本發(fā)明涉及出版物加工領(lǐng)域，具體而言，涉及一種出版物處理方法和裝置。

背景技術(shù)：

目前，隨著IT技術(shù)的發(fā)展，圖書期刊數(shù)字化加工是傳統(tǒng)出版向數(shù)字出版轉(zhuǎn)型的基礎(chǔ)工作，現(xiàn)有技術(shù)的圖書期刊數(shù)字化加工都是將圖書掃描或者用排版文件生成PDF等格式的文件，但是直接將圖書掃描或者用排版文件生成PDF等格式的文件類型不能滿足數(shù)字化傳播和閱讀的需要，例如，用戶想要查看某本圖書期刊的主要內(nèi)容，無(wú)法快捷查找到章節(jié)內(nèi)容設(shè)置情況，只能一頁(yè)一頁(yè)查看，或者，用戶想要從多本圖書里找到與某一學(xué)科方向的某方面內(nèi)容相關(guān)的內(nèi)容，在現(xiàn)有技術(shù)中無(wú)法實(shí)現(xiàn)，由于現(xiàn)有技術(shù)無(wú)論從內(nèi)容深度挖掘還是閱讀體驗(yàn)上都無(wú)法促進(jìn)信息時(shí)代對(duì)知識(shí)內(nèi)容的傳播，而出版社對(duì)數(shù)字出版尤其是圖書期刊數(shù)字化的加工沒(méi)有成熟經(jīng)驗(yàn)可循，因此，局限性很高。

針對(duì)相關(guān)技術(shù)中出版物數(shù)字化加工方法局限性高的問(wèn)題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的在于提供一種出版物處理方法和裝置，以解決相關(guān)技術(shù)中出版物數(shù)字化加工方法局限性高的問(wèn)題。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種出版物處理方法，該方法包括：獲取數(shù)字化的出版物；根據(jù)所述出版物的版面信息從所述出版物中提取出信息，其中，所述信息分為多個(gè)類別，不同的類別用于表示所述出版物的內(nèi)容結(jié)構(gòu)；根據(jù)所述信息對(duì)所述出版物進(jìn)行加工。

進(jìn)一步地，所述信息的類別至少包括：標(biāo)題，根據(jù)所述出版物的版面信息從所述出版物中提取出所述信息包括：根據(jù)所述出版物的版面樣式從所述出版物中提取出所有的標(biāo)題；根據(jù)所述信息對(duì)所述出版物進(jìn)行加工包括：將所述出版物的所有標(biāo)題進(jìn)行加工，形成層級(jí)化目錄。

進(jìn)一步地，所述信息的類別還包括：正文，根據(jù)所述出版物的版面信息從所述出版物中提取出所述信息包括：根據(jù)所述出版物的版面樣式從所述出版物中提取出正文；根據(jù)所述信息對(duì)所述出版物進(jìn)行加工包括：建立所述出版物的標(biāo)題與所述正文的對(duì)應(yīng)關(guān)系，或者建立所述層級(jí)化目錄與所述正文的對(duì)應(yīng)關(guān)系。

進(jìn)一步地，所述對(duì)應(yīng)關(guān)系保存在XML文件中，或者，保存在數(shù)據(jù)庫(kù)中。

進(jìn)一步地，所述出版物的版面樣式包括以下至少之一：特殊符號(hào)分割的版面樣式、字體樣式分割的版面樣式。

進(jìn)一步地，所述信息的類別至少包括：關(guān)鍵詞，根據(jù)所述出版物的版面信息從所述出版物中提取出所述信息包括：從所述出版物中提取出至少一個(gè)所述關(guān)鍵詞；根據(jù)所述信息對(duì)所述出版物進(jìn)行加工包括：根據(jù)至少一個(gè)所述關(guān)鍵詞確定所述出版物所屬的類別，并保存該類別。

進(jìn)一步地，從所述出版物中提取出至少一個(gè)所述關(guān)鍵詞包括：根據(jù)出現(xiàn)在所述出版物中的詞語(yǔ)的詞頻和/或詞語(yǔ)出現(xiàn)在所述出版物中的位置信息確定屬于關(guān)鍵詞的詞語(yǔ)。

