[發(fā)明專(zhuān)利]一種版式文件圖文自動(dòng)關(guān)聯(lián)的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 200810239369.2
• 申請(qǐng)日: 2008-12-11
• 公開(kāi)（公告）號(hào): CN101419717A
• 公開(kāi)（公告）日: 2009-04-29
• 發(fā)明（設(shè)計(jì)）人: 徐劍波;董寧;王輝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北大方正集團(tuán)有限公司;北京方正阿帕比技術(shù)有限公司
• 主分類(lèi)號(hào): G06T11/60
• 分類(lèi)號(hào): G06T11/60
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 郭潤(rùn)湘

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)處理領(lǐng)域，尤其涉及一種版式文件中圖文自動(dòng)關(guān)聯(lián)的方法及系統(tǒng)。

背景技術(shù)

現(xiàn)有技術(shù)中實(shí)現(xiàn)基于版式文件以及人工干預(yù)來(lái)提取和組合文章的方法。這種方法的優(yōu)點(diǎn)是根據(jù)版式文件的版面信息結(jié)構(gòu)提取版面信息和所有的稿件信息；缺點(diǎn)是：a)不同的版式文件都需要花時(shí)間理解其內(nèi)部的信息存儲(chǔ)格式，導(dǎo)致了不同的版式文件需要開(kāi)發(fā)不同的插件，開(kāi)發(fā)難度大且易用性和擴(kuò)展性不是很好；b)版式文件的必須存儲(chǔ)稿件內(nèi)部之間的關(guān)聯(lián)關(guān)系；通過(guò)分析PS文件以及Fit等文件，發(fā)現(xiàn)版式文件中記錄的稿件關(guān)系并不能夠有效的還原版式文件中文章中上下文的關(guān)系，造成了后端標(biāo)引的時(shí)候工作量很大。

根據(jù)目前可以基于版式文件記錄的信息來(lái)提取稿件的方法；這種方法的優(yōu)點(diǎn)是高效的利用了版式文件提供的公共的信息，實(shí)現(xiàn)了自動(dòng)化成塊操作；缺點(diǎn)是該方法沒(méi)有實(shí)現(xiàn)自動(dòng)成文，需要在結(jié)合人工標(biāo)引的方式來(lái)實(shí)現(xiàn)文章上下文的正確的組合。

綜上，從版式文件中獲取的文字塊、圖片塊等數(shù)據(jù)信息并沒(méi)有有效的組織在一起，而是分散開(kāi)來(lái)的，比如一篇文章的引題，標(biāo)題，副題是分離開(kāi)的，標(biāo)題和文章的正文之間也是分離開(kāi)的；這樣就需要人工進(jìn)行相應(yīng)的關(guān)聯(lián)操作，還原文章的引題，標(biāo)題，副題以及正文，以保證數(shù)據(jù)信息的正確性和完備性，存在著一定的工作量。

發(fā)明內(nèi)容

一篇文章可能包含引題，標(biāo)題，副題，正文，附圖等相關(guān)內(nèi)容。本發(fā)明的目的是通過(guò)圖文自動(dòng)關(guān)聯(lián)的方法，進(jìn)行圖片塊與文章的自動(dòng)匹配，使文章中引用的圖片塊與文章或者正文合并在一起，還原成為文章或者正文的附圖。

本發(fā)明的具體實(shí)現(xiàn)方法是：

A：從版式文件中獲取圖片塊集合{P}和文章集合{A}；

B：從反解版式文件后得到的圖片塊集合{P}中取出一個(gè)與已取圖片塊不同的圖片塊；

C：依次獲取文章集合{A}中的文章，比較獲取得到的文章是否與步驟B中取出的圖片塊近鄰，如果沒(méi)有文章與圖片塊近鄰，直接轉(zhuǎn)至步驟D；否則，則將此圖片塊設(shè)置為該文章的附圖；

D：重復(fù)以上步驟，直至圖片塊集合{P}中的所有圖片塊被取過(guò)一次。

進(jìn)一步的，在文章集合{A}中查找與圖片塊近鄰的文章；判斷文章與圖片塊是否近鄰具體操作為：

設(shè)置獲取得到的圖片塊為P1，獲取得到的文章為A1；新建文字塊集合{T}，從文章A1中獲取文章的引題，標(biāo)題，副題所對(duì)應(yīng)的文字塊，放置在集合{T}中；

依次獲取文字塊集合{T}中的文字塊，設(shè)為T(mén)1，查看圖片塊P1是否與文字塊T1近鄰；如果近鄰條件成立，記錄圖片塊P與文章的重疊度；如近鄰條件不成立，繼續(xù)從文字塊集合{T}中獲取下一個(gè)文字塊，繼續(xù)同該圖片塊進(jìn)行比較是否近鄰；如果圖片塊和文字塊集合{T}中任何一個(gè)文字塊都不存在近鄰的關(guān)系，那么執(zhí)行以下步驟；

比較圖片塊P1是否與文章正文近鄰：新建文字塊集合{L}，如果文章正文對(duì)應(yīng)的文字塊的子塊個(gè)數(shù)大于1，則獲取得到該正文塊的所有子塊，并放置在集合{L}中，依次獲取集合{L}中的文字塊，設(shè)為T(mén)1，查看圖片塊P1與文字塊T1是否近鄰；否則比較文章正文對(duì)應(yīng)的文字塊同圖片塊P1是否近鄰；如果近鄰條件成立，表明圖片塊與文章近鄰關(guān)系成立，記錄圖片塊P1與文章的重疊度。

進(jìn)一步的，還包括以下操作：

創(chuàng)建文章集合{N}，篩選文章集合{A}中只存在正文的文章，添加到文章集合{N}中，并從文章集合{A}中刪除；

創(chuàng)建文章集合{M}，篩選文章集合{A}中正文為空的文章，添加到文章集合{M}中，并從文章集合{A}中刪除；

將{N}中每篇文章正文對(duì)應(yīng)的文字塊與文章集合{M}比較，如果能找到匹配的文章，將此文章正文對(duì)應(yīng)的文字塊設(shè)置為匹配文章的正文，并從文章集合{N}中刪除該文章；如找不到匹配的文章，則將該文章重新添加到文章集合{A}中，并從文章集合{N}中刪除該文章；最后將文章集合{M}重新添加到文章集合{A}中。

本發(fā)明還提供一種版式文件中圖文自動(dòng)關(guān)聯(lián)系統(tǒng)，所述圖文自動(dòng)關(guān)聯(lián)系統(tǒng)包括：

圖片塊獲取器，用于從版式文件中獲取圖片塊，形成圖片塊集合；

文章獲取器，用于從從版式文件中獲取文章，形成文章集合；

圖片塊提取器，用于從反解版式文件后得到的圖片塊集合中取出一個(gè)與已取圖片塊不同的圖片塊，直至圖片塊集合中的所有圖片塊被取過(guò)一次；