Detailansicht
Component extraction from scientific publications using convolutional neural networks
György Ádám Katona
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Informatik
Betreuer*in
Torsten Möller
DOI
10.25365/thesis.60696
URN
urn:nbn:at:at-ubw:1-10841.15119.344561-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das Extrahieren von Komponenten aus wissenschaftlichen Publikationen ist ein weit erforschtes Informations-Mining-Problem. In dieser Arbeit präsentieren wir ein Komponentenextraktionssystem, das nicht auf Abbildungen und Tabellen beschränkt ist und daher flexibler ist als bereits vorhandene Lösungen. Zur Verbesserung des Trainingsprozesses entwickeln wir ein Annotationstool für Dokumente, das unseren Experimenten zufolge viermal schneller als vorhandene Annotationstools ist. Nachdem wir 350 Veröffentlichungen aus drei verschiedenen wissenschaftlichen Bereichen für das Trainingsverfahren bereitgestellt haben, untersuchen wir die Präzision unseres Systems in drei verschiedenen Klassen und führen eine Fehleranalyse durch, um zukünftige Verbesserungen zu ermöglichen. Da die Image-Segmentation-Schicht in unserem System ersetzt werden kann, vergleichen wir in unserem Experiment zwei unterschiedliche neuronale Netzwerkmodelle miteinander.
Abstract
(Englisch)
Extracting components from scientific publications is a widely researched information mining problem. We are presenting a component extraction system that is not limited to figures and tables, thereby it is more flexible than already existing solutions. In order to support training process, we introduce our annotation tool for article type documents that is more than 4 times faster than existing tools according to our experiments. After labeling 350 publications from three different scientific fields, we investigate the accuracy of our system on three different sets of classes and ran an error analysis to provide help for future improvement. As our system is designed in a way that the image segmentation layer can be replaced, our experiments also cover the comparison of using two different neural network models.
Schlagwörter
Schlagwörter
(Englisch)
document analysis figure extraction segmentation neural networks annotation
Schlagwörter
(Deutsch)
Nicht angegeben
Autor*innen
György Ádám Katona
Haupttitel (Englisch)
Component extraction from scientific publications using convolutional neural networks
Paralleltitel (Deutsch)
Komponentenextraktion aus wissenschaftlichen Publikationen unter Einsatz von Convolutional Neural Networks
Publikationsjahr
2019
Umfangsangabe
30 Seiten : Diagramme
Sprache
Englisch
Beurteiler*in
Torsten Möller
Klassifikationen
54 Informatik > 54.29 Datenverarbeitungsanlagen: Sonstiges ,
54 Informatik > 54.81 Anwendungssoftware
AC Nummer
AC16057690
Utheses ID
53632
Studienkennzahl
UA | 066 | 921 | |