進(jìn)一步地，根據(jù)至少一個(gè)所述關(guān)鍵詞確定所述出版物所屬的類別包括：在所述關(guān)鍵詞為多個(gè)的情況下，根據(jù)各個(gè)所述關(guān)鍵詞對(duì)應(yīng)的權(quán)重確定所述關(guān)鍵詞對(duì)應(yīng)的部分所屬的類型。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的另一方面，還提供了一種出版物處理裝置，該裝置包括：獲取單元，用于獲取數(shù)字化的出版物；提取單元，用于根據(jù)所述出版物的版面信息從所述出版物中提取出信息，其中，所述信息分為多個(gè)類別，不同的類別用于表示所述出版物的內(nèi)容結(jié)構(gòu)；加工單元，用于根據(jù)所述信息對(duì)所述出版物進(jìn)行加工。

進(jìn)一步地，所述信息的類別至少包括：標(biāo)題，所述提取單元用于根據(jù)所述出版物的版面樣式從所述出版物中提取出所有的標(biāo)題；所述加工單元用于將所述出版物的所有標(biāo)題進(jìn)行加工，形成層級(jí)化目錄。

本發(fā)明通過(guò)獲取數(shù)字化的出版物，根據(jù)出版物的版面信息從出版物中提取出信息，其中，信息分為多個(gè)類別，不同的類別用于表示出版物的內(nèi)容結(jié)構(gòu)，根據(jù)信息對(duì)出版物進(jìn)行加工，解決了相關(guān)技術(shù)中出版物數(shù)字化加工方法局限性高的問(wèn)題，進(jìn)而達(dá)到了提高出版物數(shù)字化加工方法的靈活性的效果。

附圖說(shuō)明

構(gòu)成本申請(qǐng)的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1是根據(jù)本發(fā)明實(shí)施例的出版物處理方法的流程圖；

圖2是根據(jù)本發(fā)明實(shí)施例的出版物處理過(guò)程的示意圖；以及

圖3是根據(jù)本發(fā)明實(shí)施例的出版物處理裝置的示意圖。

具體實(shí)施方式

需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互組合。下面將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明。

為了使本技術(shù)領(lǐng)域的人員更好地理解本申請(qǐng)方案，下面將結(jié)合本申請(qǐng)實(shí)施例中的附圖，對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本申請(qǐng)一部分的實(shí)施例，而不是全部的實(shí)施例?；诒旧暾?qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本申請(qǐng)保護(hù)的范圍。

需要說(shuō)明的是，本申請(qǐng)的說(shuō)明書和權(quán)利要求書及上述附圖中的術(shù)語(yǔ)“第一”、“第二”等是用于區(qū)別類似的對(duì)象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本申請(qǐng)的實(shí)施例。此外，術(shù)語(yǔ)“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過(guò)程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒(méi)有清楚地列出的或?qū)τ谶@些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。

本發(fā)明實(shí)施例提供了一種出版物處理方法。

圖1是根據(jù)本發(fā)明實(shí)施例的出版物處理方法的流程圖，如圖1所示，該方法包括以下步驟：

步驟S102：獲取數(shù)字化的出版物。

步驟S104：根據(jù)出版物的版面信息從出版物中提取出信息，其中，信息分為多個(gè)類別，不同的類別用于表示出版物的內(nèi)容結(jié)構(gòu)。

步驟S106：根據(jù)信息對(duì)出版物進(jìn)行加工。

該實(shí)施例采用獲取數(shù)字化的出版物之后，根據(jù)獲取到的數(shù)字化的出版物的版面信息從出版物中提取出多個(gè)類別的信息，以獲得出版物的內(nèi)容結(jié)構(gòu)信息，然后根據(jù)多個(gè)類別的信息對(duì)出版物進(jìn)行加工，由于本發(fā)明實(shí)施例的技術(shù)方案將紙質(zhì)圖書數(shù)字化，從數(shù)字化的出版物的版面信息中提取出表示出版物內(nèi)容的多個(gè)類別的信息，然后對(duì)出版物進(jìn)行加工，能夠?qū)崿F(xiàn)根據(jù)類別將紙質(zhì)出版物加工，以方便后續(xù)對(duì)出版物的檢索或者分類，解決了相關(guān)技術(shù)中出版物數(shù)字化加工方法局限性高的問(wèn)題，進(jìn)而達(dá)到了提高出版物數(shù)字化加工方法的靈活性的效果。

