| Fiche détaillée | Récupérer au format |
|
|
| (2004) |
|
|
|
|
| Liste des fichiers attachés à ce document : | |||||
|
|
|
|
|
| sic_00001196, version 1 |
|
|
| Xed : un outil pour l'extraction et l'analyse de documents PDF |
|
|
| Maurizio RigamontiKarim HadjarDenis LalanneRolf Ingold |
|
|
| (21/06/2004) |
|
|
| PDF est devenu le format de prédilection pour l'échange de documents. Cependant, son utilisation se limite à la visualisation et à l'impression. De nouveaux besoins d'extraction du contenu et de recherche sont nés du fait de l'utilisation grandissante du format. Pour cette raison, de nouveaux outils ont fait leur apparition sur le marché. Ces derniers se limitent malheureusement à l'extraction automatique du contenu, sans prendre en considération ni la structure physique ni la structure logique du document. Nous proposons, dans cet article, une nouvelle approche palliant les insuffisances des outils d'extraction. Cette méthode combine a) des méthodes d'extraction appliquées aux fichiers PDF avec b) des méthodes d'analyse d'image de document visant à extraire la structure physique. Cet article décrit les différentes étapes nécessaires pour réaliser cette tâche. |
|
|
|
|
| Domaines scientifiques | : | Sciences de l'Homme et Société/Sciences de l'information et de la communication/Ingénierie des systèmes d'information |
|
|
| Semaine du Document Numérique (SDN 2004). Conférence Internationale Francophone sur l'Ecrit et le Document (CIFED 04). Documents et systèmes – Extraction de documents PDF – analyse d'image de documents – structures physiques et logiques – reconstitution de l'ordre de lecture – XML. |
| sic_00001196, version 1 | |
| http://archivesic.ccsd.cnrs.fr/sic_00001196 | |
| oai:archivesic.ccsd.cnrs.fr:sic_00001196 | |
| Soumis le : Mardi 7 Décembre 2004, 10:15:34 | |
| Dernière modification le : Mardi 7 Décembre 2004, 10:15:34 | |