XML文脊変換を目的としたセル分類およびセル変形に基づく表構造解析

摘要

本論文では，紙媒体の表をXMLスキーマやDTDに基づいたXML文書に変換する新しい方法を提案する。 本方式ではまず，文番画像に変換した義から鄭線で区切られたデータフィールドをセル特徴として抽出する．次に，各セル特徴をあらかじめ定めた5つのタイプに分類することによりセル配置が不規則な表を識別すると共に，特定のセルに対して変形処刑を尖施することにより規則正しいセル配置を形成する．ざらに，規則正しいセルの並びから行（和W）構造を抽出することにより階層的な表構造を構成し，得られた表構造をDOMツリーで記述する．さらに，XMLパーザーを剛、てDOMツリーをⅩHTMLに基づいたピボットⅩML文書（中間XML文書）に変換したあと，ピボットXML文杏に対して情報抽出処理と構造変換処理を適用することによりターゲットXML文書を生成する．科学技術文机　 医共晶添付文乳マニュアル．約款，法令集など実際の文啓に含まれる表を用いた実験でⅩML文書変換性能を評価したところ良好な結果を得ることができた．