在本發(fā)明實(shí)施例中，出版物可以是圖書、期刊等多種類型的出版物，這些出版物可以是紙質(zhì)的出版物，也可以是電子化的出版物，如果是紙質(zhì)的出版物，則對(duì)這些紙質(zhì)的出版物進(jìn)行數(shù)字化處理，可以通過(guò)光學(xué)字符識(shí)別(Optical Character Recognition，簡(jiǎn)稱為OCR)方法，例如，通過(guò)將紙質(zhì)出版物進(jìn)行掃描等方法，得到數(shù)字化的出版物。獲取數(shù)字化的出版物可以通過(guò)多種方法獲取，在獲取數(shù)字化的出版物之后，根據(jù)出版物的版面信息從出版物中提取出信息，出版物的版面信息可以是出版物版面上的文字，圖標(biāo)，圖片等多種類型的信息，這些信息分為多個(gè)類別，多個(gè)類別用于表示出版物的內(nèi)容結(jié)構(gòu)，出版物的內(nèi)容結(jié)構(gòu)包括標(biāo)題、正文、圖片、表格、圖題/圖注、表題/表注，以及頁(yè)面內(nèi)容的特殊格式，如上下標(biāo)、粗體、斜體、補(bǔ)字等，從出版物中提取出這些信息之后，根據(jù)提取出的信息對(duì)出版物進(jìn)行加工，其中，對(duì)出版物進(jìn)行加工可以是將出版物中提取出的信息構(gòu)建出版資源數(shù)據(jù)庫(kù)，也可以對(duì)加工后的內(nèi)容進(jìn)行知識(shí)數(shù)據(jù)庫(kù)的構(gòu)建及內(nèi)容重組，以實(shí)現(xiàn)更多功能。可選地，對(duì)出版物進(jìn)行加工可以是將出版物內(nèi)容進(jìn)行拆分，提交至標(biāo)引系統(tǒng)，根據(jù)醫(yī)學(xué)分類——關(guān)鍵詞對(duì)應(yīng)表進(jìn)行自動(dòng)分類；最后將版面信息、分類信息、標(biāo)引信息整合輸出為XML文檔或存儲(chǔ)數(shù)據(jù)庫(kù)中。在一個(gè)可選的應(yīng)用場(chǎng)景中，紙質(zhì)出版物不方便攜帶和閱讀，將紙質(zhì)出版物進(jìn)行數(shù)字化可以方便更多用戶分享該出版物，如果只是將該紙質(zhì)出版物掃描成PDF格式的圖書，用戶在閱讀時(shí)無(wú)法選擇章節(jié)進(jìn)行閱讀，而且將紙質(zhì)出版物掃描成PDF格式的圖書，受到掃描分辨率的影響，圖書閱讀質(zhì)量不佳，放大后可能不清楚，而且不容易分辨不同的內(nèi)容結(jié)構(gòu)，無(wú)法提取出標(biāo)題、章節(jié)信息等內(nèi)容，因此出版物數(shù)字化加工方法局限性高，而本發(fā)明實(shí)施例的技術(shù)方案通過(guò)獲取數(shù)字化的出版物，然后根據(jù)版面信息從出版物中提取出信息，根據(jù)提取出的信息對(duì)出版物進(jìn)行加工，可以獲得內(nèi)容更精確的出版物，提高了出版物數(shù)字化加工方法的靈活性。

在一種可選的實(shí)施方式中，信息的類別至少包括：標(biāo)題，根據(jù)出版物的版面信息從出版物中提取出信息包括：根據(jù)出版物的版面樣式從出版物中提取出所有的標(biāo)題；根據(jù)信息對(duì)出版物進(jìn)行加工包括：將出版物的所有標(biāo)題進(jìn)行加工，形成層級(jí)化目錄。

