資料と検証方法

同じ資料で、
結果を確かめられるように。

今回使ったPDF、正解データ、抽出直後の結果をまとめています。すべて架空の名称・数値から作成した資料です。

入力PDF

照合用のデータ

正解は「一行ごとに分類を持ち、列の型を設定した状態」です。元のPDFの結合セルをそのまま再現する目的ではありません。T3はT1と同じ正解を使用しますが、抽出結果に表がないためExcelの結果シートを作っていません。

試験条件

採点方法

管理番号を使って行を対応づけ、本文の各セルを正解文字列と照合しています。見出しと注記は採点しません。完全一致と、空白・改行を除いた一致を別に記録しましたが、今回の件数は同じでした。数値は桁区切りを取り除いて値を比較します。これは出力の数値型を保証する判定ではありません。

一致しないセルは元の値と抽出値を記録しています。採点処理には、意図的に金額を変える・管理番号のゼロを落とす・表を空にする対照チェックを行いました。

限界

入力は4種類、各1ページの自作資料です。表の多様性、汚れ、傾き、手書き、多数ページ、日本語全般の精度を代表しません。T3は人工的な画像PDFです。今回のデータを一般的な成功率や、商用ソフトの優劣へ広げないでください。

自作の入力資料と正解データは、ご自身の比較・学習に利用できます。再掲載する場合は資料名と版を記載し、改変がある場合は分かるようにしてください。製品のライセンスは各提供元に従います。