20、历史医学法律文献元数据提取与人文数字图书馆拓展研究

历史医学法律文献元数据提取与人文数字图书馆拓展研究

在当今数字化的时代，历史医学法律文献的数字化处理以及人文数字图书馆的拓展成为了重要的研究方向。前者有助于高效地管理和利用这些珍贵的历史资料，而后者则能够为读者提供更丰富、更便捷的人文资源。下面我们将详细探讨这两个方面的研究内容。

历史医学法律文献自动化元数据提取系统

在处理历史医学法律文献时，自动化元数据提取系统发挥着关键作用。该系统的主要流程包括从文本行中提取特征、对文本行进行分类，以及从分类后的文本行中提取元数据。

元数据与布局分类

历史医学法律文献中的元数据对于未来访问这些文档至关重要。这些元数据包括案件发布日期、案件编号、案件关键词等，它们的来源各不相同，具体如下表所示：
| 元数据项 | 来源 |
| — | — |
| 案件发布日期 | 页面标题文本 |
| 案件/NJ编号 | 案件标题文本 |
| 案件关键词 | 案件标题文本 |
| F.D.C、样本、IS和F&D编号 | 页面标题文本或案件标题文本 |
| 被告姓名 | 案件正文文本 |
| 审判法院管辖权 | 案件正文文本 |
| 扣押地点 | 案件正文文本 |
| 扣押日期 | 案件正文文本 |

这些历史文献具有不同的布局类型，通过OCR结果中的特定关键词可以识别布局类型。例如，布局类型1中的“QUANTITY”和“LIBEL FILED”等关键词可用于其检测。一旦检测到一组TIFF图像的布局类型，就会为该特定布局类型学习一个分类模型，并用于后续具有相同布局的TIFF图像的文本行分类。