论文部分内容阅读
在对纸本图书数字化加工过程中，元数据录入是必需的环节，然而手工录入工作量大、效率低，针对这一问题，提出了一种基于机器学习的扫描图书元数据自动获取方法。首先定义元数据的描述、管理和结构元素，然后以扫描页面的DjVuxML文档为数据源，分析页面的格式、结构等特征，以行作为初始特征向量，采用基于有监督的机器学习方法进行元数据抽取。实验表明谊算法能够取得较高的准确率和召回率，能够显著的提高图书数字化的效率。