論文の概要: Deep Learning based Key Information Extraction from Business Documents: Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2408.06345v1
- Date: Tue, 23 Jul 2024 08:15:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 03:57:10.764598
- Title: Deep Learning based Key Information Extraction from Business Documents: Systematic Literature Review
- Title（参考訳）: 深層学習に基づくビジネス文書からの鍵情報抽出:体系的文献レビュー
- Authors: Alexander Rombach, Peter Fettke,
- Abstract要約: 鍵情報抽出のための深層学習に基づくアプローチは、文書理解(Document Understanding)という用語で提案されている。
この体系的な文献レビューの目的は、この領域における既存のアプローチの詳細な分析とさらなる研究の機会の同定である。
- 参考スコア（独自算出の注目度）: 51.61531917413708
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Extracting key information from documents represents a large portion of business workloads and therefore offers a high potential for efficiency improvements and process automation. With recent advances in deep learning, a plethora of deep learning-based approaches for Key Information Extraction have been proposed under the umbrella term Document Understanding that enable the processing of complex business documents. The goal of this systematic literature review is an in-depth analysis of existing approaches in this domain and the identification of opportunities for further research. To this end, 96 approaches published between 2017 and 2023 are analyzed in this study.
- Abstract（参考訳）: ドキュメントから重要な情報を抽出することは、ビジネスワークロードの大部分を表しており、効率の改善とプロセスの自動化に高い可能性を提供します。
近年のディープラーニングの進歩に伴い、複雑なビジネス文書の処理を可能にする文書理解という包括的用語の下で、キー情報抽出のための多くのディープラーニングベースのアプローチが提案されている。
この体系的な文献レビューの目的は、この領域における既存のアプローチの詳細な分析とさらなる研究の機会の同定である。
この目的のために、2017年から2023年の間に発表された96のアプローチが本研究では分析されている。
関連論文リスト
- SyROCCo: Enhancing Systematic Reviews using Machine Learning [6.805429133535976]
本稿では,システムレビュープロセスのナビゲートを支援する機械学習技術について検討する。
データ抽出やエビデンスマッピングといったレビューのその後の段階へのML技術の適用は、その初期段階にある。
論文 参考訳（メタデータ） (2024-06-24T11:04:43Z) - Survey on Multi-Document Summarization: Systematic Literature Review [1.1318175666743657]
本研究は,複数文書要約のための既存手法の体系的な文献レビューを行う。
研究の結果、これらの方法の精度を高めるために、より効果的な方法が依然として必要であることが判明した。
論文 参考訳（メタデータ） (2023-12-20T10:51:35Z) - Little Giants: Exploring the Potential of Small LLMs as Evaluation
Metrics in Summarization in the Eval4NLP 2023 Shared Task [53.163534619649866]
本稿では,大規模言語モデルに品質評価の課題を扱えるように,プロンプトベースの手法の有効性を評価することに焦点を当てる。
我々は,標準的なプロンプト,アノテータ命令によって通知されるプロンプト,イノベーティブなチェーン・オブ・シークレットプロンプトなど,様々なプロンプト技術を用いて,系統的な実験を行った。
我々の研究は、これらのアプローチを"小さな"オープンソースモデル(orca_mini_v3_7B)を使って組み合わせることで、競争結果が得られることを示した。
論文 参考訳（メタデータ） (2023-11-01T17:44:35Z) - Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。
本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文 参考訳（メタデータ） (2022-04-24T04:36:07Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳（メタデータ） (2021-07-05T16:32:45Z) - A Systematic Literature Review on Process-Aware Recommender Systems [0.0]
本稿では,プロセス対応レコメンデータシステム技術に関する論文を同定し,分析することを目的とする。
2008年から2020年にかけて、33の学術論文で体系的なレビューが行われた。
論文 参考訳（メタデータ） (2021-03-30T19:56:29Z) - A Survey of Deep Learning Approaches for OCR and Document Understanding [68.65995739708525]
我々は、英語で書かれた文書の文書理解のための様々な手法をレビューする。
文献に現れる方法論を集約し,この領域を探索する研究者の跳躍点として機能させる。
論文 参考訳（メタデータ） (2020-11-27T03:05:59Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z)
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。