龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：同方知网数字出版技术股份有限公司;同方知网(北京)技术有限公司
申请日：2024-02-27
公开（公告）日：2024-06-25
公开（公告）号：CN118247802A
主分类号：G06V30/413
分类号：G06V30/413;G06V30/416;G06V30/42
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种期刊PDF文档目录识别的方法，包括：导入一本期刊PDF文档，按页抽图生成图像页集合；对图像页进行分类处理，分成中文目录页、英文目录页、文章首页、文章中间页和其他页5个类别；在中文目录页中定位目录块，提取块内字符集；对块内字符集进行行提取，生成目录行集合；提取目录行特征，并对目录行分类，分成栏目行、单行目录条、复杂目录条起始行、复杂目录条中间行和其他行5个类别；整合目录行，生成目录条集合；对目录条进行目录项抽取，目录项包括篇名、作者和印刷页码；生成树状目录结构，输出目录识别结果。本发明有效提高了期刊PDF文档目录识别的准确率，为期刊PDF文档后续数据挖掘奠定了坚实基础。
主权项：1.一种期刊PDF文档目录识别的方法，其特征在于，所述方法包括：A、导入一本期刊PDF文档，按页抽图生成图像页集合；B、对图像页进行分类处理，分成5类分别是中文目录页、英文目录页、文章首页、文章中间页和其他页；C、在中文目录页中定位目录块位置，提取目录块内字符集；D、判断提取目录块内字符集是否成功，若成功，则执行步骤F，若失败，则执行步骤E；E、OCR识别目录块，获取块内字符集；F、对目录块内字符集进行文本行提取，生成目录行集合；G、提取目录行特征，并对目录行分类，分成5类分别是栏目行、单行目录条、复杂目录条起始行、复杂目录条中间行和其他行；H、对单行目录条、复杂目录条起始行和复杂目录条中间行这三类目录行进行整合，生成目录条集合；I、对目录条进行目录项抽取，目录项有3类分别是篇名、作者和印刷页码；J、生成树状目录结构，输出目录识别结果。
全文数据：
权利要求：
百度查询： 同方知网数字出版技术股份有限公司;同方知网(北京)技术有限公司 一种期刊PDF文档目录识别的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号