文章摘要信息

现代图书情报技术 2009, 3(2) 102-106 DOI: ISSN: 1003-3513 CN: 11-2856/G2

本期目录 | 下期目录 | 过刊浏览 | 高级检索 [打印本页] [关闭]

论文

	扩展功能

	本文信息
	Supporting info
	PDF(664KB)
	[HTML全文](KB)
	参考文献[PDF]
	参考文献
	服务与反馈
	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	引用本文
	Email Alert
	本文关键词相关文章
	PDF
	科技论文
	语义元数据
	自动抽取
	本文作者相关文章
	张秀秀
	马建霞
	PubMed
	Article by Zhang,X.X
	Article by Ma,J.X

PDF科技论文语义元数据的自动抽取研究*

张秀秀马建霞

(中国科学院国家科学图书馆兰州分馆兰州 730000)

摘要：

在分析PDF文件结构的基础上，解析PDF文件的内容流，并采用基于规则的匹配方法和基于格式的定位方法，自动抽取科技论文中的语义元数据信息。实验结果表明，上述方法对标题、作者等重要的语义元数据信息能够达到较好的抽取效果。

关键词： PDF 科技论文语义元数据自动抽取

Automatic Extraction of Semantic Metadata from PDF Research Papers

Zhang Xiuxiu Ma Jianxia

(The Lanzhou Branch of National Science Library, Chinese Academy of Sciences, Lanzhou 730000, China)

Abstract:

This paper analyzes content streams of PDF files based on its structure, and extracts semantic metadata automatically from research papers by way of rule-based matching and format-based locating. Experimental results show that this method can extract important semantic metadata such as title and author effectively.

Keywords: PDF Research paper Semantic metadata Automatic extraction

收稿日期 2008-11-03 修回日期 2008-11-21 网络版发布日期 2009-02-25

分类号:

TP391.43

基金项目:

* 本文系中国科学院国家科学图书馆青年人才领域前沿项目“元数据自动抽取工具在数字知识库建设中的应用研究与开发”和国家社会科学基金项目“机构知识库建设与应用研究”（项目编号：07BTQ019）的研究成果之一。

通讯作者: 张秀秀 通讯作者E_mail: zhangxx@llas.ac.cn

参考文献：

［1］李朝光, 张铭, 邓志鸿, 等. 论文元数据信息的自动抽取［J］.计算机工程与应用, 2002(21):189-191,235.
［2］ Min Yuh Day, Richard Tzong Han Tsai, Cheng Lung Sung, et al. Reference Metadata Extraction Using a Hierarchical Knowledge Representation Framework［J］.Decision Support Systems, 2007(43):152–167.
［3］ Hu Y H, Li H, Cao Y B, et al. Automatic Extraction of Titles from General Documents Using Machine Learning［J］.Information Processing and Management, 2006,42(1):1276-1293.
［4］ Yu J D, Fan X Z. Metadata Extraction from Chinese Research Papers Based on Conditional Random Fields［J/OL］. ［2008-10-21］. http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=4405975&isnumber=4405869.
［5］ Giles C L, Bollacker K D, Lawrence S. CiteSeer: An Automatic Citation Indexing System［J/OL］. ［2008-10-21］.http://clgiles.ist.psu.edu/papers/DL-1998-citeseer.pdf.
［6］陈俊林, 张文德. 基于XSLT的PDF论文元数据的优化抽取［J］.现代图书情报技术, 2007(2):18-23.
［7］ PDF Reference［EB/OL］.［2008-04-15］. http://www.adobe.com/devnet/pdf/pdfs/PDFReference13.pdf.

本刊中的类似文章

1．李明伍,方丽萍 .TIFF图像文件转换为PDF文件的实现*[J]. 现代图书情报技术, 2006,1(3): 89-91

2．王永成.自动编制文献摘要及知识的自动提取[J]. 现代图书情报技术, 1993,9(3): 13-13

3．赵阳,姜爱蓉,吴建新 .高校学位论文全文数据库建设实践-----以清华大学图书馆为例[J]. 现代图书情报技术, 2006,1(5): 6-9

4．刘凡馨 .基于PDF417条形码的读者证件系统的设计与实现[J]. 现代图书情报技术, 2007,2(6): 83-86

5．陈俊林,张文德 .基于XSLT的PDF论文元数据的优化抽取[J]. 现代图书情报技术, 2007,2(2): 18-23

6．曾苏,马建霞,张秀秀.元数据自动抽取研究新进展*[J]. 现代图书情报技术, 2008,24(4): 7-11

7．何琳.领域本体的关系抽取研究*[J]. 现代图书情报技术, 2008,24(4): 35-38

8．谈春梅,颜世伟,刘子牧.网络专题知识组织知识元自动抽取系统的设计与实现*[J]. 现代图书情报技术, 2008,24(3): 62-67

9．杜树军.用PDF制作可以用于光盘发布的电子出版物[J]. 现代图书情报技术, 2002,18(4): 89-90

10．宋艳娟,张文德.基于XML的PDF文档信息抽取系统的研究*[J]. 现代图书情报技术, 2005,21(9): 10-13