基于神经端到端模型的手写文本与命名实体联合识别
计算机视觉与模式识别
2018-03-23 v2 计算与语言
摘要
从手写文档中提取信息时，文本转录与命名实体识别通常被视为两个分离的后续任务。这种做法的缺点在于，第一个模块中的误差会严重影响第二个模块的性能。在本工作中，我们提出使用一个用于纯文本识别的通用架构的单个神经网络来联合完成这两项任务。在实验上，本工作在一组历史婚姻记录上进行了测试。实验结果展示了不同配置对性能的影响：信息编码的不同方式、是否进行迁移学习，以及在文本行或多行区域级别进行处理。尽管所提出的技术未使用任何字典、语言建模或后处理，其结果仍与 ICDAR 2017 信息提取竞赛中报告的 SOTA 相当。
引用
@article{arxiv.1803.06252,
title = {Joint Recognition of Handwritten Text and Named Entities with a Neural End-to-end Model},
author = {Manuel Carbonell and Mauricio Villegas and Alicia Fornés and Josep Lladós},
journal= {arXiv preprint arXiv:1803.06252},
year = {2018}
}
备注
To appear in IAPR International Workshop on Document Analysis Systems 2018 (DAS 2018)