基于特征的傳統(tǒng)科技論文結(jié)構(gòu)化析取關(guān)鍵技術(shù)研究.pdf

1、科技論文是科學(xué)技術(shù)研究活動(dòng)產(chǎn)出的一種重要形式,是促進(jìn)現(xiàn)代科學(xué)技術(shù)轉(zhuǎn)化為現(xiàn)實(shí)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(jìn)行編輯,由于Word等格式為非結(jié)構(gòu)化的文本,不能直接提取標(biāo)題、作者、正文等論文要素,難以滿足科技論文結(jié)構(gòu)化檢索、統(tǒng)計(jì)分類、關(guān)聯(lián)分析等高層次應(yīng)用需求。本文工作主要圍繞傳統(tǒng)科技論文的結(jié)構(gòu)化析取展開,通過分析傳統(tǒng)科技論文的基本構(gòu)成和格式特征,基于特征學(xué)習(xí)提煉析取規(guī)則,設(shè)計(jì)并實(shí)現(xiàn)一個(gè)傳統(tǒng)

2、論文結(jié)構(gòu)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(dǎo)出結(jié)構(gòu)化文本。
　　 本研究主要內(nèi)容包括：⑴通過分析國(guó)內(nèi)核心期刊中科技論文的格式特征與存儲(chǔ)標(biāo)準(zhǔn),結(jié)合多維科技論文的結(jié)構(gòu)化存儲(chǔ)要求,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)科技論文結(jié)構(gòu)化析取的總體技術(shù)框架,該框架具有良好的可擴(kuò)展性。⑵提出一種Word文檔結(jié)構(gòu)化信息析取算法,該算法由三部分組成：首先樣本學(xué)習(xí):由于各期刊的論文發(fā)表格式不盡相同,先對(duì)各期刊的傳統(tǒng)論文分別進(jìn)行樣本學(xué)習(xí),標(biāo)識(shí)Word文檔中各