OCRMiner

HA, Hien Thi, Aleš HORÁK, Marek MEDVEĎ a Zuzana NEVĚŘILOVÁ. OCRMiner. 2018.

Základní údaje

• Originální název: OCRMiner
• Název česky: OCRMiner
• Autoři: HA, Hien Thi (704 Vietnam, domácí), Aleš HORÁK (203 Česká republika, domácí), Marek MEDVEĎ (703 Slovensko, garant, domácí) a Zuzana NEVĚŘILOVÁ (203 Česká republika, domácí).
• Vydání: 2018.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Software
• Obor: 10200 1.2 Computer and information sciences
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• WWW: URL
• Kód RIV: RIV/00216224:14330/18:00101859
• Organizační jednotka: Fakulta informatiky
• Klíčová slova česky: data mining; extrakce informací; klasifikace textu; OCR
• Klíčová slova anglicky: data mining; information extraction; text classification; OCR
• Technické parametry: Aplikace pro vytěžování dat z finančních dokumentů. Vstupem aplikace je obrázek dokumentu, případně jazyk dokumentu, výstupem je soubor XML s vyznačenými třídami a významy jednotlivých bloků. Aplikace má webové rozhraní použitelné i pro mobilní zařízení.

Anotace

The aim of the OCRMiner project is to use natural language processing technologies for extracting information from financial documents. At first stage, a document has to be classified, i.e. it has to be decided whether it is a financial document (invoice, proforma invoice). Second step is information extraction and detection of meaning of a particular information, i.e. classification into classes such as buyer, seller, due date.

Anotace česky

Cílem projektu OCRMiner je využít technologií zpracování přirozeného jazyka pro vytěžování informací z finančních dokumentů. Prvním krokem řešení je klasifikace dokumentů a zjištění, zda jde o finanční dokument (faktura, proforma faktura). Druhým krokem je vytěžování informací a detekce významu těchto informací, tj. klasifikace do tříd dodavatel, odběratel, datum splatnosti apod.

Návaznosti

• MUNI/A/0854/2017, interní kód MU: Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VII.

Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VII., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty

• TG02010067, projekt VaV: Název: Rozvoj systému komercializace výsledků VaV na Masarykově univerzitě (Akronym: Rozvoj systému komercializace na MU)

Investor: Technologická agentura ČR, Rozvoj systému komercializace výsledků VaV na Masarykově univerzitě II., Podprogram 1