Delphi中自动存取MS-Office文档对象应用研究

简要分析了MS Office中Word、Excel、PowerPoint的ActiveXAutomation接口对象的组成 ,在Delphi中自动存取MS Of fice文档对象的实现技术 ;应用ActiveXAutomation技术实现了Delphi开发的应用软件与MS

大亚湾核电厂工作文档结构化实践分析

大亚湾核电厂工作文档是开展生产活动过程中所使用的文档,它规范了大亚湾核电厂生产活动的技术要求、操作步骤和指导说明等,是工作过程中必须使用的文档,也是记载工作过程中各项数据的文档。随着信息化发展和5G网络的推广,大数据及移动应用逐渐成为核电厂管理升级转型的重要方向,其中工作文档结构化是大数据应用的重要内容。工作原则大亚湾核电厂工作文档结构化确定了一系列工作原则,用以确保在具体的业务需求和技术环境下,工作文档的数字化、结构化应用能够顺利实施并发挥预期的作用。

电网OA系统非结构化文档内容自动化识别技术

针对电网OA系统内存在大量的非结构化文档难以识别的问题,研究电网OA系统非结构化文档内容自动化识别技术。采用非直接转换方法,将非结构化数据先转换为采用XML文件承载的不完全结构化数据,利用SAX解析工具解析不完全结构化数据,采用Simhash算法对文本信息进行去重处理;采用TextRank算法提取文本内的关键词,根据关键词识别电网OA系统非结构化文档内容。测试结果显示,在海明距离与相似度阈值分别为10和70的条件下可获取较好的去重效果,关键词提取效果较好,具有推广价值。

一种通过内容和结构查询文档数据库的方法(英文)

文档是有一定逻辑结构的,标题、章节、段落等这些概念是文档的内在逻辑.不同的用户对文档的检索,有不同的需求,检索系统如何提供有意义的信息,一直是研究的中心任务.结合文档的结构和内容,对结构化 文件的检索,提出了一种新的计算相似度的方法.这种方法可以提供多粒度的文档内容的检索,包括从单词、短语到段落或者章节.基于这种方法实现了一个问题回答系统,测试集是微软的百科全书Encarta,通过与系统方法实验比较,证明通过这种方法检索的文章片断更合理、更有效.

XML文档的相似测度和结构索引研究

提出了一个可用于定量度量XML文档间差异的方法 (称为XED距离 ) .利用结点间的模拟关系 ,一个XML文档可以表示为一棵精简的、带权重的结构索引树 .两个XML文档间的相似度可以通过计算它们的索引树间的编辑距离来测定 .利用索引树可以大大提高判定两个XML文档结构相似度的效率 .XED距离测度可用于XML文档的结构搜索、XML文档聚类、XML文档结构抽取、XML文档的变换检测以及XML视图的增量计算和维护等 .

非结构化表格文档数据抽取与组织模型研究

针对现有文档数据抽取方法无法抽取多值属性且灵活性不高的问题,提出了一种面向非结构化表格文档的数据抽取方法与组织模型.在分析文档结构特征和数据流特征的基础上,定义了数据流生成基本规则,给出了一个基于规则的数据抽取流程,包括逻辑结构抽取、文档预处理、数据抽取和数据组织等主要步骤,设计实现了单值区域与多值区域数据抽取算法;从文档中抽取的数据被组织成适合于MapReduce分析的结构化数据模型,该模型能够为大数据分析提供模型支持.实验结果表明:该抽取方法具有较高的准确率与召回率,数据组织模型也能够有效地支持大数据分析.

基于PDF文档结构的数字水印算法

在数字产品日益普及的今天,PDF文档的版权保护问题已成为信息安全领域研究的热点。通过分析PDF文档的结构及相关数字水印算法,针对当前一些大容量文本水印算法存在增加文档大小的缺陷,提出了一种基于PDF文档结构的数字水印算法。该算法利用行末标识符不会在文档中显示的特性,通过等量替换PDF文档中具有固定格式的交叉引用表的行末标识符,来实现水印信息的间接嵌入。实验结果表明,该算法水印容量能满足数字版权保护的要求,隐蔽性好,能抵抗统计等攻击。

基于HTML文档结构的向量空间模型的改进

根据HTML文档不同标签域的分布特征和对文档内容的代表能力不同,我们提出了一种改进的向量模型(PFTF),并通过trec12的查询实验,比较了传统向量模型与PFTF模型对单个标签域以及多个文档表示结果的结合的检索性能.实验结果表明,PFTF模型对于这两个方面都有提高.

基于行为的结构化文档多级访问控制

针对当前云计算环境中因缺乏多级安全机制而使结构化文档容易产生信息泄露和非授权访问等问题,提出基于行为的多级访问控制(action-based multilevel access control model,AMAC)模型并给出策略的形式化描述.利用信息流中的不干扰理论建立AMAC不干扰模型,并证明AMAC模型中多级访问控制策略的安全性.与已有访问控制模型的比较与分析表明,AMAC模型既可以利用角色、上下文和用户访问行为以提高访问控制策略的灵活性,还可以依据用户,用户访问行为和结构化文档的安全等级实现多级安全机制.

