版面相似中文表单的分类方法研究  

A Study on Classification of Forms with Similar Layout

作　　者：王思萌[1] 高良才[1] 王悦涵[1] 李平立[1] 汤帜[1] 

机构地区：[1]北京大学计算机科学技术研究所,北京100080

出　　处：《北京大学学报（自然科学版）》2015年第2期213-219,共7页Acta Scientiarum Naturalium Universitatis Pekinensis

基　　金：国家自然科学基金(61202232);北京市自然科学基金(4142023)资助

摘　　要：针对具有相似版面的中文表单,提出一种简单有效的基于距离度量的表单分类方法,该方法对表单的用户填写信息、布局信息和位置偏移分别进行距离度量,并通过3种权重有效地降低用户填写信息的随机性、版面相似表单的布局一致性和位置抖动性对表单分类的影响。实验表明,所提方法在多个中文表单图像库上的分类准确率达到90%以上,比目前最新的表单分类方法有明显提高。The authors propose a simple but effective distance based method to identify forms with similar layouts by measuring the user filled-in data, preprinted data and dithering data. The proposed method utilizes three kinds of weight components to mitigate the impact of randomness of user filled-in data, consistency of similar layouts and position dithering respectively. Experimental results show that the proposed method can achieve more than 90% classification accuracy on a series of data sets, which is significantly better than the results of the state-of-the-artmethod.

关 键 词：表单分类 距离度量 权重计算 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]