出版物的信息類別至少包含出版物的標(biāo)題，標(biāo)題可以是各個(gè)章節(jié)的標(biāo)題，根據(jù)出版物的版面信息從出版物中提取出所有的標(biāo)題之后，可以將提取出的標(biāo)題進(jìn)行加工，形成層級(jí)化的目錄，方便用戶閱讀或者查找。

在一種可選的實(shí)施方式中，信息的類別還包括：正文，根據(jù)出版物的版面信息從出版物中提取出信息包括：根據(jù)出版物的版面樣式從出版物中提取出正文；根據(jù)信息對(duì)出版物進(jìn)行加工包括：建立出版物的標(biāo)題與正文的對(duì)應(yīng)關(guān)系，或者建立層級(jí)化目錄與正文的對(duì)應(yīng)關(guān)系。信息類別除了標(biāo)題，還包括正文，建立正文與標(biāo)題的對(duì)應(yīng)關(guān)系，以實(shí)現(xiàn)根據(jù)標(biāo)題查找正文的目的，方便用戶閱讀或查找。

在一種可選的實(shí)施方式中，對(duì)應(yīng)關(guān)系保存在XML文件中，或者，保存在數(shù)據(jù)庫(kù)中。在建立標(biāo)題和正文的對(duì)應(yīng)關(guān)系之后，可以將標(biāo)題和正文的對(duì)應(yīng)關(guān)系保存在XML文件中，還可以將標(biāo)題和正文的對(duì)應(yīng)關(guān)系保存在數(shù)據(jù)庫(kù)中。

在一種可選的實(shí)施方式中，出版物的版面樣式包括以下至少之一：特殊符號(hào)分割的版面樣式、字體樣式分割的版面樣式?？梢愿鶕?jù)特殊符號(hào)或者字體樣式對(duì)出版物的版面樣式進(jìn)行分割，例如，可以對(duì)應(yīng)標(biāo)題對(duì)出版物的正文內(nèi)容進(jìn)行分割，也可以對(duì)應(yīng)不同字體對(duì)出版物的版面樣式進(jìn)行分割。

在一種可選的實(shí)施方式中，信息的類別至少包括：關(guān)鍵詞，根據(jù)出版物的版面信息從出版物中提取出信息包括：從出版物中提取出至少一個(gè)關(guān)鍵詞；根據(jù)信息對(duì)出版物進(jìn)行加工包括：根據(jù)至少一個(gè)關(guān)鍵詞確定出版物所屬的類別，并保存該類別。

信息的類別還可以包括關(guān)鍵詞，從出版物中提取出信息可以是從出版物中提取出關(guān)鍵詞，提取出的關(guān)鍵詞可以是多個(gè)，根據(jù)提取出的一個(gè)或多個(gè)關(guān)鍵詞可以確認(rèn)出版物所述的類別，例如，醫(yī)學(xué)類出版物，歷史類出版物等。例如，可以根據(jù)關(guān)鍵詞對(duì)應(yīng)分類條目的分類編碼對(duì)出版物進(jìn)行分類，并且可以根據(jù)關(guān)鍵詞權(quán)重的差異，得到主分類編碼和參考分類編碼，以實(shí)現(xiàn)更精確的分類?？蛇x地，可以根據(jù)詞頻、位置、語(yǔ)義內(nèi)容等對(duì)關(guān)鍵詞進(jìn)行排序。

在一種可選的實(shí)施方式中，從出版物中提取出至少一個(gè)關(guān)鍵詞包括：根據(jù)出現(xiàn)在出版物中的詞語(yǔ)的詞頻和/或詞語(yǔ)出現(xiàn)在出版物中的位置信息確定屬于關(guān)鍵詞的詞語(yǔ)。

