版面实体提取与文档图像的子版面查询检索
信息检索
2016-09-12 v1
摘要
在基于结构搜索文档或文本内容未知/不相关时，版面和子版面构成了重要线索。子版面指定了文档中较小部分内文档实体的排列方式。我们提出了一种高效的基于图的匹配算法，并与基于哈希的索引相结合，以剪枝可能庞大的搜索空间。用户可以使用基于草图的查询指定感兴趣的子版面组合。该系统支持对未指定版面实体的部分匹配。我们利用基于对称性最大化的策略处理分割预处理错误（针对文本/非文本块）的情况，并考虑多个特定领域的合理分割假设。我们在包含 4776 张报纸图像的非结构化实体数据库上展示了该系统极具前景的结果。
引用
@article{arxiv.1609.02687,
title = {Extraction of Layout Entities and Sub-layout Query-based Retrieval of Document Images},
author = {Anukriti Bansal and Sumantra Dutta Roy and Gaurav Harit},
journal= {arXiv preprint arXiv:1609.02687},
year = {2016}
}