文書処理

自動文書処理は、構造化されているか否かを問わず、あらゆる種類の文書に適用されます。たとえば、ビジネスや金融の世界では、紙ベースの請求書、フォーム、発注書、契約書、通貨手形を処理するためにテクノロジーが使用されることがあります。^{[ 10 ]}金融機関は、規制フォームやローン書類などの大量のフォームを処理するために、インテリジェント文書処理を使用します。IDは、AIを使用して文書からデータを抽出および分類し、手動のデータ入力を置き換えます。^{[ 11 ]}

医療分野では、患者の経過観察を容易にし、管理手続きを効率化するために、特に医療や検査分析レポートをデジタル化することで、文書処理方法が開発されてきました。また、医療データベースの標準化も目標の一つです。^{[ 12 ]}アルゴリズムは、磁気共鳴画像[ ^{13 ] [ 14 ]}や顕微鏡画像^{[ 15 ]}の分析など、医師の診断を直接支援するためにも使用されてい^ます。

文書処理は、アーカイブや文化遺産コレクションから歴史的なビッグデータを抽出するために、人文科学やデジタル人文科学でも広く利用されています。新聞アーカイブなどのテキスト文書^{[ 16 ]}だけでなく、画像^{[ 17 ]}や地図^{[ 18 ] [ 19 ]}など、さまざまなソースに対して特定のアプローチが開発されています。

1980年代以降、従来のコンピュータビジョンアルゴリズムが文書処理問題の解決に広く使用されてきたが、^{[ 20 ] [ 21 ]} 2010年代には徐々にニューラルネットワーク技術に置き換えられてきた。^{[ 22 ]}しかし、一部の分野では、従来のコンピュータビジョン技術がニューラルネットワークと組み合わせて使用​​されることもある。

多くの技術が文書処理の開発を支えており、特に光学文字認識（OCR）や手書き文字認識（HTR）は、テキストの自動転記を可能にする。テキストセグメント自体は、インスタンス検出アルゴリズムまたはオブジェクト検出アルゴリズムを用いて識別され、場合によっては文書の構造を検出するためにも使用される。後者の問題の解決には、セマンティックセグメンテーションアルゴリズムが用いられることもある。

これらの技術は、文書処理の中核を成すことが多い。しかし、これらの処理の前または後に他のアルゴリズムが介入することもある。実際、文書のデジタル化技術も、従来のスキャンまたは3次元スキャンの形で関与している。^{[ 23 ]} 3D文書のデジタル化は、特に写真測量の派生技術を利用することがある。文書のサイズに適応するため、またはスキャンの人間工学上の理由から、特定の2Dスキャナを開発する必要がある場合もある。^{[ 17 ]}文書処理は、文書を適切なファイル形式でデジタルエンコードすることにも依存する。さらに、異種データベースの処理は、画像分類技術に依存することがある。

処理チェーンのもう一方の端には、さまざまな画像補完、外挿、またはデータクリーンアップアルゴリズムがあります。テキスト文書の場合、解釈には自然言語処理（NLP）技術を使用できます。