国产成人欧美日韩综合-久久久久无码国产精品不卡-h双腿涨灌捆绑play慎入-啊灬用力灬啊灬啊灬啊灬a片男男-性疼痛tube小坳交hd-国产精品免费大片-日本亚洲成高清一区二区三区-草莓视频在线观看污污-浴室激情hd-欧美午夜理伦三级在线观看激情伦理-91蝌蚪在线,国产黄色大片在线观看一区二区,午夜精品久久久内射近拍高清,特级做a爱片久久久久久

PDF及圖片資源內容識別與智能歸檔系統解決方案

來源：未知　時間：2018-21-7　瀏覽次數：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、   根據資源目錄選擇PDF文件建立 PDF版面模板，并管理
1、2、根據資源目錄篩選未加工的PDF文件，關聯一對應批次的版面模板，OCR自動提取標題、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，通過發布。
文件狀態有：知識的加工狀態（未加工、加工中、待審核、審核通過狀態）
Ø  數據源
數據源 主要為 外文pdf文件（圖片型PDF和 雙層PDF文件）。
Ø  載體形態
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、帶元數據的pdf、無原文的文摘數據、網頁數據。
Ø  資源元數據加工
對元數據進行數據提取和數據規范。對單層的pdf進行基本元數據加工，包括數據標題、摘要、作者、關鍵詞、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，人工標注標題、摘要、作者等版面區域，對區域內的文字內容進行識別，錄入到相應的元數據字段中。
掃描紙質文獻：利用掃描儀對期刊等紙質文獻進行掃描，掃描儀支持OCR識別，形成雙層PDF文件。
PDF與元數據的關聯：通過掃描儀加工的文獻，進行版面分析后，把加工的對象數據與元數據進行管理。
OCR識別：對圖片中的文字內容進行識別。
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聯

1.1.1.2  功能設計

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據一條。
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題、摘要、作者信息。
文字區塊識別：通過OCR技術，對圖片的文字區域進行區塊識別。



區塊調整：自定識別的區間，不具備一般性，需要人工進行調節，圈定區域。
區塊注錄映射：對識別的區域進行元數據項映射，如：把圖中的第二塊區域映射到標題，第五塊區域映射到英文標題。
區塊注錄保存：把映射的區域塊坐標和映射的元數據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         圖表元數據提取

1.1.1.2.2.2         圖表管理

圖圖表管理流程圖

1.1.1.2.3   數據校驗

1.1.1.3  大體模塊原型如下截圖所示：

 

PDF及圖片資源內容識別與智能歸檔系統解決方案