抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
技術的文書で提示された情報の深い理解を達成するためには,まず,テーブル,グラフィックス,ダイアグラムなどの文書の個々のモダリティを理解し,これらの個々のモダリティの正確な検出と認識は,効率的な理解を確実にするための重要な処理ステップを構成する。本論文では,表明情報のより深い関連を理解し,確率的Petriネットグラフで表現する方法論を提示した。本研究は,IEEEフォーマット規則を厳密に追跡する表に焦点を合わせた。これを3つの異なるステップ1)テーブル検出,2)テーブル認識,3)テーブル理解,に分割した。検出の部分のために,著者らはテーブルとして画像を分類するための種々の機械学習と規則ベースの方法論を研究して,それらの評価から結果を比較する。テーブル認識ステップの間,テーブルからすべての必要な情報を抽出して,それらの間の関連を認識する。次に,認識された関連を,属性グラフ,自然言語テキスト,およびSPNグラフに変換した。最後に,表明情報の変換から他の形式の情報表現への予備的結果を提示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】