Reconnaissance de tables de matières

Abdel Belaïd 1 Laurent Pierron
1 READ - READ
LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : Ce rapport décrit une méthode de reconnaissance automatique de sommaires de revues. Cette méthode sera utilisée pour alimenter automatiquement le serveur des tables de matières du système de bibliothèque virtuelle, Calliope. La méthode utilise en entrée le texte d'un sommaire, reconnu par OCR, puis procède à la localisation de ses articles en passant par plusieurs étapes. Les traitements débutent par un étiquetage primaire permettant de distinguer les chaînes de caractères spécifiques aux différents champs d'un article. Ces éléments sont ensuite étendus de manière contextuelle pour identifier des parties plus importantes des champs . Les éléments ainsi retenus sont affectés d'un score mesurant la qualité de leur régularité à représenter les champs des articles. Enfin, une expression régulière est extraite à partir de la segmentation réalisée et utilisée pour compléter ou corriger certains champs. Le prototype a été testé sur une quinzaine de revues de formats différents, avec à peu près un millier d'articles. Le résultat de l'extraction des articles avoisine les 96% pour 2277 articles (241 sommaires pris dans 32 revues et 9 congrès). La séparation des champs à l'intérieur des articles est de l'ordre de 83% pour environ 2000 articles avec champs auteurs. Une interface de visualisation, de reconnaissance et de correction est également réalisée permettant de suivre la reconnaissance et de corriger manuellement les cas résiduels à partir d'une page HTML décrivant le résultat.
Type de document :
Rapport
[Contrat] 99-R-220 || belaid99b, 1999, 19 p
Liste complète des métadonnées

https://hal.inria.fr/inria-00098840
Contributeur : Publications Loria <>
Soumis le : mardi 26 septembre 2006 - 08:39:04
Dernière modification le : mardi 24 avril 2018 - 13:34:42

Identifiants

  • HAL Id : inria-00098840, version 1

Collections

Citation

Abdel Belaïd, Laurent Pierron. Reconnaissance de tables de matières. [Contrat] 99-R-220 || belaid99b, 1999, 19 p. 〈inria-00098840〉

Partager

Métriques

Consultations de la notice

52