Diplomová práce

Automated extraction of tabular data from PDF documents

Žofia Tunová
Anotace

Podvodné praktiky vo vede sú rozšírený, no často skrytý problém. V dnešnej digitálnej dobe, plnej dezinformácií, je čoraz dôležitejšie zabezpečiť autenticitu vedeckých tvrdení pre udržanie dôvery vo vedu. Jedným z prístupov na odhaľovanie podvodných publikácií je detekcia manipulácie s dátami prostredníctvom štatistických metód. Na efektívne uplatnenie týchto metód je však najprv potrebné získať relevantné …více

Abstract

Fraud in scientific research is a widespread yet often hidden problem. In today's digital era, which is flooded with misinformation, ensuring the authenticity of scientific findings is increasingly important for maintaining public trust in science. One approach to uncovering fraudulent research involves using statistical methods to detect data manipulation. However, to apply these methods effectively …více

Klíčová slova
scientific integrity web application PDF parsing table detection table extraction
Zadání práce
The thesis contributes to the efforts to identify fake scientific studies. The process usually involves extracting tabular data from PDF files, recalculating statistics and verifying presented figures. The thesis will aim to develop an application that streamlines the extraction process.
The specific tasks will be:
1) Provide an overview of available tabular data extractors from PDF files.
2) Implement a web application that allows for uploading a PDF file, automatic identification of tables and their extraction to a usable format (e.g., CSV, XLSX)
3) The application will allow users to interact with the extraction process - adjust table borders and edit extracted tabular data
4) Test the application and evaluate its usability for the scientific integrity community.
Administrativní informace
Práce zkontrolována:
26. 5. 2025 13:51, Mgr. Tomáš Foltýnek, Ph.D., učo 4374
Plný text práce
7 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
18. 6. 2025
Práce byla úspěšně obhájena

Vedoucí

Mgr. Tomáš Foltýnek, Ph.D., učo 4374
KSUZD FI MU

Oponent

doc. Mgr. Jan Obdržálek, PhD., učo 1552
KTP FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Plán
Návrh a vývoj softwarových systémů

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.