文献

J-GLOBAL ID：202002210841861881   整理番号：20A2336978

PDF2LaTeX PDFからLaTeXへの数学文書変換のための深層学習システム【JST・京大機械翻訳】

PDF2LaTeX A Deep Learning System to Convert Mathematical Documents from PDF to LaTeX

著者 (2件)： Wang Zelun (Dept. of Computer Science and Engineering, Texas A&M University, College Station, TX, USA) ,  Liu Jyh-Charn (Dept. of Computer Science and Engineering, Texas A&M University, College Station, TX, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： DocEng ’20  ページ： 1-10  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： PDFフォーマットにおける科学的出版物の数学的内容は,通常のPDFパーザとOCRツールによって容易に分析できない。本論文では,事後記述と画像ベースPDFファイルの両方における数学表現とテキストを抽出するPDF2LaTeXと呼ぶ新しいOCRシステムを提案し,それらをLaTeXマークアップに変換する。前処理ステップとして,PDF2LaTeXはまずPDFファイルをその画像フォーマットに与え,次に投影プロファイル切断(PPC)を用いてページレイアウトを分析した。数学表現とテキストの解析は,一連の深層学習アルゴリズムに基づいている。最初に,二値分類器として畳み込みニューラルネットワーク(CNN)を用いて,視覚特徴に基づく数学画像ブロックを検出した。次に,条件付きランダム場(CRF)を用いて,意味論とコンテキスト情報を組み込むことによって,数学テキスト境界を検出した。最後に,このシステムは,CNN-LSTMニューラルネットワークアーキテクチャに基づく2つの異なるモデルを使用し,数学表現と平文の画像ブロックをLaTeX表現に変換する。テストのために,著者らは,arXiv.orgに関する刊行物から収集した102PDFページから成る新しいデータセットを作成し,PDF2LaTeXと最先端の市販ソフトウェアInfty Readerの間の性能を比較した。実験結果は,提案したシステムが,予測されたLaTeXとグランドトルースの間のストリング編集距離によって測定されるより良い認識精度(81.1%)を達成したことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  刊行物 ,  前処理 ,  *ソフトウェア ,  深層 ,  学習アルゴリズム
準シソーラス用語： パーザ ,  認識精度 ,  編集距離 ,  グランドトゥルース ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 数学的表現 ,  PDF-LaTeX変換 ,  条件付き確率場 ,  深層学習 ,  文書解析

分類 (3件)： 計算機システム開発  (JD02010R) ,  データ保護  (JD01020V) ,  計算機ソフトウエア一般  (JD01010K)

タイトルに関連する用語 (4件)： PDF ,  数学 ,  文書 ,  深層学習