[发明专利]中文学术图书参考文献数据采集方法

摘要

本发明涉及数据采集和处理技术，其公开了一种中文学术图书参考文献数据采集方法，解决传统技术中采用人工录入参考文献数据存在的效率低，容易出错的问题。该方法可以概括为对图书中参考文献采集区域进行数据采集后进行OCR识别，并校对，然后再进行结构化处理，将处理后的数据存入结构化数据库中；接着，基于结构化数据库中的参考文献数据设置检索词，然后查找本地文献库，并以网络文献库作为辅助进行参考文献匹配；对匹配出来的参考文献放入临时库中以备审查；最后将审查通过的参考文献放入规范参考文献库中。本发明适用于大批量中文学术图书参考文献数据采集和处理。

主权项

中文学术图书参考文献数据采集方法，其特征在于，包括以下步骤：a.判断待处理图书的类型，若为电子图书，则进入步骤c，若为纸质图书则进入步骤b；b.根据参考文献在图书中的位置采用相应措施采集参考文献数据，进入步骤d；c.对图书中的参考文献数据进行OCR识别，然后进行校对；d.将参考文献数据存入未结构化数据库中；e.对未结构化数据库中的参考文献数据进行结构化处理，将处理后的数据存入结构化数据库中；f.基于结构化数据库中的参考文献数据设置检索词，然后查找本地文献库，并以网络文献库作为辅助进行参考文献匹配；g.对匹配出来的参考文献放入临时库中以备审查；h.将审查通过的参考文献放入规范参考文献库中。