「学術雑誌の創刊号からの電子アーカイブ「Journal＠rchive」」記事へのコメント

数式はどうするんだろう

[Anonymous Coward]

ただのテキストならスキャンしてOCRかけたらなんとかなりそうな気がするけど、学術雑誌につきものの数式はちゃんと処理できるんだろうか？

それとも全部画像扱い？数式と図だけ画像扱い？

Re:数式はどうするんだろう

[shinmk (8986)]

数式画像をOCRでなんとか電子化するのは技術的に
難しいでしょうね。
以前から、何かいいものはないかと興味を持っていますが、
今のところ良さそうなものを見つけていません。

学術雑誌を電子化して、インターネットで利用すると
いったことは、世界的には、現在、幅広く行われており
(ほとんど有料です)、私は仕事で日常的に利用しています。

ここ数年で、その電子化が急速に進んだことを実感します。
つい数年前までは10年前ぐらいの論文までしか電子化
されていなかったものが、今は創刊のものからの電子化が
すべて終わっているという例も少なくありません。

大学や研究機関の図書館等は、最近は経費削減の要求もあってか、
学術雑誌の直接の購入自体は減らし、
その代わりに、Webから文献サイトにアクセスし、
論文のダウンロードが自由にできるサイトライセンス契約
を結ぶという流れに変わってきているようです。

一方、最近の学術雑誌用原稿は、ほとんどがWordやTexで
作られており、それをベースにWebに公開している
(PDFやHTMLなど)という形が大半のようで、
PDFには、大抵多くの文字情報が埋め込まれており、
Acrobat Readerで、キーワード検索や、文字列の
コピー等が出来ます。

古い文献については、全部が画像イメージということも
少なくありませんが、とりあえず、OCRを使って文字情報も
埋め込んでいるといった処理がなされているものもあります。
但し、埋め込まれている文字が化けてたり、完全でないものも
少なくありません。

数式などは言うまでもありませんが、本文内でも
上付、下付文字などが多用されている論文が数多く
ありますからね。