论文部分内容阅读
在对纸本期刊进行数字化过程中，元数据抽取是必不可少的步骤。传统的手工抽取需要大量的人力物力，效率很低。针对扫描期刊，提出了一种基于扫描页面特征分析的元数据自动抽取算法，分析扫描页的格式、结构、字体等特征，采用基于规则和有监督的机器学习方法进行抽取，实验表明该算法能够取得较高的准确率和召回率，同时显著地提高了元数据标引的效率。