從出版物中提取關(guān)鍵詞可以是從出版物中的詞語(yǔ)的詞頻確定屬于關(guān)鍵詞的詞語(yǔ)，例如，將出現(xiàn)頻率較高的關(guān)鍵詞確定為出版物的關(guān)鍵詞，也可以是根據(jù)出現(xiàn)在出版物中的位置信息確定出版物的關(guān)鍵詞，例如，可以將出現(xiàn)在出版物標(biāo)題中的詞語(yǔ)確定為出版物的關(guān)鍵詞。

在一種可選的實(shí)施方式中，根據(jù)至少一個(gè)關(guān)鍵詞確定出版物所屬的類別包括：在關(guān)鍵詞為多個(gè)的情況下，根據(jù)各個(gè)關(guān)鍵詞對(duì)應(yīng)的權(quán)重確定出版物所屬的類型。

如果出版物的關(guān)鍵詞為多個(gè)，則可以根據(jù)各個(gè)關(guān)鍵詞對(duì)應(yīng)的權(quán)重確定關(guān)鍵詞對(duì)應(yīng)的部分所屬的類型，例如，根據(jù)多個(gè)關(guān)鍵詞出現(xiàn)的次數(shù)或者根據(jù)多個(gè)關(guān)鍵詞出現(xiàn)的位置確定出每個(gè)關(guān)鍵詞的權(quán)重，然后根據(jù)各個(gè)關(guān)鍵詞對(duì)應(yīng)的權(quán)重確定出版物所屬的類型，例如，可以將權(quán)重最大的關(guān)鍵詞作為出版物的關(guān)鍵詞。出版物所屬的相應(yīng)分類可以是：疾病、藥物、手術(shù)操作等醫(yī)學(xué)類型。根據(jù)關(guān)鍵詞對(duì)應(yīng)的權(quán)重確定關(guān)鍵詞對(duì)應(yīng)的部分所屬的類型可以確定關(guān)鍵詞所在的出版物的正文片段或者章節(jié)所對(duì)應(yīng)的類型，例如，某一章節(jié)屬于疾病、藥物、手術(shù)操作等醫(yī)學(xué)類型中的一種或多種，除了醫(yī)學(xué)類型，也可以是其他類型，例如，歷史學(xué)、音樂(lè)學(xué)等類型。通過(guò)關(guān)鍵詞對(duì)關(guān)鍵詞所在的片段或者章節(jié)分類能夠更加準(zhǔn)確地確定出版物正文片段所屬的類型，提高分類的準(zhǔn)確性。

出版物可以是一個(gè)，也可以是多個(gè)，如果出版物是多個(gè)，在從多個(gè)出版物中提取出信息之后，對(duì)多個(gè)出版物的信息進(jìn)行加工，可以得到多個(gè)出版物信息的數(shù)據(jù)庫(kù)，例如，對(duì)多本醫(yī)學(xué)類出版物進(jìn)行信息提取之后，對(duì)提取出的信息進(jìn)行加工并保存在數(shù)據(jù)庫(kù)中，用戶可以通過(guò)關(guān)鍵詞查詢檢索到數(shù)據(jù)庫(kù)中與該關(guān)鍵詞相關(guān)的所有內(nèi)容，能夠方便用戶從多個(gè)出版物中快速查找需要的內(nèi)容，節(jié)約時(shí)間。

可選地，出版物可以是醫(yī)學(xué)健康類圖書文獻(xiàn)，該實(shí)施例可以將紙質(zhì)圖書出版時(shí)排版文件或者紙質(zhì)圖書掃描后OCR識(shí)別并轉(zhuǎn)換為數(shù)字化內(nèi)容，能夠解決圖書數(shù)字化深度加工過(guò)程中需要解決的問(wèn)題，通過(guò)建立一套成熟的加工體系，不僅僅可以完成紙質(zhì)圖書數(shù)字化、構(gòu)建出版資源數(shù)據(jù)庫(kù)，并且可以對(duì)加工后內(nèi)容進(jìn)行知識(shí)數(shù)據(jù)庫(kù)的構(gòu)建及內(nèi)容重組。

