[發(fā)明專利]一種基于標(biāo)準(zhǔn)文獻(xiàn)題錄特征值的智能提取方法

有效

• 申請?zhí)枺?/td>: 201710578530.8
• 申請日: 2017-07-17
• 公開（公告）號: CN109271616B
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計）人: 嚴(yán)菁;陳銀龍;金志剛;卞超杰;魏雪艷;王瑋健;李正祥;程錦彬;許祥紅
• 申請（專利權(quán)）人: 江蘇省質(zhì)量和標(biāo)準(zhǔn)化研究院
• 主分類號: G06F40/186
• 分類號: G06F40/186;G06V30/148
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 康瀟

1.一種基于標(biāo)準(zhǔn)文獻(xiàn)題錄特征值的智能提取方法，其特征在于：包括如下步驟：

步驟1：建立圖像獲取模塊、圖像處理模塊、模版配置模塊、文獻(xiàn)提取模塊和審核模塊；圖像獲取模塊用于獲取標(biāo)準(zhǔn)文獻(xiàn)紙質(zhì)文本的圖像，并生成文獻(xiàn)圖像；圖像處理模塊用于對文獻(xiàn)圖像進(jìn)行清晰化處理，生成標(biāo)準(zhǔn)文獻(xiàn)雙層浮文PDF文件；模版配置模塊用于對標(biāo)準(zhǔn)文獻(xiàn)雙層浮文PDF文件中的題錄字段進(jìn)行提取，生成標(biāo)準(zhǔn)文獻(xiàn)題錄字段；文獻(xiàn)提取模塊用于對標(biāo)準(zhǔn)文獻(xiàn)題錄字段的內(nèi)容進(jìn)行提取；審核模塊用于讓標(biāo)準(zhǔn)題錄加工人員對標(biāo)準(zhǔn)文獻(xiàn)題錄字段的內(nèi)容進(jìn)行核對和修改；

步驟2：圖像獲取模塊獲取標(biāo)準(zhǔn)文獻(xiàn)紙質(zhì)文本的Tif版本的標(biāo)準(zhǔn)文獻(xiàn)圖像，圖像處理模塊對標(biāo)準(zhǔn)文獻(xiàn)圖像進(jìn)行清晰化處理，并通過Tif軟件編輯器將Tif版本的標(biāo)準(zhǔn)文獻(xiàn)圖像處理生成單層PDF，再經(jīng)過封裝后的OCR識別，最后生成txt版本和雙層浮文PDF版本的標(biāo)準(zhǔn)文獻(xiàn)，即標(biāo)準(zhǔn)文獻(xiàn)雙層浮文PDF文件；

步驟3：模版配置模塊根據(jù)標(biāo)準(zhǔn)文獻(xiàn)的編寫格式規(guī)范，確定標(biāo)準(zhǔn)文獻(xiàn)題錄字段，模版配置模塊采用位置區(qū)域截取或范圍截取的方式對標(biāo)準(zhǔn)文獻(xiàn)題錄字段進(jìn)行提取；

步驟4：文獻(xiàn)提取模塊根據(jù)標(biāo)準(zhǔn)文獻(xiàn)題錄字段各自定位的區(qū)域，自動采集標(biāo)準(zhǔn)文獻(xiàn)雙層浮文PDF版本中所涵蓋的文本內(nèi)容；

步驟5：標(biāo)準(zhǔn)題錄加工人員通過審核模塊對自動采集標(biāo)準(zhǔn)文獻(xiàn)雙層浮文PDF版本中所涵蓋的文本內(nèi)容進(jìn)行核對，如果內(nèi)容存在不正確的地方，標(biāo)準(zhǔn)題錄加工人員通過審核模塊對自動采集標(biāo)準(zhǔn)文獻(xiàn)雙層浮文PDF版本中所涵蓋的文本內(nèi)容進(jìn)行修改。

2.如權(quán)利要求1所述的一種基于標(biāo)準(zhǔn)文獻(xiàn)題錄特征值的智能提取方法，其特征在于：所述圖像獲取模塊、所述圖像處理模塊、所述模版配置模塊、所述文獻(xiàn)提取模塊和所述審核模塊均為服務(wù)器，所述圖像獲取模塊、所述圖像處理模塊、所述模版配置模塊、所述文獻(xiàn)提取模塊和所述審核模塊均通過互聯(lián)網(wǎng)通信。

3.如權(quán)利要求1所述的一種基于標(biāo)準(zhǔn)文獻(xiàn)題錄特征值的智能提取方法，其特征在于：所述位置區(qū)域截取是指記錄第一個位置所在的坐標(biāo)、字段所在的頁碼、寬度和長度；采用位置區(qū)域截取的字段主要包括標(biāo)準(zhǔn)號、標(biāo)準(zhǔn)中文名稱、標(biāo)準(zhǔn)英文名稱、發(fā)布日期、實施日期、中國標(biāo)準(zhǔn)分類號、國際標(biāo)準(zhǔn)分類號和發(fā)布單位；所述范圍截取是指記錄字段開頭位置坐標(biāo)、尾部位置坐標(biāo)和字段所在的頁碼；采用范圍截取的字段主要包括提取單位、歸口單位、起草單位、起草人和適用范圍字段。

4.如權(quán)利要求1所述的一種基于標(biāo)準(zhǔn)文獻(xiàn)題錄特征值的智能提取方法，其特征在于：執(zhí)行步驟4時，文獻(xiàn)提取模塊在本地建立數(shù)據(jù)緩存模塊，數(shù)據(jù)緩存模塊從模版配置模塊中將準(zhǔn)備加工的標(biāo)準(zhǔn)文本下載到本地緩存中，按以下步驟進(jìn)行數(shù)據(jù)緩存：

步驟S1：從本地緩存獲取數(shù)據(jù)，在數(shù)據(jù)信息查詢過程中，首先在本地緩存中獲取，如數(shù)據(jù)信息存在則直接反饋給控件，如本地緩存未緩存該數(shù)據(jù)，則進(jìn)行操作步驟S2；

步驟S2：從本地磁盤獲取數(shù)據(jù)，如本地磁盤中有所需的數(shù)據(jù)信息，則反饋磁盤中的數(shù)據(jù)給控件，同時將此數(shù)據(jù)信息緩存到本地，如本地磁盤中未獲取到所需的數(shù)據(jù)信息，則進(jìn)行操作步驟S3；

步驟S3：從本地數(shù)據(jù)庫服務(wù)器獲取數(shù)據(jù)，如本地緩存及磁盤都未獲取到所需的數(shù)據(jù)信息，則去本地數(shù)據(jù)庫服務(wù)器獲取并反饋給對應(yīng)的控件，同時將此數(shù)據(jù)更新至本地緩存及本地磁盤中；

由于本地緩存有限，當(dāng)數(shù)據(jù)緩存模塊中的緩存空間超過閥值后，必須進(jìn)行替換操作，其具體步驟如下：

步驟S4：有新緩存數(shù)據(jù)時，判斷緩存空間是否足夠，如果足夠則直接存入緩存，如不夠則進(jìn)行操作步驟S5；

步驟S5：緩存空間不夠，移除距最近一次使用最遠(yuǎn)的緩存數(shù)據(jù)，重復(fù)操作步驟S5，直至可儲存新的緩存數(shù)據(jù)。