Análisis del Diseño de Documentos

El análisis del diseño de documentos (DLA) es un paso de preprocesamiento de los sistemas de comprensión de documentos. Es responsable de detectar y anotar la estructura física de los documentos. El DLA tiene varias aplicaciones importantes, como la recuperación de documentos, la categorización de contenido, el reconocimiento de texto y similares. El objetivo del DLA es facilitar las fases posteriores de análisis/reconocimiento identificando los bloques homogéneos del documento y determinando sus relaciones. La secuencia del DLA consiste en varias fases que pueden variar entre métodos de DLA, dependiendo de los diseños de los documentos y los objetivos finales del análisis. En este sentido, aún no se ha desarrollado un algoritmo universal de DLA que funcione para todo tipo de diseños de documentos o que satisfaga todos los objetivos de análisis. En este artículo de revisión, presentamos un estudio crítico de diferentes técnicas de análisis de diseño de documentos. El estudio resalta las razones motivacionales para realizar DLA y discute exhaustivamente las diferentes fases de los algoritmos de DLA basándose en un marco general que resulta de revisar la investigación en el campo. El marco de DLA consta de fases de preprocesamiento, estrategias de análisis de diseño, post-procesamiento y evaluación del rendimiento. En conjunto, el artículo ofrece una base esencial para continuar la investigación en análisis del diseño de documentos.