MS-DOC文件文本提取研究

关键词搜索广泛应用于情报分析、搜索引擎和计算机取证,对MS DOC文件进行关键词搜索可能漏判,明明存在的关键词却找不到。微软复合文档结构由一系列流组成,流以扇区为单位存储,通过目录结构和扇区分配表对流及其存储空间进行管理。MS DOC文件中的文本存储在WordDocument流中,文本存储不一定连续,通过Table流记录分块情况。关键词可能跨越不相邻扇区,即使在相邻扇区,一个关键词可能一部分是压缩存储,另一部分是非压缩存储,这些都是关键词搜索漏判的原因。根据Table流中的分块信息提取WordDocument流中的文本,并统一编码格式,进而进行关键词搜索,就可以避免漏判。     

基于多重约束的OpenXML复合文档内容源数据区容错定界算法

在高误码率条件下,接收到的OpenXML复合文档往往因数据含错而无法打开,而在文档修复过程中,对信源中每个源文件内容源数据区的定界经常容易出错,针对该问题,提出了一种基于多重约束的OpenXML复合文档内容源数据区容错定界算法。通过对文档协议冗余的分析与归类,将内容源数据区定界问题转化为对起始位置序列的最佳估计问题。在通过适当放宽匹配条件完成粗定界的基础上,利用冗余信息中的约束关系构建代价函数对观测数据进行筛选,有效地剔除“虚警”情况,进而实现对内容源数据区起始位置序列的最佳估计。仿真结果表明,在参数设置合理的情况下,该方法具有较好的容错定界能力。     

基于文献检索的论文写作辅导系统研发与应用

大数据时代的典型特征就是信息量的激增、信息内容的无序、信息类型的多元化,这些必然使得科研人员信息获取的复杂程度增加,科研成本增加.基于文献检索的论文写作辅导系统的研发,旨在建立一个规范化的论文写作流程管理系统,充分利用图书馆丰富的信息资源及信息资源管理优势,减少学术研究过程中的信息干扰,缩短学术研究过程,提高学术研究效率,实现学术研究的自主创新.     

1949年以来黄炎培研究综述

黄炎培的主要贡献虽在于职业教育理论,但他的政治观和文学修养也是很多学者关注的对象。读秀网2014年9月统计数据显示,自1949年新中国成立到2013年以来,在关于黄炎培研究的40部专著、1025篇学术论文和32篇研究生学位论文中,对黄炎培的研究主要集中于思想研究、文献编撰和生平传记三大类。1979年以后,在对他思想进行探讨时,职业教育思想是学者们的研究重点。     

基于VSM的文本相似度计算的研究*

文本相似度的计算作为其他文本信息处理的基础和关键,其计算准确率和效率直接影响其他文本信息处理的结果。提出改进的DF算法和TDIDF算法,一方面利用了DF算法具有线性的时间复杂度,比较适合大规模文本处理的特点,并通过适当增加关键词的方法,弥补了其对个别有用信息错误过滤的不足;另一方面,利用特征项在特征选择阶段的权重对TDIDF方法进行加权处理,在不增加开销的情况下扩大了文档集的规模,还提高了相似度计算的精确度。     

基于Word文档的数据隐藏方法

在分析当前数据隐藏与恢复相关技术研究基础上,参照微软官方最新公布的复合文档存储规范,从利用载体Word文档现有空间中未真正使用部分和适度扩展新空间两条思路出发,设计一种利用Word文档作载体隐藏秘密信息的解决方案,包括在文字、各种嵌入式对象及其相应控制结构数据中隐藏信息。实践表明,隐藏数据后的载体文档可以被正常拷贝和使用电子邮件传送,根据需要隐藏的信息随机选择使用该方案,被隐藏信息更不容易被侦测出来,被二次编辑后被隐藏信息一般不会被破坏,鲁棒性不错,具有一定的实用价值。     

Managing Citizen Profiles in the Domain of e-Government: The cPortfolio Project

The provision of support for holistic operations in the scope of a horizontal digital administration requires the fulfillment of a number of previous steps that guarantee the viability of services in the domain. One of these tasks is the proper management of documents. Documents are a key element of any democratic administration and their digital management is a clear pre-requisite for the arrival of digital government. This article tackles how this service can be provided using the support of semantics as a technological cornerstone. The implementation of such a tool is made through the so-called cPortfolio. This platform is deeply discussed and details about its design and implementation are provided. This system is designed to manage both the personal information from the citizen and the documents they possess. Tests on the prototype showed interesting features regarding the simplicity of use and the interoperability support provided to third party agents.     

EDITORIAL

The process undertaken by an information seeker, in order to form relevance decisions regarding documents, is defined as “Document Triage.” To better facilitate users’ needs in their triage activities, interactive interfaces have begun to evolve within on-line academic repositories. In order to complement current work on interface design and interaction, and produce custom guidelines to inform the creation of triage interfaces, we examine how interfaces that alter the document presentation and structure affect information seekers’ visual and navigational attention. We present a set of heuristics for both creating and evaluating such interfaces.     

基于投影的文档图像倾斜校正方法

针对文档图像的倾斜校正问题,提出了一种新的基于投影的文档图像倾斜角检测方法。首先采用一种高效的像素遍历算法对文档图像从不同角度进行投影,然后对投影数据进行累加求和,通过比较不同角度下的累加和来确定倾斜角度。该方法在投影过程中只需对文档图像进行极少部分投影,因而大大减少了运算量。基于该方法的特点,提出了由“粗”到“精”的投影策略,在确保检测精度的同时大幅提高了检测速度。实验结果表明,方法非常有效,可以获得很高的检测精度。     

文档管理在产品协同设计中的应用与实践

时企业在产品研发中的文档管理所涉及的要素进行了分析,重点讨论了产品文档管理的具体内容和方式,并基于SharePoint 2010平台,对文档管理中的术语集定制、审批工作流、版本控制实现等作了详细的描述.