技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種版式文檔中腳注識(shí)別方法及腳注與腳注引用關(guān)聯(lián)方法。本方法為：1)從版式文檔中抽取底層信息；2)根據(jù)底層信息從該版式文檔中識(shí)別出候選腳注區(qū)域；3)將識(shí)別出的每一候選腳注區(qū)域構(gòu)造一特征向量，然后對(duì)特征向量進(jìn)行聚類(lèi)，根據(jù)聚類(lèi)結(jié)果確定一目標(biāo)特征向量，計(jì)算其與每一候選腳注區(qū)域的特征向量之間的相似度，剔除相似度小于設(shè)定閾值的候選腳注區(qū)域；4)對(duì)經(jīng)步驟3)篩選后得到的候選腳注區(qū)域中的腳注條目進(jìn)行分割；5)將分割后得到的腳注條目的序號(hào)與該版式文檔的正文中的腳注序號(hào)進(jìn)行匹配，如果序號(hào)對(duì)應(yīng)則將該腳注條目與對(duì)應(yīng)腳注序號(hào)建立關(guān)聯(lián)。不依賴于特定的特征與規(guī)則，在識(shí)別不同樣式腳注時(shí)，具有更高的正確率和召回率。

技術(shù)研發(fā)人員：高良才;黎斯達(dá);湯幟
受保護(hù)的技術(shù)使用者：北京大學(xué)
文檔號(hào)碼：201510342271
技術(shù)研發(fā)日：2015.06.18
技術(shù)公布日：2017.01.11