纸质文档与其电子全文对应物间的词级对齐
计算与语言
2021-05-03 v1
摘要
我们描述了一种用于自动创建印刷文档与其相应全文版本之间词级对齐的简单流程。该流程无监督，仅使用标准现成组件，在基础设置下达到 85.01 的 F-score，在使用前后处理时可达 86.63。潜在应用领域包括人工数据库整理（含文档分诊）与生物医学表达 OCR。
引用
@article{arxiv.2104.14925,
title = {Word-Level Alignment of Paper Documents with their Electronic Full-Text Counterparts},
author = {Mark-Christoph Müller and Sucheta Ghosh and Ulrike Wittig and Maja Rey},
journal= {arXiv preprint arXiv:2104.14925},
year = {2021}
}
备注
to appear in Proceedings of BioNLP 2021