文献

J-GLOBAL ID：202002258234209560   整理番号：20A1071507

Word文書ファイルの個別入力データ抽出法の提案

A proposal of individual input data extraction method in Word document file

著者 (4件)： LI Yuehao (岡山大 大学院自然科学研究科) ,  舩曵信生 (岡山大 大学院自然科学研究科) ,  栗林稔 (岡山大 大学院自然科学研究科) ,  石原信也 (岡山大 大学院自然科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 468(ET2019 76-105)(Web)  ページ： 163-168 (WEB ONLY)  発行年： 2020年02月29日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究では,Microsoft Word文書ファイルを対象として,その書式構造を決めるテンプレートの情報を用いて,文書の個別入力データを自動抽出する方法の提案を行う.その際,事前にテンプレートが得られない場合に,テンプレートの自動生成を行う.ここでは,文書ファイルの内容を単語単位に分割し,その出現回数が総ファイル数と一致するものをテンプレートとしている.本研究の評価として,4種類のテスト用文書ファイル群に対して個別入力データの抽出実験を行い,本提案の有効性を検証する.(著者抄録)

シソーラス用語： *計算機ファイル ,  セグメンテーション ,  形態素解析 ,  *情報抽出 ,  データフォーマット ,  *文書処理
準シソーラス用語： *データ抽出 ,  自動抽出 ,  テンプレート【型板】 ,  テキスト行分割 ,  深さ優先探索 ,  探索アルゴリズム ,  文書作成 ,  評価実験

分類 (2件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

引用文献 (13件)：

• WordprocessingMLドキュメントの構造 (Open XML SDK), https://docs.microsoft.com/ja-jp/office/openxml/structure-of-a-wordprocessingml-document.
• Depth-first Search, https://en.wikipedia.org/wiki/Depthfirst/_search.
• Apache Lucene, https://lucene.apache.org.
• Kuromoji, https://www.atilika.org/.
• mecab-ipadic-NEologd : Neologism dictionary for MeCab, https://github.com/neologd/mecab-ipadic-neologd.

タイトルに関連する用語 (5件)： 文書 ,  ファイル ,  入力データ ,  抽出法 ,  提案