Approximate String Matching for Detecting Keywords in Scanned Business Documents

HA, Hien Thi. Approximate String Matching for Detecting Keywords in Scanned Business Documents. Online. In Ales Horak, Pavel Rychly, Adam Rambousek. Proceedings of Recent Advances in Slavonic Natural Language Processing, RASLAN 2019. Brno, Czech Republic: NLP Consulting, 2019, s. 49-54. ISBN 978-80-263-1530-8.

Základní údaje

Originální název

Approximate String Matching for Detecting Keywords in Scanned Business Documents

Autoři

HA, Hien Thi (704 Vietnam, garant, domácí)

Vydání

Brno, Czech Republic, Proceedings of Recent Advances in Slavonic Natural Language Processing, RASLAN 2019, od s. 49-54, 6 s. 2019

Nakladatel

NLP Consulting

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Odkazy

URL

Kód RIV

RIV/00216224:14330/19:00113733

Organizační jednotka

Fakulta informatiky

ISBN

978-80-263-1530-8

ISSN

UT WoS

000604899800006

Klíčová slova anglicky

approximate string matching; Levenshtein distance; weighted edit distance; OCR; invoice

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

Optical Character Recognition (OCR) is achieving higher ac- curacy. However, to decrease error rate down to zero is still a human desire. This paper presents an approximate string matching method using weighted edit distance for searching keywords in OCR-ed business docu- ments. The evaluation on a Czech invoice dataset shows that the method can detect a significant part of erroneous keywords.