[发明专利]出版物处理方法和装置

摘要

本发明公开了一种出版物处理方法和装置。该方法包括：获取数字化的出版物；根据出版物的版面信息从出版物中提取出信息，其中，信息分为多个类别，不同的类别用于表示出版物的内容结构；根据信息对出版物进行加工。通过本发明，解决了相关技术中出版物数字化加工方法局限性高的问题，进而达到了提高出版物数字化加工方法的灵活性的效果。

主权项

1.一种出版物处理方法，其特征在于，包括：获取数字化的出版物，其中，通过光学字符识别方法对纸质出版物进行扫描，得到数字化的出版物；根据所述出版物的版面信息从所述出版物中提取出信息，其中，所述信息分为多个类别，不同的类别用于表示所述出版物的内容结构；根据所述信息对所述出版物进行加工；所述信息的类别至少包括：关键词，根据所述出版物的版面信息从所述出版物中提取出所述信息包括：从所述出版物中提取出至少一个所述关键词；根据所述信息对所述出版物进行加工包括：根据至少一个所述关键词确定所述出版物所属的类别，并保存该类别；从所述出版物中提取出至少一个所述关键词包括：根据出现在所述出版物中的词语的词频和词语出现在所述出版物中的位置信息确定属于关键词的词语；根据至少一个所述关键词确定所述出版物所属的类别包括：在所述关键词为多个的情况下，根据各个所述关键词对应的权重确定所述关键词对应的部分所属的类型；根据多个关键词出现的次数或者根据多个关键词出现的位置确定出每个关键词的权重，然后根据各个关键词对应的权重确定出版物所属的类型；根据关键词对应的权重确定关键词对应的部分所属的类型，确定关键词所在的出版物的正文片段或者章节所对应的类型；对出版物进行加工是将出版物中提取出的信息构建出版资源数据库，或对加工后的内容进行知识数据库的构建及内容重组；其中，对所述出版物进行加工包括将出版物中提取出的信息构建出版资源数据库，根据关键词对应分类条目的分类编码对出版物进行分类，并且根据关键词权重的差异，得到主分类编码和参考分类编码，根据词频、位置、语义内容对关键词进行排序；所述出版物包括医学类出版物，构建医学分类体系，包括疾病分类、症状体征分类、实验室检查分类、药物分类、手术与操作分类以及内容归类，创建医学专业词库，整合中英文医学专业术语，合并同义词词条，将分类与词库建立关联，形成医学分类——关键词对应表，根据医学分类——关键词对应表进行自动分类，将版面信息、分类信息、标引信息整合输出为XML文档或存储到数据库中；所述信息的类别至少包括：标题，根据所述出版物的版面信息从所述出版物中提取出所述信息包括：根据所述出版物的版面样式从所述出版物中提取出所有的标题；根据所述信息对所述出版物进行加工包括：将所述出版物的所有标题进行加工，形成层级化目录；所述出版物的版面样式包括以下至少之一：特殊符号分割的版面样式、字体样式分割的版面样式。