該實(shí)施例的出版物處理方法能夠?qū)崿F(xiàn)對(duì)醫(yī)學(xué)類出版物的加工，在一個(gè)可選的應(yīng)用場(chǎng)景中，該方法可以構(gòu)建醫(yī)學(xué)分類體系，包括疾病分類、癥狀體征分類、實(shí)驗(yàn)室檢查分類、藥物分類、手術(shù)與操作分類以及內(nèi)容歸類。創(chuàng)建醫(yī)學(xué)專業(yè)詞庫(kù)，整合中英文醫(yī)學(xué)專業(yè)術(shù)語(yǔ)，合并同義詞詞條，將分類與詞庫(kù)建立關(guān)聯(lián)，形成醫(yī)學(xué)專業(yè)的“分類——關(guān)鍵詞表”。采用版面分析工具對(duì)圖書的版面內(nèi)容進(jìn)行結(jié)構(gòu)化標(biāo)注，包括標(biāo)題、正文、圖片、表格、圖題/圖注、表題/表注，以及頁(yè)面內(nèi)容的特殊格式，如上下標(biāo)、粗體、斜體、補(bǔ)字等。結(jié)構(gòu)標(biāo)注后將圖書的全部標(biāo)題提取出來(lái)，形成結(jié)構(gòu)化的層級(jí)目錄，根據(jù)內(nèi)容和標(biāo)題結(jié)構(gòu)，將圖書拆分成知識(shí)單元，拆分后每一部分的內(nèi)容包含的正文和標(biāo)題部分分別提交標(biāo)引系統(tǒng)，標(biāo)引系統(tǒng)提取關(guān)鍵詞和摘要，提取的關(guān)鍵詞應(yīng)用裝載的“分類——關(guān)鍵詞表”對(duì)應(yīng)系統(tǒng)，根據(jù)拆分內(nèi)容的主題對(duì)關(guān)鍵詞進(jìn)行權(quán)重排序，涉及的因素包括圖書書名、圖書各級(jí)章節(jié)標(biāo)題內(nèi)容以及位置和詞頻信息等，通過(guò)關(guān)鍵詞識(shí)別獲得關(guān)鍵詞對(duì)應(yīng)分類條目的分類編碼，自動(dòng)進(jìn)行文獻(xiàn)的分類，并且可以根據(jù)關(guān)鍵詞權(quán)重的差異，提供主分類編碼和參考分類編碼；根據(jù)提交的標(biāo)題特征，自動(dòng)進(jìn)行內(nèi)容歸類的分類，實(shí)現(xiàn)了知識(shí)分類的自動(dòng)化。

通過(guò)這種圖書數(shù)字化轉(zhuǎn)換、知識(shí)單元內(nèi)容拆分，拆分后的標(biāo)引分類，實(shí)現(xiàn)圖書文獻(xiàn)向知識(shí)轉(zhuǎn)換的過(guò)程，該實(shí)施例可以實(shí)現(xiàn)大部分過(guò)程的自動(dòng)化完成，可以節(jié)省人力成本提高效率和加工質(zhì)量。

圖2是根據(jù)本發(fā)明實(shí)施例的出版物處理過(guò)程的示意圖，如圖2所示，該出版物處理過(guò)程包括以下步驟：

步驟S201：通過(guò)獲取接口獲取信息，獲取數(shù)字化的出版物，可以將紙質(zhì)圖書進(jìn)行掃描OCR識(shí)別，轉(zhuǎn)換為標(biāo)準(zhǔn)雙層PDF文件，或者將圖書排版的電子文件轉(zhuǎn)換為標(biāo)準(zhǔn)雙層PS/PDF格式文件。

步驟S202：通過(guò)圖書轉(zhuǎn)換加工平臺(tái)對(duì)信息進(jìn)行加工，利用圖書加工工具解析PDF文件，將圖書中的文字與圖片等部件結(jié)構(gòu)標(biāo)注識(shí)別，并將圖書按照知識(shí)單元內(nèi)容進(jìn)行拆分。

