DaanKuyper
commented
2 years ago Beste @maartenmarx ,
Allereerst ontzettend bedankt voor de tijd en het enthousiasme dat u in mijn scriptie steekt, dit slaat zeker over op mij!
Ik moet toegeven dat uw laatste twee voorstellen voor het bepalen van pagina's mij technisch nog iets te boven gaan.. Dat wil zeggen; in grote lijnen kan ik zeker bevatten waar u naar toe wilt, maar de implementatie ligt mij niet voor de hand. Ik zal mij moeten verdiepen!
Ik ben vandaag echter bezig voor werk, dus ik zal vanaf morgen de week besteden aan het uitproberen, testen en implementeren. Bent u deze week beschikbaar via Zoom om mijn progressie te bespreken? Liefst voor donderdag, zodat ik nog tijd heb om bij te sturen waar nodig. Ik moet tenslotte vrijdag een eerste draft van mijn scriptie inleveren, dus het lijkt mij noodzakelijk dat ik tegen die tijd de gewenste implementatie volledig begrijp en kan verwoorden - ookal is deze dan nog niet volledig uitgevoerd.
maartenmarx
hi He @DaanKuyper,
Naast die font vectors, die denk ik al heel veel kunnen doen, kan je ook denken aan een matrix van pixels, of coordinaten, waarin je probeert te coderen dat er "aan het begin (eerste pagina) van een document een heel ander beeld is dan op andere paginas", namelijk veel wit, opeens grote letters of bold of een heel ander lettertype (briefhoofd).
idem natuurlijk voor laatste pagina.
Je zou dus 2 classifiers kunnen maken die eerste en laatste pagina vaneen document proberen te schatten, en die ook inzetten.
Misschien eerst met wat hand-gemaakte regels, en allicht kan je daarna iets trainen.
Ik stel voor dat we deze 2 technieken echt goed uitwerken (naast een mooi overzicht van 'wobspace'), en dan heb je een heel mooie scriptie waarop je zo 2 vrienden kan zetten die er in april mee verder gaan, en de laatste procentpuntjes verbetering gaan maken. Ja, dit is echt een 80-20 probleem, dus dat is mazzel voor jou, dfat je nu al zoveel kunt bereiken.
Succes , en ik hoor graag van je!! maarten