色婷五一,精品亚洲欧美一区二区三区日产 ,精选国产AV剧情,无码丰满少妇2在线观看

PDF及圖片資源內(nèi)容識別與智能歸檔系統(tǒng)解決方案

來源：未知　時間：2018-21-7　瀏覽次數(shù)：224次

1.1.1 資源加工處理

1.1.1.1  資源加工大體功能

圖資源加工模塊
加工大體流程是：
1、   根據(jù)資源目錄選擇PDF文件建立 PDF版面模板，并管理
1、2、根據(jù)資源目錄篩選未加工的PDF文件，關(guān)聯(lián)一對應(yīng)批次的版面模板，OCR自動提取標(biāo)題、摘要、作者等、可人工二次編輯。
1、3、審核人員針對已加工的文獻進行審核不通過駁回重新加工，通過發(fā)布。
文件狀態(tài)有：知識的加工狀態(tài)（未加工、加工中、待審核、審核通過狀態(tài)）
Ø  數(shù)據(jù)源
數(shù)據(jù)源 主要為 外文pdf文件（圖片型PDF和 雙層PDF文件）。
Ø  載體形態(tài)
從資源的載體形式劃分為如下五種情況：tif文件類（來源文獻搶救）、pdf文件類型、帶元數(shù)據(jù)的pdf、無原文的文摘數(shù)據(jù)、網(wǎng)頁數(shù)據(jù)。
Ø  資源元數(shù)據(jù)加工
對元數(shù)據(jù)進行數(shù)據(jù)提取和數(shù)據(jù)規(guī)范。對單層的pdf進行基本元數(shù)據(jù)加工，包括數(shù)據(jù)標(biāo)題、摘要、作者、關(guān)鍵詞、時間等信息的提取。
版面分析：對同類資源的pdf文件，進行版面格式化分析，人工標(biāo)注標(biāo)題、摘要、作者等版面區(qū)域，對區(qū)域內(nèi)的文字內(nèi)容進行識別，錄入到相應(yīng)的元數(shù)據(jù)字段中。
掃描紙質(zhì)文獻：利用掃描儀對期刊等紙質(zhì)文獻進行掃描，掃描儀支持OCR識別，形成雙層PDF文件。
PDF與元數(shù)據(jù)的關(guān)聯(lián)：通過掃描儀加工的文獻，進行版面分析后，把加工的對象數(shù)據(jù)與元數(shù)據(jù)進行管理。
OCR識別：對圖片中的文字內(nèi)容進行識別。
Ø  資源深加工
包括圖表加工和引文加工。
Ø  資源組織
對各類不同來源的資源進行重新組織和知識關(guān)聯(lián)

1.1.1.2  功能設(shè)計

1.1.1.2.1   版面分析

1.1.1.2.1.1         模板定制

圖模塊定制流程圖
加載待分析pdf：從文獻庫中提取待加工的數(shù)據(jù)一條。
圖片形式讀取首頁：以圖片形式，讀取pdf首頁，首頁一般情況包含了標(biāo)題、摘要、作者信息。
文字區(qū)塊識別：通過OCR技術(shù)，對圖片的文字區(qū)域進行區(qū)塊識別。



區(qū)塊調(diào)整：自定識別的區(qū)間，不具備一般性，需要人工進行調(diào)節(jié)，圈定區(qū)域。
區(qū)塊注錄映射：對識別的區(qū)域進行元數(shù)據(jù)項映射，如：把圖中的第二塊區(qū)域映射到標(biāo)題，第五塊區(qū)域映射到英文標(biāo)題。
區(qū)塊注錄保存：把映射的區(qū)域塊坐標(biāo)和映射的元數(shù)據(jù)項信息保存到版面模板庫中。

1.1.1.2.1.2         模板管理

1.1.1.2.1.3         模板匹配

圖模塊匹配流程圖

1.1.1.2.1.4         摘要提取

圖摘要提取流程圖

1.1.1.2.2   圖表加工

1.1.1.2.2.1         圖表元數(shù)據(jù)提取

1.1.1.2.2.2         圖表管理

圖圖表管理流程圖

1.1.1.2.3   數(shù)據(jù)校驗

1.1.1.3  大體模塊原型如下截圖所示：

 

PDF及圖片資源內(nèi)容識別與智能歸檔系統(tǒng)解決方案