Zielsetzung der Arbeit Überblick über den eigenen Lösungsweg

Zusammenfassung

Die vorliegende Arbeit hat zum Ziel, die Layout-Struktur beliebiger Dokumente aus deren Bildmatrix herauszumessen, in symbolischer Form darzustellen und hieraus bereits erste Rückschlüsse auf logische Zusammenhänge im Dokument zu ziehen. Hierzu werden die Dokumentmuster in die drei Klassen „Text“, „Grafik“ und „Bild“ eingeteilt. Um Muster der drei Klassen auf syntaktischem Wege zu erkennen, werden die Klassen durch Startsymbole S_T, S_G und S_B dreier attributierter, stochastischer Grammatiken GR_T, GR_G und GR_B repräsentiert. Jedes Dokumentmuster ist somit als Satz in einer der Sprachen L(GR_T), L(GR_G) oder L(GR_B) enthalten. Die Produktionen der Grammatiken gliedern sieh in je einen syntaktischen, einen semantischen und einen stochastischen Anteil. Für die Aufgaben der Dokumentanalyse läßt sich der syntaktische wie auch der semantische Anteil der Grammatiken für die drei genannten Klassen identisch formulieren. Hierdurch ist jedes Dokumentmuster als Satz in jeder der drei Grammatiken enthalten. Die Produktionen, welche die terminalen Sätze der Klassen „Text“, „Grafik“ und „Bild“ erzeugen, unterscheiden sich lediglich in ihrer Stochastik voneinander.