一个基于规则的图书逻辑结构提取算法  

A Rule Based Book Document Logical Structure Extraction Method

作　　者：陈国光[1] 丁晓青[1] 彭良瑞[1] 

机构地区：[1]清华大学电子工程系智能技术与系统国家重点实验室,北京100084

出　　处：《计算机工程与应用》2002年第19期53-57,143,共6页Computer Engineering and Applications

基　　金：国家自然科学基金(编号:69972024);国家863高技术研究发展计划(编号:2001AA114081)

摘　　要：在数字图书馆建设中,一个急需解决的问题是如何自动化地将海量的纸张图书数字化为电子文档。对于生成图书电子文档而言,除了文档内容信息以外,文档版面信息和文档逻辑信息同样重要。该文提出了一种基于规则的图书逻辑结构提取算法。从多页图书文档的模型描述出发,通过采用基于规则的推理方法,提取出图书中的逻辑元素并确定各元素间的层次关系和相互联系,从而得到了整本图书的逻辑结构。实验结果证明了算法的有效性。Nowadays with the prosperity of digital library,an urgent problem,how to automatically transform numerous paper documents into electrical versions with high efficiency,is put up.For making electrical documents,document logical structure is indispensable besides its content and layout structure.The paper propose s a new rule based approach to ex-tract the logical structure of book document automatically.Beginning with modeling the multi-page book document ,the paper identifies book logical elements and establishes the hierachical structure and relation of these elements with in-ference based on rules.The test results demonstrate high efficiency and discrimination rate of the method.

关 键 词：规则 图书逻辑结构提取算法 文档理解 文档逻辑结构 文档图像分析 OCR 数字图书馆 

分 类 号：G250.76[文化科学—图书馆学]