• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Web-сервис для извлечения структурированной информации из шаблонизированных документов

ФИО студента: Бабичева Александра Александровна

Руководитель: Филипенков Николай Владимирович

Кампус/факультет: Факультет компьютерных наук

Программа: Программная инженерия (Бакалавриат)

Год защиты: 2020

В настоящее время очень значительная часть работы большинства бизнесов и предприятий происходит в различных информационных и электронных системах. С целью увеличения эффективности такой работы многие организации стремятся автоматизировать ее, насколько это возможно. Однако, до сих пор многие документы используются преимущественно на бумажных носителях, и при работе с ними информацию приходится перепечатывать вручную, чтобы впоследствии использовать ее в информационных система компании или организации. Данная работа предлагает решить эту проблему с применением нейросетевых методов и предполагает разработку веб-сервиса, который позволил бы обучать и применять нейросетевые модели для распознавания шаблонных, следующих одной структуре, документов и извлечения информации из них в структурированном виде. Данная работа основывается на анализе достоинств и ограничений существующих на рынке аналогов и обзоре актуальных публикаций по распознаванию документов, применяя и реализуя методы, предложенные в литературе. В результате данной работы были разработаны нейросетевые модели локализации и сегментации документов, алгоритм генерации синтетических данных на основе разметки одного примера документа, позволивший обучать данные модели и веб-сервис, позволяющий применять указанные разработки на практике, обучая и применяя модели. При этом для использования разработанного веб-сервиса не требуется специальных знаний в области машинного обучения и нейронных сетей. Для разработки и обучения моделей в рамках работы использовался язык программирования Python 3.7 и фреймворк PyTorch, работа веб-сервиса и его API обеспечивается посредством фреймворка Flask. Ключевые слова: распознавание документов, извлечение информации, распознавание символов, OCR, семантическая сегментация, локализация объектов. Работа содержит 71 страниц, 3 главы, 27 рисунков, 5 таблиц, 42 источника, 4 приложения.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