摘要：为了使出版机构能够及时从大量网页中发现所需文献,需要设计能够从超文本标记语言页面中自动提取文献信息的算法.为此,设计了基于条件随机场的文献记录分析算法:首先,设计了文档对象树的分割算法,通过分割标记将页面数据分成独立的部分,这些数据块由标签和文本序列构成;随后,将该序列作为条件随机场模型的特征向量,建立文献信息标记模型;最后,设计启发式算法,从标记模型中提取文献信息数据,并通过实验验证了其有效性.

摘要：研究了达尔文信息类型架构的设计思想和总体结构,以反映在数字出版中应用达尔文信息类型架构的优势。达尔文信息类型架构中面向主题的基本原则,其映射结构及内容重用特性满足了数字出版物内容深度利用的需求,实现了"一次制作,多元发布"。其领域专门化的特性解决了数字出版中针对特定领域的出版专业化问题。达尔文信息类型架构在国内外已经出现很多典型应用,随着数字出版产业的飞速发展,达尔文信息类型架构在数字出版领域将会进一步发挥作用。