Projet TDM : Reconnaissance de tables de matières - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Rapport Année : 1998

Projet TDM : Reconnaissance de tables de matières

Patrick Nourrissier
  • Fonction : Auteur

Résumé

Ce rapport décrit l'état d'avancement du projet TDM (Table Des Matières) concernant la réalisation d'un serveur de sommaires d'articles pour la bibliothèque virtuelle Calliope initiée par le centre de recherche de Rank Xerox (XRCE). Les sommaires étudiés sont des sommaires homogènes ne comprenant que du texte avec une structure relativement simple. Les sommaires sont numérisés et leur texte est reconnu par le logiciel TextBridge. Le système de reconnaissance comprend un modèle de structure des articles et une stratégie générique d'analyse des images à partir de ce modèle. Trois modèles de structures d'articles sont définis : ligne, colonne, et mixte. Les modèles décrivent les formes de juxtaposition des trois entités composant les articles parmi titre, auteur et numéro de page, en indiquant leurs différentes formes de séparation : espace, tabulation, page, etc. La stratégie fonctionne par balayage des lignes de texte de haut en bas, séparation des articles, et séparation des champs dans chaque article conformément aux indications du modèle. Les tests réalisés sur 18 classes de sommaires avec environ une dizaine d'échantillons par sommaire ont conduit à un résultat global de 100 % pour 17 sommaires et de 99 % pour le dernier. Ces scores ne tiennent pas compte des erreurs de l'OCR et reflètent uniquement la bonne segmentation des champs importants.
Fichier non déposé

Dates et versions

inria-00098445 , version 1 (25-09-2006)

Identifiants

  • HAL Id : inria-00098445 , version 1

Citer

Patrick Nourrissier. Projet TDM : Reconnaissance de tables de matières. [Interne] 98-R-209 || nourrissier98a, 1998, 72 p. ⟨inria-00098445⟩
54 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More