s'authentifier
version française rss feed

inria-00579684, version 1

Improved CHAID Algorithm for Document Structure Modelling

Abdel Belaïd () 1, Philippe Moinel 2, Yves Rangoni () 1

Document Recognition and Retrieval XVII (2010) 7

Résumé : This paper proposes a technique for the logical labelling of document images. It makes use of a decision-tree based approach to learn and then recognise the logical elements of a page. A state-of-the-art OCR gives the physical features needed by the system. Each block of text is extracted during the layout analysis and raw physical features are collected and stored in the ALTO format. The data-mining method employed here is the \Improved CHi-squared Automatic Interaction Detection" (I-CHAID). The contribution of this work is the insertion of logical rules extracted from the logical layout knowledge to support the decision tree. Two setups have been tested; the rst uses one tree per logical element, the second one uses a single tree for all the logical elements we want to recognise. The main system, implemented in Java, coordinates the third-party tools (Omnipage for the OCR part, and SIPINA for the I-CHAID algorithm) using XML and XSL transforms. It was tested on around 1000 documents belonging to the ICPR'04 and ICPR'08 conference proceedings, representing about 16,000 blocks. The nal error rate for determining the logical labels (among 9 dierent ones) is less than 6%.

  • Domaine : Sciences de l'ingénieur/Traitement du signal et de l'image
    Informatique/Traitement du signal et de l'image
  • Mots-clés : Document Image Analysis and Recognition – Physical and logical layout analysis – OCR – Improved CHAID Algorithm – XML based formats
 
  • inria-00579684, version 1
  • oai:hal.inria.fr:inria-00579684
  • Contributeur : 
  • Soumis le : Jeudi 24 Mars 2011, 15:48:44
  • Dernière modification le : Jeudi 16 Juin 2011, 16:00:01
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
  翻译: