公开(公告)号：CN105260727B

公开(公告)日：2018-09-21

申请号：CN201510768902.4

申请日：2015-11-12

Applicant: 武汉大学

Inventor： 陆伟 ,  丁恒 ,  方龙

IPC: G06K9/00

Abstract: 本发明公开了一种基于图像处理与序列标注的学术文献语义再结构化方法，通过将学术文献进行相关处理转化为图像形式，并对其进行版式分析；利用OCR(Optical Character Recognition光学字符识别)技术对每个符合学术文献逻辑结构的文本区块进行识别，将图像等转换为机器可读的纯文本；利用自然语言处理中的序列标注模型，对处理后的文献内容进行标签序列转换；通过对比版式分析和序列标注的得到的文献逻辑结构结果，进行优化，得到最终的文献逻辑结构。为文献自动添加语义标签，以辅助阅读，将其在一定程度上转化为结构化的内容，提供了学术文献的利用效率。

公开(公告)号：CN105260727A

公开(公告)日：2016-01-20

申请号：CN201510768902.4

申请日：2015-11-12

Applicant: 武汉大学

Inventor： 陆伟 ,  丁恒 ,  方龙

IPC: G06K9/00

CPC classification number: G06K9/00469 ,  G06K9/00456

Abstract: 本发明公开了一种基于图像处理与序列标注的学术文献语义再结构化方法，通过将学术文献进行相关处理转化为图像形式，并对其进行版式分析；利用OCR(Optical Character Recognition 光学字符识别)技术对每个符合学术文献逻辑结构的文本区块进行识别，将图像等转换为机器可读的纯文本；利用自然语言处理中的序列标注模型，对处理后的文献内容进行标签序列转换；通过对比版式分析和序列标注的得到的文献逻辑结构结果，进行优化，得到最终的文献逻辑结构。为文献自动添加语义标签，以辅助阅读，将其在一定程度上转化为结构化的内容，提供了学术文献的利用效率。