HERMES-Catalog

Back to Results List

OCRを利用した統計表の体系的なテキストデータ化

Title	OCRを利用した統計表の体系的なテキストデータ化
Title	Textizing statistical tables using OCR at scale
Creator	Creator Name 有本, 寛有本, 寛 ARIMOTO, Yutaka ARIMOTO, Yutaka Affiliation Affiliation Name 一橋大学 Hitotsubashi University
Editor	Contributor Name Center for Economic Institutions, Institute of Economic Research, Hitotsubashi University
Abstract	本稿は，OCRを利用して，統計表を体系的かつ大規模にテキストデータ化するための要件と方法を解説する．統計表をOCRでテキストデータ化するには，高い精度の表レイアウト解析が求められる．筆者が開発しているocrstatsは，バッチ処理，定型的な工程の自動化，外部OCRの利用，実用的な精度の表レイアウト解析を実現し，作業効率の改善を図っている．また，ocrstatsを使って『日本帝国統計年鑑』をテキストデータ化する過程で得られたノウハウや，パネルデータの作成にあたって変数を経年的にリンクする方法も解説する．
Abstract	This paper describes the requirements and methods for textizing statistical tables using OCR at scale. The major challenge of textizing statistical tables by OCR is analyzing the table layout with high accuracy. I develop a Python tookit, ocrstats, that supports the task by providing batch processing, automation of routine processes, use of external OCR, and table layout analysis with practical accuracy. I also explain practical tips learnt from the process of textizing the Japan Imperial Statistical Yearbook using ocrstats.
Description	2021年7月21日
Publisher	Institute of Economic Research, Hitotsubashi University
Issued Date	2021-07
Language	Japanese(jpn)
Resource Type	technical report
Version Type	VoR
Is Part OfRelation -	Related Title CEI Working Paper Series, No. 2021-03
Relation	Related Identifier URI http://cei.ier.hit-u.ac.jp/English/index.html
Number of Pages	18
Appears in Collections	CEI Working Paper Series
URL	https://hdl.handle.net/10086/72013