步驟S203：將圖書拆分后的知識(shí)單元內(nèi)容的文本內(nèi)容提交給內(nèi)容標(biāo)引服務(wù)器。

步驟S204：標(biāo)引服務(wù)器對(duì)內(nèi)容進(jìn)行關(guān)鍵詞標(biāo)引和分類，標(biāo)引是根據(jù)專業(yè)詞庫(kù)進(jìn)行賦詞標(biāo)引，提交到內(nèi)容標(biāo)引服務(wù)器的正文信息由內(nèi)容標(biāo)引服務(wù)器標(biāo)引出關(guān)鍵詞，標(biāo)引的關(guān)鍵詞在分類——關(guān)鍵詞表中進(jìn)行關(guān)鍵詞——分類編碼的轉(zhuǎn)換，將關(guān)鍵詞信息轉(zhuǎn)換為分類的編碼信息，從而實(shí)現(xiàn)自動(dòng)分類。另一種標(biāo)引功能是根據(jù)提交的標(biāo)題信息特征，進(jìn)行內(nèi)容歸類的分類標(biāo)引。

步驟S205：將標(biāo)引的關(guān)鍵詞利用醫(yī)學(xué)專業(yè)詞庫(kù)及分類——關(guān)鍵詞表進(jìn)行關(guān)鍵詞向編碼轉(zhuǎn)換。

步驟S206：建立基礎(chǔ)數(shù)據(jù)的數(shù)據(jù)庫(kù)。可以建立醫(yī)學(xué)類基礎(chǔ)數(shù)據(jù)的數(shù)據(jù)庫(kù)，對(duì)醫(yī)學(xué)內(nèi)容的自動(dòng)化加工具有重要的意義，通過(guò)實(shí)驗(yàn)證明該體系具有較高的準(zhǔn)確性，工作效率較高。醫(yī)學(xué)類基礎(chǔ)數(shù)據(jù)庫(kù)可以包括醫(yī)學(xué)專業(yè)詞庫(kù)，醫(yī)學(xué)專業(yè)分類，醫(yī)學(xué)專業(yè)的分類——關(guān)鍵詞表等數(shù)據(jù)。

步驟S207：將關(guān)鍵詞轉(zhuǎn)換后得到的分類編碼信息發(fā)送到內(nèi)容標(biāo)引服務(wù)器。

步驟S208：將標(biāo)引后的文本信息傳遞給圖書加工工具，其中，文本信息包括關(guān)鍵詞、分類、自動(dòng)摘要信息等。

步驟S209：將拆分的知識(shí)單元內(nèi)容、內(nèi)容標(biāo)引服務(wù)器返回的標(biāo)引信息進(jìn)行整合?？梢酝ㄟ^(guò)一個(gè)人機(jī)結(jié)合的交互界面進(jìn)行對(duì)話，完成拆分、標(biāo)引、分類的人工審核過(guò)程，通過(guò)人工審核可以提高拆分、標(biāo)引、分類的準(zhǔn)確度，審核通過(guò)后，輸出為格式化的XML文件。

本發(fā)明實(shí)施例的出版物處理方法可以作為一種圖書文獻(xiàn)數(shù)字化加工方法，能夠?qū)崿F(xiàn)內(nèi)容自動(dòng)化分類，可以通過(guò)圖書轉(zhuǎn)換，獲取外部?jī)?nèi)容數(shù)據(jù)，然后圖書加工，通過(guò)排版信息進(jìn)行圖書結(jié)構(gòu)化處理，進(jìn)一步通過(guò)人機(jī)結(jié)合分類標(biāo)引，信息流經(jīng)過(guò)標(biāo)引、轉(zhuǎn)換，實(shí)現(xiàn)文本內(nèi)容的主題提取和自動(dòng)分類過(guò)程，將圖書按照知識(shí)主題進(jìn)行拆分標(biāo)引后，形成具有相對(duì)獨(dú)立、含有豐富描述信息的知識(shí)內(nèi)容，輸出結(jié)構(gòu)化的XML文件，不僅表示圖書結(jié)構(gòu)信息，也包含了圖書文獻(xiàn)拆分后的單元內(nèi)容的分類信息。進(jìn)一步地，知識(shí)單元內(nèi)容根據(jù)醫(yī)學(xué)專業(yè)詞庫(kù)標(biāo)引的關(guān)鍵詞代表該部分內(nèi)容的主題，而關(guān)鍵詞與分類具有嚴(yán)格的對(duì)應(yīng)關(guān)系，關(guān)鍵詞對(duì)應(yīng)的分類也能夠反應(yīng)內(nèi)容的主題，進(jìn)而實(shí)現(xiàn)對(duì)醫(yī)學(xué)類圖書的自動(dòng)分類。進(jìn)一步地，專業(yè)的醫(yī)學(xué)詞庫(kù)與分類系統(tǒng)是揭示內(nèi)容主題的最好描述。

