Systém pro analýzu struktury dokumentů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F23%3APR38793" target="_blank" >RIV/00216305:26230/23:PR38793 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.fit.vut.cz/research/product/811/" target="_blank" >https://www.fit.vut.cz/research/product/811/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Systém pro analýzu struktury dokumentů

Popis výsledku v původním jazyce

Software poskytuje nástroj pro extrakci logických celků (novinových článků, inzerátů, slovníkových hesel, apod.) ze snímků stránek s textem. Jádrem nástroje je detekční model, který byl natrénován na pestrém mixu knižních, novinových a slovníkových stránek. Software je navržen pro jako aplikace pro příkazový řádek, jeho výstupem je standardní knihovnický formát pro popis stránek dokumentů.

Název v anglickém jazyce

TextBite - System for analysis of document structure

Popis výsledku anglicky

This software provides a tool for extraction of logical units (newspaper articles, line ads, dictionary entries etc.) from images of pages with text. The core of the tool is a detection model trained on a diverse mix pages coming from books, newspaper and dictionaries. Software is designed as a command line application, its output is a standard librarian format for description of document pages.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/DH23P03OVV060" target="_blank" >DH23P03OVV060: semANT – Sémantický průzkumník textového kulturního dědictví</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

semAnt-TextBite

Technické parametry

Software je volně dostupný na základě a bezplatné open-source licence. Jedná se software, který umožňuje segmentovat stránky s historickým (cca 1850--) textem na logické celky. Výstup zpřístupňuje stránky v logicky smysluplném členění.

Ekonomické parametry

Software může být přímo používán dalšími subjekty na základě volné licence. Komerční uplatnění předpokládáme v rámci poskytování doplňkových služeb, podpory, integrace, úprav aplikace na míru a  konzultací.

IČO vlastníka výsledku

00216305

Název vlastníka

Vysoké učení technické v Brně