[发明专利]在网络上呈现数字化内容

说明书

技术领域

本公开文件大体涉及数据处理。更具体地，本发明涉及在诸如互联网的网络上呈现和组织数字化内容资料的方法。 

背景技术

可以执行在这部分中所描述的方法，但是没有必要是之前已经构想出的或执行过的方法。因此，除非在本文中另有说明，否则在这部分中所描述的方法不是相对于本申请中的权利要求的现有技术，并且不认为这些方法是包含在这部分中的现有技术。 

最近几年，一直不断更加努力地数字化大量印制内容(诸如书籍和期刊)并有效地将这些内容分发在互联网上。 

由于印制品呈现纯信息而互联网是分发这种信息的有效手段，故该目标应该是一个合理的目标。 

即使远在创建互联网之前，就已经在普遍进行数字化和电子分发大量印制内容的尝试了。几十年中，共同的Gutenberg项目已经将数千本名著数字化成了文本形式，并使其可以从主要的大学计算机网站中免费下载得到。诸如Nexis-Lexis的数据库服务数字化了主要报纸和期刊的很大一部分存档，并使付费客户可以以可搜索的形式获得这些文章(最初通过专用计算机终端而最近还通过订阅网站)。 

近来，在2003年末，Amazon.com发行了包含100,000本以上的以电子形式可读、可搜索的书籍的免费的基于网络的系统，而随后，Google和Yahoo也宣布了提供大量数字化形式书籍的计划。多种杂志已经使其存档以多种形式在互联网上可获得(有时免费而有时基于订阅)。 

然而尽管这样看似自然地使印制内容的数字化及其在互联网上的分发相适应，但是这些系统的一般采用或使用通常已经被证明远没有最初期望的成功。例如，最初在2003年末出现的众多媒体报道中宣称的Amazon的100,000本可搜索的数字化书籍，但随后的关注就相当少了，似乎说明系统的实际有效使用比最初预想的要低很多。很多杂志也私下指出其数字化存档的使用显著地低于他们最初的希望和期望。 

这些现存的用于印制内容的数字化系统的一个缺点集中于以这些数字化方案通常所采用的两种不同形式(即，“基于文本”和“基于图像”)需求的固有的折衷。 

在基于文本的数字化系统(诸如Nexis-Lexis或Gutenberg项目的系统)下，将书籍、杂志文章、或报纸故事的印制内容转换为所存储的数字字符文件，用于作为HTML显示在网页上或以其他形式。使用了诸如ASCII的字符存储格式。 

这类数字化具有以轻量(light-weight)格式提供内容的优点，因而即使经由非宽带连接，其也非常方便在互联网上使用。并且，被显示的文本是确切的、可搜索的，并可以从浏览器窗口中被复制和粘贴为任何其他的形式。 

然而，这种基于文本形式的数字化还具有严重的缺点。首先，生成文本需要执行对原印制内容的扫描，随后由光学字符识别  (OCR)软件的应用程序生成文本。虽然自动的OCR已经逐渐地改进了质量，但其仍产生明显的错误率，需要随后对文本进行人工校正，因而显著地增加了数字化处理的成本。 

此外，书籍和期刊的印制内容经常以非普通和明显的方式布置在页面上，并且在将资料转换为纯文本时将丢失该布局；此外，任何颜色、图、表、或相片也会明显地被丢失。 

此外，这种基于文本的内容很少以原文页面划分，而是经常以大文本块的形式被提供(所述大文本块代表完整的文章或章节)，或以以有些武断的方式被划分，而这两种选择均不理想。 

最终，美国最高法院在2001年的裁决Tasini v.New York Times 的决定似乎禁止报纸或杂志许可其自由作家的文章以不同的(例如，基于文本的)形式被再版，而没有来自每个独立作家的保护授权的禁止的难需求，除非报纸或杂志之前已经通过合同获取了此授权。这是New Yorker杂志最近在防止New Yorker杂志自身的存档被数字化为基于文本的格式中所引用的其中一个因素。 

相反，另一种日益流行的数字化形式是基于呈现印制内容的确切的、扫描的图像，一般以JPEG、TIFF、网络优化的(web-optimized)PDF、或一些其他类型的二进制图像文件格式呈现为二进制图像文件。