VSM模型在文档结构识别中的应用

借鉴向量空间模型(VSM),将文档的单元结构映射到特征向量,并对其进行归一化和加权处理,再计算标准文档结构分类特征向量和待查文档单元结构特征向量的相似度,实现对文档结构的识别。测试结果表明,该方法实现了文档格式的向量表示,易于计算,具有较好的扩展性,可在此基础上实现其他特定结构文档格式的自动检查或文档理解。

XML文档结构定义规范—XML Schema

介绍了XML文档结构定义规范—XMLSchema规范及其组成部分 ,并通过一个典型示例说明了XMLSchema的特点 。

基于信息结构模型的企业文档信息集成与重用技术研究

结合企业文档标准化发展趋势 ,提出了基于信息结构模型的文档信息集成与重用技术。通过对文档内部信息结构模型的表达 ,提供了对多层次不同粒度文档信息的验证、存储、维护和重用机制 ,同时支持规范化文档的自动生成。

一种结构与内容相结合的XML文档聚类方法

XML（可扩展标记语言）正在成为Web数据交换的标准格式。随着XML格式的半结构数据的大量出现，如何处理和管理XML文档已经成为了一个研究热点。XML文档聚类作为XML数据处理的重要课题，是指将具有类似特征的XML文档聚集成簇。现有的大部分XML文档聚类是基于文档结构特征的。本文提出了一个新的结构与内容相结合的XML文档聚类方法。首先从文档中抽取构件向量，并把文档转换为向量化的表示。然后，在文档相似度计算的基础上，引入一个层次聚类方法对XML文档进行聚类。在DBLPXML记录集上进行的实验表明该方法具有可行性并且性能明显优于已有方法。

超媒体文档库协作写作系统的数据结构设计

本文主要讨论了一个面向大容量超媒体中文文档库的分布协作写作系统的数据和结构模型设计，着重介绍了分布式文档库、文档目录树、节点和超链链表、多媒体对象。

结构性文档下基于MCPS2的意图维护与undo算法研究

本文在移动平台下基于用户活跃度的结构性文档意图维护算法(MCPS2)研究的基础上,对master转移、节点编辑权限请求、删除操作的等方面执行方式进行优化,并加入支持undo操作的相关算法.此算法中涉及的网络连接模式、文档结构、复制策略延用MCPS2中的设计.在标题节点编辑引入arbitrated、readonly和locked等5类操作预设权限,以提升协作站点请求节点的反馈效率;设置master继承机制,副本占比与请求活跃度优先制,提升master转移的合理性;根据结构文档的特性,调整delete操作的执行方式,提高算法可用性;站点设置UHB,结合控制算法,支持站点undo操作.最后给出详细算法复杂度分析,并举例完整描述算法的执行过程,以证明算法的有效性.

半结构化文档集的结构模式提取的研究与实现

提出了通过结构模式提取,在信息源对缺失信息进行恢复与重构的思想,给出了结构模式提取模型,并讨论了实现该模型的关键步骤与算法,最后结合基于该模型实现的系统对半结构化文档集的结构模式提取及其应用进行了总结。该研究成果已成功应用于实际系统中。

云计算环境中结构化文档形式化建模

结构化文档是云计算环境中实现信息交互与传播的载体,针对已有研究工作缺乏能够描述这种载体的结构化文档模型的问题,在深入分析云计算环境中结构化文档特征的基础上,对文档元素、原子文档元素、连接、文档片段、复杂文档元素等进行形式化定义,建立能够满足这种特征的结构化文档形式化模型。最后,指出云计算环境中结构化文档进一步的研究方向。

XML的半结构化数据表示方法及其在医学文档处理中的应用

可扩展标识语言以其合理的数据组织结构和可扩展的特性,成为各种复杂数据,特别是半结构化数据表示和处理的良好工具。基于一则医学文档管理的实例,详细介绍了使用XML表示和处理半结构化信息内容的方法、思想及特点。

CEBX:新一代结构化版式文档技术

随着IT技术的发展,越来越多的人习惯于在计算机或移动终端上进行阅读,但传统的版式文档缺乏屏幕自适应特性,不适合在移动终端上阅读,为了提供在不同移动设备上数字内容最佳的阅读体验,需要有更好的文档格式。CEBX是新一代结构化版式文档技术,该技术实现一次制作、多平台多次利用,既可以原版原式地显示或打印,又可以在移动设备上更好地实现高质量的实时排版和屏幕自适应。此外,CEBX技术在适应移动互联网应用方面提供更好的技术特性,包括减少文档格式的数据量小以提高压缩倍率、减少解析引擎的复杂度以提高解析速度、支持部分加密等灵活的文档对象处理机制等。

基于路径特征的XML文档结构相似性度量

针对现有XML文档结构相似性度量方法大多不能完全反映XML文档的结构特征,相似度计算结果精确度不高,导致聚类效果不够理想的问题,提出一种改进的相似度计算方法 SSPF(Similarity based on Sequence,Position and Frequency)。该方法充分利用提取的DOM树路径信息,对树路径间序列和位置的相似度计算进行优化,并考虑了路径频率对相似度的影响,使得文档间的相似性更为合理。实验结果表明,SSPF方法具有更加准确的相似度计算结果,聚类的各项评价指标均有所提高。