電子書(shū)智能入庫(kù)系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、信息社會(huì)的發(fā)展為人們獲取信息資源帶來(lái)了極大的便利,而殘疾人卻由于身體狀況、文化背景等自身局限而難以充分享受信息社會(huì)帶來(lái)的便利,反而面臨著被“信息鴻溝”所邊緣化的危險(xiǎn)。為了實(shí)現(xiàn)信息無(wú)障礙,中國(guó)殘聯(lián)、國(guó)家圖書(shū)館中國(guó)盲文出版社和浙江大學(xué)共同研發(fā)了中國(guó)盲人數(shù)字圖書(shū)館。為了提高電子書(shū)入庫(kù)效率從而豐富書(shū)籍資源,我們提出了針對(duì)盲人數(shù)字圖書(shū)館的OCR電子書(shū)開(kāi)發(fā)電子書(shū)智能入庫(kù)系統(tǒng)的方案。
　　 電子書(shū)智能入庫(kù)系統(tǒng)對(duì)電子書(shū)智能解析,提取書(shū)籍元數(shù)據(jù)、

2、解析書(shū)籍目錄、生成書(shū)籍摘要并提供入庫(kù)人員全方位、多粒度的輔助工具輔助校正,最后保存到網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中供讀者閱讀。
　　 書(shū)籍目錄解析模塊從電子書(shū)的目錄項(xiàng)中提取特征,構(gòu)建向量空間模型,再利用從訓(xùn)練樣本中學(xué)習(xí)的決策樹(shù)實(shí)現(xiàn)對(duì)目錄項(xiàng)的分類(lèi),隨后利用目錄項(xiàng)的類(lèi)別信息,采用目錄樹(shù)生成算法重構(gòu)書(shū)籍目錄結(jié)構(gòu),最后對(duì)目錄項(xiàng)的起始頁(yè)碼進(jìn)行自動(dòng)校正。
　　 書(shū)籍簡(jiǎn)介生成模塊利用書(shū)籍封面、內(nèi)頁(yè)、目錄、封底等內(nèi)容抽取高質(zhì)量的人工簡(jiǎn)介,若無(wú)法找到人工簡(jiǎn)

3、介則通過(guò)對(duì)句子計(jì)算相關(guān)度,構(gòu)建相關(guān)度圖模型,然后采用PageRank算法得到句子的重要性評(píng)價(jià),最后用MMR算法選取重要性高、冗余度低的候選句子,經(jīng)過(guò)修飾后得到書(shū)籍簡(jiǎn)介。
　　 通過(guò)對(duì)4批電子書(shū)實(shí)驗(yàn),表明目錄解析模塊決策樹(shù)分類(lèi)的準(zhǔn)確率達(dá)到90％,而簡(jiǎn)介生成模塊多文檔摘要的準(zhǔn)確率達(dá)到77%;此外用戶的評(píng)價(jià)信息表明,這兩個(gè)模塊的整體解析效果令人滿意。
　　 電子書(shū)智能入庫(kù)系統(tǒng)正式上線后取得了良好的應(yīng)用效果,避免了此前入庫(kù)的大量