Knowledge-based metadata extraction from PostScript files
Knowledge-based metadata extraction from PostScript files
复制标题
从 PostScript 文件中提取基于知识的元数据
DOI：
10.1145/336597.336639
复制
发表时间：
2000
期刊：
影响因子：
--
通讯作者：
Jihoon Yang
中科院分区：
文献类型：
--
作者：
G. Giuffrida;E. C. Shek;Jihoon Yang
自动文档元数据提取过程是一项重要的任务，在这个世界上，成千上万的文档只需一个"点击“即可。因此，需要强大的索引来支持有效的检索。即将到来的XML标准代表了朝这个方向迈出的重要一步，因为它的半结构表示将文档元数据与文档文本一起传送。例如，如果论文是以XML存储的，那么按作者或附属机构检索科学论文将是一项简单的任务。不幸的是，今天，Web上的绝大多数文档都是以不携带附加语义的形式提供的。将现有文档转换为半结构化表示非常耗时，并且没有自动化过程可以轻松应用。在本文中，我们讨论了一个系统，一个新的空间/visualknowledge原则的基础上，提取元数据从存储为XML文件的科学论文。我们的系统嵌入了科学论文的图形布局的一般知识，以指导元数据提取过程。该系统可以有效地辅助数字图书馆的自动索引创建。
The automatic document metadata extraction process is animportant task in a world where thousands of documents are just one``click'' away. Thus, powerful indices are necessary to support effective retrieval. The upcoming XML standard represents an important step in this direction as itssemistructuredrepresentation conveys document metadata together with the text of the document. For example, retrieval of scientific papers by authors or affiliations would be a straightforward tasks if papers were stored in XML.Unfortunately, today, the largest majority of documents on the web are available in forms that do not carryadditional semantics. Converting existing documents to a semistructured representation is time consuming and no automatic process can be easily applied. In this paper we discuss a system, based on a novel spatial/visualknowledge principle, for extracting metadata from scientific papers storedas PostScript files. Our system embeds the general knowledge about the graphical layout of a scientific paper to guide the metadata extraction process. Our system can effectively assist the automatic index creation for digital libraries.