論文の概要: Estimating Post-OCR Denoising Complexity on Numerical Texts
- arxiv url: http://arxiv.org/abs/2307.01020v1
- Date: Mon, 3 Jul 2023 13:49:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 12:47:51.977538
- Title: Estimating Post-OCR Denoising Complexity on Numerical Texts
- Title(参考訳): 数値テキストによるOCR後の騒音複雑度の推定
- Authors: Arthur Hemmer, J\'er\^ome Brachat, Micka\"el Coustaty, Jean-Marc Ogier
- Abstract要約: そこで本研究では,テキストの難解化複雑性を推定し,様々な性質のデータセット上で評価する手法を提案する。
本研究では,現代のデノナイジング手法の誤差率に対する推定複雑性ランキングを評価し,推定値の有効性を示す。
- 参考スコア(独自算出の注目度): 0.5536916056861976
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Post-OCR processing has significantly improved over the past few years.
However, these have been primarily beneficial for texts consisting of natural,
alphabetical words, as opposed to documents of numerical nature such as
invoices, payslips, medical certificates, etc. To evaluate the OCR
post-processing difficulty of these datasets, we propose a method to estimate
the denoising complexity of a text and evaluate it on several datasets of
varying nature, and show that texts of numerical nature have a significant
disadvantage. We evaluate the estimated complexity ranking with respect to the
error rates of modern-day denoising approaches to show the validity of our
estimator.
- Abstract(参考訳): OCR後処理はここ数年で大幅に改善されている。
しかし、これらは主に、請求書、支払書、医療証明書などの数値的な性質の文書とは対照的に、自然なアルファベット文からなるテキストに有用である。
これらのデータセットのocr処理の難易度を評価するために,テキストの発声複雑性を推定し,様々な性質のデータセット上で評価する方法を提案する。
本研究では,現代のデノナイジング手法の誤差率に対する推定複雑性ランキングを評価し,推定値の有効性を示す。
関連論文リスト
- DLoRA-TrOCR: Mixed Text Mode Optical Character Recognition Based On Transformer [12.966765239586994]
マルチフォント、混合シーン、複雑なレイアウトは、従来のOCRモデルの認識精度に深刻な影響を及ぼす。
本稿では,事前学習したOCR変換器,すなわちDLoRA-TrOCRに基づくパラメータ効率の良い混合テキスト認識手法を提案する。
論文 参考訳(メタデータ) (2024-04-19T09:28:16Z) - FENICE: Factuality Evaluation of summarization based on Natural language Inference and Claim Extraction [85.26780391682894]
自然言語推論とクレーム抽出(FENICE)に基づく要約のファクチュアリティ評価を提案する。
FENICEは、ソース文書内の情報と、要約から抽出されたクレームと呼ばれる一連の原子的事実との間のNLIベースのアライメントを利用する。
我々の測定基準は、事実性評価のためのデファクトベンチマークであるAGGREFACTに関する新しい技術状況を設定する。
論文 参考訳(メタデータ) (2024-03-04T17:57:18Z) - Frustratingly Simple Prompting-based Text Denoising [1.0619039878979954]
本稿では,自動エッセイ評価(AES)タスクに関する新しい視点を紹介し,静的エンティティとしてのASAPデータセットの従来の見方に挑戦する。
本論文は,テキストの復号化によってデータセットに小さな変更を加えることで,最終的な結果が向上することを示す。
論文 参考訳(メタデータ) (2024-02-24T23:23:06Z) - Enhancing Systematic Decompositional Natural Language Inference Using
Informal Logic [53.363888563647976]
我々は,分解包含データセットに注釈を付けるための一貫した理論的なアプローチを開発した。
得られたデータセットRDTEは,従来よりも内部整合性(+9%)が高いことがわかった。
また, 知識蒸留によるRDTE指向エンテーメント分類器の訓練や, 現代のニューロシンボリック推論エンジンへの導入により, 結果が大幅に向上することが確認された。
論文 参考訳(メタデータ) (2024-02-22T18:55:17Z) - Toward Zero-shot Character Recognition: A Gold Standard Dataset with
Radical-level Annotations [5.761679637905164]
本稿では,ラジカルレベルのアノテーションと文字レベルのアノテーションの両方を含む古代中国語の文字画像データセットを構築する。
ACCIDの適応性を高めるため,トレーニングサンプルを増強するスプライシングベースの合成文字アルゴリズムを提案し,画像の画質向上のために画像デノナイズ手法を適用した。
論文 参考訳(メタデータ) (2023-08-01T16:41:30Z) - Boosting Event Extraction with Denoised Structure-to-Text Augmentation [52.21703002404442]
イベント抽出は、テキストから事前に定義されたイベントトリガと引数を認識することを目的としている。
最近のデータ拡張手法は文法的誤りの問題を無視することが多い。
本稿では,イベント抽出DAEEのための記述構造からテキストへの拡張フレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-16T16:52:07Z) - Lexically Aware Semi-Supervised Learning for OCR Post-Correction [90.54336622024299]
世界中の多くの言語における既存の言語データの多くは、非デジタル化された書籍や文書に閉じ込められている。
従来の研究は、あまり良くない言語を認識するためのニューラル・ポスト・コレクション法の有用性を実証してきた。
そこで本研究では,生画像を利用した半教師付き学習手法を提案する。
論文 参考訳(メタデータ) (2021-11-04T04:39:02Z) - Empirical Error Modeling Improves Robustness of Noisy Neural Sequence
Labeling [26.27504889360246]
本稿では,誤りのないテキストから誤文への変換を訓練したシーケンス・ツー・シーケンスモデルを用いた経験的誤り生成手法を提案する。
テキスト入力が不完全である場合にさらに悪化するデータ空間の問題に対処するため,ノイズの多い言語モデルによる埋め込みを学習した。
提案手法は, 誤り系列ラベリングデータセットのベースラインノイズ発生と誤り訂正技術より優れていた。
論文 参考訳(メタデータ) (2021-05-25T12:15:45Z) - Evaluating Factuality in Generation with Dependency-level Entailment [57.5316011554622]
本稿では,依存弧のレベルで分解するエンテーメントの新たな定式化を提案する。
このデータに基づいて訓練された依存関係弧包含モデルにより,文レベルの手法よりもパラフレーズ化や要約における現実的不整合を識別できることが示されている。
論文 参考訳(メタデータ) (2020-10-12T06:43:10Z) - Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。
係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
論文 参考訳(メタデータ) (2020-10-05T17:27:31Z)
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。