします。 文書間の類似性を利用した教師なしグラフベース手法を開発した。
  論文  参考訳（メタデータ） (2024-02-21T16:22:21Z)
• Detect-Order-Construct: A Tree Construction based Approach for Hierarchical Document Structure Analysis [9.340346869932434]
  本稿では,複数のサブタスクを同時に処理する木構築手法を提案する。 このフレームワークに基づく効果的なエンドツーエンドソリューションを提案し,その性能を実証する。 本システムでは,2つの大規模文書レイアウト解析データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-01-22T12:00:37Z)
• DSG: An End-to-End Document Structure Generator [32.040520771901996]
  Document Structure Generator (DSG) は、完全にエンドツーエンドのトレーニングが可能な文書解析のための新しいシステムである。 我々のDSGは商用のOCRツールよりも優れており、その上最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2023-10-13T14:03:01Z)
• PDFTriage: Question Answering over Long, Structured Documents [60.96667912964659]
  構造化文書をプレーンテキストとして表現することは、これらの文書をリッチな構造でユーザ精神モデルと矛盾する。 本稿では,構造や内容に基づいて,モデルがコンテキストを検索できるPDFTriageを提案する。 ベンチマークデータセットは,80以上の構造化文書に900以上の人間が生成した質問からなる。
  論文  参考訳（メタデータ） (2023-09-16T04:29:05Z)
• DocumentNet: Bridging the Data Gap in Document Pre-Training [78.01647768018485]
  本稿では,Webから大規模かつ弱いラベル付きデータを収集し,VDERモデルの学習に役立てる手法を提案する。 収集されたデータセットはDocumentNetと呼ばれ、特定のドキュメントタイプやエンティティセットに依存しない。 広く採用されているVDERタスクの実験は、DocumentNetを事前トレーニングに組み込んだ場合、大幅に改善されている。
  論文  参考訳（メタデータ） (2023-06-15T08:21:15Z)
• TransDocAnalyser: A Framework for Offline Semi-structured Handwritten Document Analysis in the Legal Domain [3.5018563401895455]
  最初の半構造化文書解析データセットを法域内に構築する。 このデータセットは、多種多様な手書きテキストと印刷テキストを組み合わせる。 本稿では,手書き半構造化文書のオフライン処理のためのエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-03T15:56:30Z)
• Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
  既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。 本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-03T02:52:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。