HA, Hien Thi a Aleš HORÁK. Who is Selling to Whom – Feature Evaluation for Multi-block Classification in Invoice Information Extraction. Online. In Karpov A., Potapova R. SPECOM 2021: 23rd International Conference on Speech and Computer. St. Petersburg, Russia: Springer, 2021. s. 250-261. ISBN 978-3-030-87801-6. Dostupné z: https://dx.doi.org/10.1007/978-3-030-87802-3_23. [citováno 2024-04-23]
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Who is Selling to Whom – Feature Evaluation for Multi-block Classification in Invoice Information Extraction
Autoři HA, Hien Thi (704 Vietnam, domácí) a Aleš HORÁK (203 Česká republika, domácí)
Vydání St. Petersburg, Russia, SPECOM 2021: 23rd International Conference on Speech and Computer, od s. 250-261, 12 s. 2021.
Nakladatel Springer
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW URL
Impakt faktor Impact factor: 0.402 v roce 2005
Kód RIV RIV/00216224:14330/21:00123275
Organizační jednotka Fakulta informatiky
ISBN 978-3-030-87801-6
ISSN 0302-9743
Doi http://dx.doi.org/10.1007/978-3-030-87802-3_23
Klíčová slova anglicky OCR; Invoice; Block type classification; Seller; Buyer; Delivery address
Štítky firank_B
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: doc. RNDr. Aleš Horák, Ph.D., učo 1648. Změněno: 10. 10. 2022 10:26.
Anotace
The invoice information extraction task aims at unifying the automatized processing of invoices in structured forms and in the form of a scanned image. Recognizing the pieces of information where a specific value is identified with a keyword (such as the invoice date) is a relatively well-managed task. On the other hand, identification of multi-block information on the invoice, such as distinguishing the seller, buyer, and the delivery address, is much more challenging due to versatile invoice layouts. In this work, we present a new technique of feature extraction and classification to recognize the seller, buyer, and delivery address text blocks in scanned invoices based on a combination of complex layout and annotated text features. The method does not only consider the block positional features but also the relation between blocks and block contents at a higher level. The technique is implemented as a module of the OCRMiner system. We offer its detailed evaluation and error analysis with a dataset of more than five hundred Czech invoices reaching the overall macro average F1-score of 94%.
Návaznosti
LM2018101, projekt VaVNázev: Digitální výzkumná infrastruktura pro jazykové technologie, umění a humanitní vědy (Akronym: LINDAT/CLARIAH-CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, LINDAT/CLARIAH-CZ - Digitální výzkumná infrastruktura pro jazykové technologie, umění a humanitní vědy
MUNI/A/1195/2021, interní kód MUNázev: Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
Investor: Masarykova univerzita, Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
VytisknoutZobrazeno: 23. 4. 2024 15:00