基于特征的傳統(tǒng)科技論文結構化析取關鍵技術研究.pdf

1、科技論文是科學技術研究活動產(chǎn)出的一種重要形式,是促進現(xiàn)代科學技術轉(zhuǎn)化為現(xiàn)實生產(chǎn)力的重要媒介。目前科技論文大多采用文字處理軟件(如MicrosoftWord等)進行編輯,由于Word等格式為非結構化的文本,不能直接提取標題、作者、正文等論文要素,難以滿足科技論文結構化檢索、統(tǒng)計分類、關聯(lián)分析等高層次應用需求。本文工作主要圍繞傳統(tǒng)科技論文的結構化析取展開,通過分析傳統(tǒng)科技論文的基本構成和格式特征,基于特征學習提煉析取規(guī)則,設計并實現(xiàn)一個傳統(tǒng)

2、論文結構化析取系統(tǒng),可將傳統(tǒng)論文按多維科技論文的格式要求導出結構化文本。
　　 本研究主要內(nèi)容包括：⑴通過分析國內(nèi)核心期刊中科技論文的格式特征與存儲標準,結合多維科技論文的結構化存儲要求,設計并實現(xiàn)了一個科技論文結構化析取的總體技術框架,該框架具有良好的可擴展性。⑵提出一種Word文檔結構化信息析取算法,該算法由三部分組成：首先樣本學習:由于各期刊的論文發(fā)表格式不盡相同,先對各期刊的傳統(tǒng)論文分別進行樣本學習,標識Word文檔中各