| 数字图书馆中信息采集子系统的设计与实现 |
| |
| 引用本文： | 李贵林,李建中,杨艳.数字图书馆中信息采集子系统的设计与实现[J].计算机工程与应用,2004,40(2):229-232. |
| |
| 作者姓名： | 李贵林 李建中 杨艳 |
| |
| 作者单位： | 1. 哈尔滨工业大学计算机科学与技术学院,哈尔滨,150001
2. 哈尔滨工业大学计算机科学与技术学院,哈尔滨,150001;黑龙江大学计算机科学技术学院,哈尔滨,150080 |
| |
| 摘 要： | 电子文档的信息提取是建立数字图书馆的基础。论文主要介绍一个数字图书馆的信息采集子系统。它以PDF文件为提取对象,由全自动化录入和半自动录入两部分构成。全自动录入融合了基于规则和自动机两种提取方法的优点,具有速度快、准确率高等特点;半自动录入采用在AdobeAcrobat内部加入plug-in(插件)的方法为用户提供友好的使用界面,使用户可以方便地进行手工录入。
|
| 关 键 词： | PDF 基于规则 信息提取 插件 |
| 文章编号： | 1002-8331-(2004)02-0229-04 |
The Implementation of Information Extraction Subsystem in the DL |
| |
| Li Guilin Li Jianzhong , Yang Yan.The Implementation of Information Extraction Subsystem in the DL[J].Computer Engineering and Applications,2004,40(2):229-232. |
| |
| Authors: | Li Guilin Li Jianzhong Yang Yan |
| |
| Affiliation: | Li Guilin 1 Li Jianzhong 1,2 Yang Yan 1,21 |
| |
| Abstract: | Information extraction from electronic documents is the foundation to build a digital library.In this article,the authors want to introduce such a system using PDF as object and it is composed of two parts:the automatic part and the semi-automatic part.The former is realized by rule-based and automata method which is fast and accurate.The lat-ter inserts plug-ins into Adobe Acrobat to make the user input information as easy as possible. |
| |
| Keywords: | PDF rule-based information extraction plug-in |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
