商业文档信息抽取：迈向实用基准
信息检索
2022-06-23 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
从半结构化文档中抽取信息对于无缝的企业对企业（B2B）通信至关重要。尽管与文档信息抽取（IE）相关的机器学习问题已被研究数十年，许多常见的问题定义和基准并未反映领域特定方面以及自动化B2B文档通信的实际需求。我们回顾了文档IE问题、数据集和基准的概况。我们强调了常见定义中缺失的实际方面，并定义了关键信息定位与抽取（KILE）和行项识别（LIR）问题。由于半结构化商业文档的内容通常受法律保护或属敏感信息，缺乏用于文档IE的相关数据集和基准。我们讨论了可用文档的潜在来源，包括合成数据。
引用
@article{arxiv.2206.11229,
title = {Business Document Information Extraction: Towards Practical Benchmarks},
author = {Matyáš Skalický and Štěpán Šimsa and Michal Uřičář and Milan Šulc},
journal= {arXiv preprint arXiv:2206.11229},
year = {2022}
}
备注
Accepted to CLEF 2022