METAEXTRACT - KO‘P TILLI ILMIY JURNALLARDAN BIBLIOGRAFIK METAMA’LUMOTLARNI QOIDALARGA ASOSLANGAN EKSTRAKSIYA QILISH TIZIMI
Annotatsiya
Ushbu maqolada ilmiy jurnal maqolalaridan bibliografik metama’lumotlarni (sarlavha, mualliflar, annotatsiya, kalit so‘zlar, DOI va boshqalar) avtomatik ekstraksiya qilish uchun ishlab chiqilgan qoidalarga asoslangan dasturiy tizimning arxitekturasi va amalga oshirilishi tavsiflanadi. Tizim ikkita o‘zaro bog‘liq, ammo mustaqil ishga tushiriladigan Java Swing desktop dasturidan - qoida yaratish vositasi (PDFTextLabeler) va ekstraksiya vositasi (MetaExtract) - iborat bo‘lib, ular umumiy ExtractionConfig deb nomlangan, Jackson kutubxonasi yordamida JSON formatiga serializatsiya qilinadigan konfiguratsiya sxemasi orqali bog‘lanadi. Foydalanuvchi jurnalning bitta namunaviy maqolasida metama’lumot maydonlarini geometrik (to‘rtburchak) va chiziqli (kolontitul/adabiyotlar chegarasi) rejimlarda belgilaydi, so‘ngra hosil bo‘lgan qoidalar shu jurnalning istalgan sonidagi barcha maqolalariga qayta-qayta qo‘llaniladi. Muallif ismlarini aniqlash ishonchliligini oshirish maqsadida geometrik qoidalar Apache OpenNLP kutubxonasining lotin va kirill yozuvlari uchun o‘qitilgan NameFinderME modeli bilan birlashtirilgan aralash rejimda ishlaydi. Tizim skanerlangan hujjatlar uchun Tess4J (Tesseract OCR) mexanizmini, matn ajratishning zaxira yo‘li sifatida iText kutubxonasini hamda Open Journal Systems (OJS) platformasiga to‘g‘ridan-to‘g‘ri import qilinadigan XML eksportini qo‘llab-quvvatlaydi. Maqolada tizimning to‘rt qatlamli arxitekturasi, ExtractionConfig sxemasining ichki tuzilishi, asosiy dasturiy modullar va ular orasidagi ma’lumotlar oqimi, shuningdek amalga oshirish jarayonida yuzaga kelgan bir qator amaliy muammolar (masalan, tipografik tutuq belgilarining grafik variativligi) va ularning yechimlari batafsil yoritiladi.