基于PDF 版式特征的文献篇章结构细粒度抽取方法研究
2021-10-17赵婉婧刘敏娟刘洪冰段飞虎
农业图书情报学刊 2021年9期
赵婉婧,刘敏娟*,刘洪冰,王 新,段飞虎
(1.中国农业科学院农业信息研究所,北京 100081;2.农业农村部农业大数据重点实验室,北京 100081;3.同方知网数字出版技术股份有限公司,北京 100192)
1 引言
随着大数据时代的到来,各学术领域的科研人员在面对海量学术资源的同时,也承受着信息泛滥带来的困扰。以篇级文献为最小单位的信息服务方式已无法满足用户日益精准的多粒度信息服务需求,用户在信息检索时真正需要的是文献中具有挖掘价值的 “微信息”“知识元”等细粒度[1]片段信息。基于文献级粗粒度的知识组织方式,存在着数据加工程度低、语义关联性差等问题,而知识组织的颗粒度直接决定了信息的检索方式和服务效果。李伟、冯儒佳等[2,3]提出传统的科技论文组织方式没有实现对论文多粒度的组织,大多着眼于篇级的显性信息,研究者们在获取学术信息时无法检索出多粒度的知识,将信息检索深入到文献的内容层次,向用户提供细粒度的信息、精确的知识是一种必然趋势。
在这一背景和需求下,传统的科技期刊出版方式开始逐步转型,数字出版模式应运而生。科技期刊数字出版是对期刊内容进行数字化转换,碎片化、结构化存储,建立数据库,通过二次开发实现多平台查询、在线阅读、传播,知识信息高效共享的过程[4]。目前,国外期刊媒体的数字化发展已经度过了初期载体形式的转变,不仅实现了信息内容在电子终端上的全文显示,而且实现了论文标题、作者信息、图表以及参考文献等的模块化处理,能够将论文以多渠道、多方式、多粒度更加快捷地呈现给读者,大幅增强了信息传播的实效性。……
登录APP查看全文
