基于XML的多维论文抽取模块设计(开题报告).doc

毕业设计(论文)开题报告（全日制本科生）课题名称基于xml的多维论文抽取模块设计课题类别设计 论文 专业、班级软件工程四班学生龙坤学号20061610415指导教师陈浩二 九 年 十一 月 一、本课题设计（研究）的目的：所谓多维论文，就是利用信息技术手段，完整、清晰地表达论文所涉及到的过程、空间（三维）、时间（一维）、能量（N维）以及元过程等重要的知识内容，是一种全新的论文创作形式, 多维科技论文集成声音、视频、动画等多种媒体，以更为生动形象的方式表达和传递科研工作者的学术思想、科学模型、形象思维过程等，同时给读者以更加形象鲜明的认识，从而快速掌握论文的知识要领。随着科技论文的发表日渐增多，人们对于科技论文的检索也不仅只限于标题，作者等信息，而更加包括文章的内容，引用，参考文献等。这就需要一个系统来自动地详细地将这些信息展现出来，本研究将实现多维论文中数据的抽取模块设计，根据用户的不同需求，抽取出论文中的标题，摘要，图片，视频，声音，动画，参考文献等元素，以实现多维科技论文中的模块自动查找，内容检索，抽取关键字等操作，以方便用户更加高效地利用科技论文的研究成果。二、设计（研究）现状和发展趋势：目前，科技论文的研究开发水平以美国、欧洲等国最高，美国Microsoft 公司的word软件占领了文字处理软件大部分的应用市场。这些桌面文档编辑软件功能齐全，然而购买费用较高。中国科技论文在线于2006年创刊，成为一个正式的学术期刊。它利用现代信息技术手段，打破传统出版物的概念，没有纸质载体，免去了传统的评审、修改、编辑、印刷等程序，成为集投稿，审稿，发布于一体的新型期刊，对科研工作者具有重大意义。不过对于多维科技论文模块的抽取部分，目前国内外的研究基本只限于具体关键字的查找及替换。从文章内容中抽取文章的标题，关键字，参考资料，图片，声音，视频片段等具体内容的研究尚属于一个比较新的课题。三、设计（研究）的重点与难点，拟采用的途径（研究手段）： 论文中文字信息的识别是本课题的难点，由于人们创作科技论文时往往只注重内容的描写，从而导致有些学者发表论文时忽视了对文章属性项的填写。因此科技论文的标题，作者，关键字等信息都要到文章中去查找，然而这几者在文章中的属性本身并无显著差别，而且科技论文本身对于字体的大小也无统一规范，加之不同的作者对于文章的段落，排版方式也有不同的安排，因此要从内容中识别出标题，关键字，段落，参考文献等内容，有一定的难度。 本研究将根据文字在文中的出现位子，文字的相对大小，相连汉字的长度，前后的文字内容，及某些文字在文中出现的次数以频率等信息的综合来判断出标题，作者，关键字，参考信息等相关信息。 四、设计（研究）进度计划：该课题的预定实践周期为5个月，即从2009年12月初至2010年5月初。2009年12月-2010年3月：毕业论文课题及相关知识的熟悉及材料的查找2010年3月-5月：毕业论文的初稿写作及修改2010年3月-5月：毕业论文的终稿及审核 五、参考文献：1 李志民,万猛. 网络时代的科技论文快速共享与多维表达研究. 中国科技论文在线. 2 杨永强. 科技论文集成编辑关键技术研究于实现. 3 中国科技论文在线多维科技论文集成创作平台. /指 导 教 师 意 见签名： 月 日