Impact de la correction automatique de l'OCR/HTR sur la reconnaissance d'entités nommées dans un corpus bruité - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue JIS - Journal of Information Sciences Année : 2022

Impact of automatic OCR/HTR correction on named entity recognition in noisy corpora

Impact de la correction automatique de l'OCR/HTR sur la reconnaissance d'entités nommées dans un corpus bruité

Résumé

We present an experiment conducted on the automatic spelling correction of texts resulting from optical character recognition (OCR), with the objective of measuring the impact of corrections on an information extraction task. Using a sample of OCRed digitized archival documents, we applied a named entity recognition system before and after orthographic correction. The results obtained showed that the spelling checker improves certain automatic natural language processing tasks. An extension of the proposed approach by re-training on a larger corpus is also presented to further optimize the results obtained.
Nous présentons une expérience menée sur la correction d’orthographe automatique de textes issus de la reconnaissance optique des caractères (OCR), dans l’objectif de mesurer l’impact de la correction sur une tâche d’extraction d’informations. À partir d'un échantillon de documents d’archives numérisées (océrisées), nous avons appliqué un système de reconnaissance d’entités nommées avant et après une correction d’orthographe. Les résultats obtenus ont montré que le correcteur orthographique permet d’améliorer certaines tâches du traitement automatique du langage naturel. Une extension de l’approche proposée par un ré-entraînement sur un plus grand corpus est également présentée pour optimiser davantage les résultats obtenus.
Fichier principal
Vignette du fichier
36599-105777-1-PB.pdf (985.99 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Licence : CC BY - Paternité

Dates et versions

hal-04063970 , version 1 (10-04-2023)

Licence

Paternité

Identifiants

Citer

Ljudmila Petkovic, Motasem Alrahabi, Glenn Roe. Impact de la correction automatique de l'OCR/HTR sur la reconnaissance d'entités nommées dans un corpus bruité. JIS - Journal of Information Sciences, 2022, 21 (2), pp.42-57. ⟨10.34874/IMIST.PRSM/jis-v21i2.36599⟩. ⟨hal-04063970⟩
56 Consultations
137 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More