論文の概要: Extracting Network Structures from Corporate Organization Charts Using Heuristic Image Processing

• arxiv url: http://arxiv.org/abs/2311.02460v1
• Date: Sat, 4 Nov 2023 17:32:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 17:29:08.389774
• Title: Extracting Network Structures from Corporate Organization Charts Using Heuristic Image Processing
• Title（参考訳）: ヒューリスティック画像処理による企業組織図からのネットワーク構造抽出
• Authors: Hiroki Sayama and Junichi Yamanoi
• Abstract要約: 組織図から組織ネットワークデータを抽出・再構成する新しい画像処理手法を開発した。 我々の方法では,4,606の組織ネットワークを再構築することができた(データ取得成功率:46%)。
• 参考スコア（独自算出の注目度）: 0.24475591916185496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Organizational structure of corporations has potential to provide implications for dynamics and performance of corporate operations. However, this subject has remained unexplored because of the lack of readily available organization network datasets. To overcome the this gap, we developed a new heuristic image-processing method to extract and reconstruct organization network data from published organization charts. Our method analyzes a PDF file of a corporate organization chart and detects text labels, boxes, connecting lines, and other objects through multiple steps of heuristically implemented image processing. The detected components are reorganized together into a Python's NetworkX Graph object for visualization, validation and further network analysis. We applied the developed method to the organization charts of all the listed firms in Japan shown in the ``Organization Chart/System Diagram Handbook'' published by Diamond, Inc., from 2008 to 2011. Out of the 10,008 organization chart PDF files, our method was able to reconstruct 4,606 organization networks (data acquisition success rate: 46%). For each reconstructed organization network, we measured several network diagnostics, which will be used for further statistical analysis to investigate their potential correlations with corporate behavior and performance.
• Abstract（参考訳）: 企業の組織構造は、企業運営のダイナミクスとパフォーマンスに影響を及ぼす可能性がある。 しかし、このテーマは、簡単に利用できる組織ネットワークデータセットが不足しているため、未調査のままである。 このギャップを克服するため,我々は組織図から組織ネットワークデータを抽出・再構成する新しいヒューリスティック画像処理手法を開発した。 本手法は,企業組織図のPDFファイルを解析し,テキストラベル,ボックス,接続線,その他のオブジェクトをヒューリスティックに実装した複数ステップの画像処理により検出する。 検出されたコンポーネントは、視覚化、バリデーション、さらにネットワーク分析のために、PythonのNetworkX Graphオブジェクトにまとめられる。 2008年から2011年までdiamond, inc.が発行した「組織図/システム図手帳」に示す日本全上場企業の組織図に本手法を適用した。 10,008の組織図PDFファイルのうち,4,606の組織ネットワークを再構築することができた(データ取得成功率:46%)。 再建された組織ネットワーク毎にいくつかのネットワーク診断を行い,企業行動とパフォーマンスの関連性を調べるために,さらなる統計分析に活用する。

関連論文リスト

• Node Classification via Semantic-Structural Attention-Enhanced Graph Convolutional Networks [0.9463895540925061]
  SSA-GCN(Semantic-structure attention-enhanced graph convolutional Network)を導入する。 グラフ構造をモデル化するだけでなく、分類性能を高めるために一般化されていない特徴を抽出する。 Cora と CiteSeer のデータセットに対する実験により,提案手法による性能改善が実証された。
  論文  参考訳（メタデータ） (2024-03-24T06:28:54Z)
• The Analysis and Extraction of Structure from Organizational Charts [0.0]
  組織チャート(Organizational chart)またはorgチャート(org chart)は、組織の構造と、その構成要素と位置の間の階層的な関係を批判的に表す。 本稿では,コンピュータビジョン,ディープラーニング,自然言語処理技術を用いたエンドツーエンドの自動化手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T23:49:05Z)
• Federated Myopic Community Detection with One-shot Communication [31.930675913174742]
  フェデレートラーニングにおけるミオピックネットワークのコミュニティ構造回復の課題について検討する。 このパラダイムの下では、いくつかのクライアントが存在し、それぞれがミオピックビューを持ち、ネットワークの小さなサブグラフを観察します。 クライアントのエビデンスから合意署名付き重み付きグラフを計算し、中央サーバの基盤となるネットワーク構造を復元する効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-14T09:17:00Z)
• Graph Convolutional Networks in Feature Space for Image Deblurring and Super-resolution [11.531085904098003]
  グラフ畳み込みを付加した新しいエンコーダデコーダネットワークを提案する。 実験により、画像復元作業のパフォーマンスが著しく向上することが示された。 より多くのアプリケーションにおいて、GCNベースのアプローチの機会が開けると信じています。
  論文  参考訳（メタデータ） (2021-05-21T17:02:15Z)
• Joint Learning of Neural Transfer and Architecture Adaptation for Image Recognition [77.95361323613147]
  現在の最先端の視覚認識システムは、大規模データセット上でニューラルネットワークを事前トレーニングし、より小さなデータセットでネットワーク重みを微調整することに依存している。 本稿では,各ドメインタスクに適応したネットワークアーキテクチャの動的適応と,効率と効率の両面で重みの微調整の利点を実証する。 本手法は,ソースドメインタスクでスーパーネットトレーニングを自己教師付き学習に置き換え,下流タスクで線形評価を行うことにより,教師なしパラダイムに容易に一般化することができる。
  論文  参考訳（メタデータ） (2021-03-31T08:15:17Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
  本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
  論文  参考訳（メタデータ） (2020-12-22T03:56:26Z)
• Spectral Embedding of Graph Networks [76.27138343125985]
  ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。 埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
  論文  参考訳（メタデータ） (2020-09-30T04:59:10Z)
• Neural networks adapting to datasets: learning network size and topology [77.34726150561087]
  ニューラルネットワークは、勾配に基づくトレーニングの過程で、そのサイズとトポロジの両方を学習できるフレキシブルなセットアップを導入します。 結果として得られるネットワークは、特定の学習タスクとデータセットに合わせたグラフの構造を持つ。
  論文  参考訳（メタデータ） (2020-06-22T12:46:44Z)
• Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
  グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。 本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
  論文  参考訳（メタデータ） (2020-03-27T08:32:16Z)

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。