該實(shí)施例通過(guò)將圖書加工過(guò)程中的各個(gè)環(huán)節(jié)組合起來(lái)，應(yīng)用專業(yè)的醫(yī)學(xué)詞庫(kù)及分類——關(guān)鍵詞表，實(shí)現(xiàn)對(duì)圖書的數(shù)字化加工，將圖書形成知識(shí)單元內(nèi)容，通過(guò)關(guān)鍵詞自動(dòng)標(biāo)引和醫(yī)學(xué)專業(yè)分類的標(biāo)引，并對(duì)其主題進(jìn)行規(guī)范性描述，可以實(shí)現(xiàn)出版社向數(shù)字出版轉(zhuǎn)型過(guò)程中的基礎(chǔ)數(shù)據(jù)的處理，為數(shù)字化應(yīng)用提供內(nèi)容的基礎(chǔ)元數(shù)據(jù)，實(shí)現(xiàn)知識(shí)分類自動(dòng)化。

需要說(shuō)明的是，在附圖的流程圖示出的步驟可以在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

本發(fā)明實(shí)施例提供了一種出版物處理裝置，該出版物處理裝置可以用于執(zhí)行本發(fā)明實(shí)施例的出版物處理方法。

圖3是根據(jù)本發(fā)明實(shí)施例的出版物處理裝置的示意圖，如圖3所示，該裝置包括：

獲取單元10，用于獲取數(shù)字化的出版物。

提取單元20，用于根據(jù)出版物的版面信息從出版物中提取出信息，其中，信息分為多個(gè)類別，不同的類別用于表示出版物的內(nèi)容結(jié)構(gòu)。

加工單元30，用于根據(jù)信息對(duì)出版物進(jìn)行加工。

可選地，信息的類別至少包括：標(biāo)題，提取單元用于根據(jù)出版物的版面樣式從出版物中提取出所有的標(biāo)題；加工單元用于將出版物的所有標(biāo)題進(jìn)行加工，形成層級(jí)化目錄?？蛇x地，加工單元可以包括標(biāo)引單元，標(biāo)引單元根據(jù)出版物拆分的片段，進(jìn)行知識(shí)屬性分類標(biāo)引。

該實(shí)施例采用獲取單元10獲取數(shù)字化的出版物；提取單元20根據(jù)出版物的版面信息從出版物中提取出信息，其中，信息分為多個(gè)類別，不同的類別用于表示出版物的內(nèi)容結(jié)構(gòu)；加工單元30根據(jù)信息對(duì)出版物進(jìn)行加工，解決了相關(guān)技術(shù)中出版物數(shù)字化加工方法局限性高的問(wèn)題，進(jìn)而達(dá)到了提高出版物數(shù)字化加工方法的靈活性的效果。

在本發(fā)明的上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部分，可以參見(jiàn)其他實(shí)施例的相關(guān)描述。

顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計(jì)算裝置來(lái)實(shí)現(xiàn)，它們可以集中在單個(gè)的計(jì)算裝置上，或者分布在多個(gè)計(jì)算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可以用計(jì)算裝置可執(zhí)行的程序代碼來(lái)實(shí)現(xiàn)，從而，可以將它們存儲(chǔ)在存儲(chǔ)裝置中由計(jì)算裝置來(lái)執(zhí)行，或者將它們分別制作成各個(gè)集成電路模塊，或者將它們中的多個(gè)模塊或步驟制作成單個(gè)集成電路模塊來(lái)實(shí)現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。