当前位置：首页 SCI期刊 SCIE期刊计算机科学中科院4区 JCRQ3 期刊介绍(非官网)

International Journal On Document Analysis And RecognitionSCIE

国际简称：INT J DOC ANAL RECOG 参考译名：国际文献分析与识别杂志

中科院分区
4区
CiteScore分区
Q2
JCR分区
Q3

基本信息：: ISSN：1433-2833; E-ISSN：1433-2825; 是否OA：未开放; 是否预警：否; TOP期刊：否

出版信息：: 出版地区：GERMANY; 出版商：Springer Berlin Heidelberg; 出版语言：English; 出版周期：Quarterly; 出版年份：1998; 研究方向：工程技术-计算机：人工智能

评价信息：: 影响因子：1.8; H-index：44; CiteScore指数：6.2; SJR指数：1.409; SNIP指数：1.676

发文数据：: Gold OA文章占比：16.48%; 研究类文章占比：91.18%; 年发文量：34; 自引率：0.0434...; 开源占比：0.1447; 出版撤稿占比：0; 出版国人文章占比：0.18; OA被引用占比：0.1020...

投稿咨询加急见刊

英文简介期刊介绍 CiteScore数据中科院SCI分区 JCR分区发文数据常见问题

英文简介International Journal On Document Analysis And Recognition期刊介绍

The large number of existing documents and the production of a multitude of new ones every year raise important issues in efficient handling, retrieval and storage of these documents and the information which they contain. This has led to the emergence of new research domains dealing with the recognition by computers of the constituent elements of documents - including characters, symbols, text, lines, graphics, images, handwriting, signatures, etc. In addition, these new domains deal with automatic analyses of the overall physical and logical structures of documents, with the ultimate objective of a high-level understanding of their semantic content. We have also seen renewed interest in optical character recognition (OCR) and handwriting recognition during the last decade. Document analysis and recognition are obviously the next stage.

Automatic, intelligent processing of documents is at the intersections of many fields of research, especially of computer vision, image analysis, pattern recognition and artificial intelligence, as well as studies on reading, handwriting and linguistics. Although quality document related publications continue to appear in journals dedicated to these domains, the community will benefit from having this journal as a focal point for archival literature dedicated to document analysis and recognition.

期刊简介International Journal On Document Analysis And Recognition期刊介绍

《International Journal On Document Analysis And Recognition》自1998出版以来，是一本计算机科学优秀杂志。致力于发表原创科学研究结果，并为计算机科学各个领域的原创研究提供一个展示平台，以促进计算机科学领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道计算机科学领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCIE收录，得到了广泛的认可。

该期刊投稿重要关注点：

预计审稿时间： 12周，或约稿
计算机科学
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
SCIE
中科院4区
非预警

Cite Score数据（2024年最新版）International Journal On Document Analysis And Recognition Cite Score数据

CiteScore：6.2
SJR：1.409
SNIP：1.676

学科类别	分区	排名	百分位
大类：Computer Science 小类：Computer Vision and Pattern Recognition	Q2	31 / 106	71%
大类：Computer Science 小类：Computer Science Applications	Q2	238 / 817	70%
大类：Computer Science 小类：Software	Q2	131 / 407	67%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区International Journal On Document Analysis And Recognition 中科院分区

中科院 2023年12月升级版 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	4区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	4区

中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区International Journal On Document Analysis And Recognition JCR分区

2023-2024 年最新版

按JIF指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	136 / 197	31.2%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	144 / 198	27.53%

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

2023-2024 年国家/地区发文量统计

国家/地区数量
CHINA MAINLAND17
France10
India8
USA8
GERMANY (FED REP GER)5
England4
Iran4
Brazil3
Japan3
Poland3

本刊中国学者近年发表论文

1、Scene text detection and recognition with advances in deep learning: a survey
Author: Xiyan Liu, Gaofeng Meng, Chunhong Pan

Journal: International Journal on Document Analysis and Recognition, 2019, Vol., , DOI:10.1007/s10032-019-00320-5
2、Metro maps for efficient knowledge learning by summarizing massive electronic textbooks
Author: Weiming Lu, Pengkun Ma, Jiale Yu, Yangfan Zhou, Baogang Wei

Journal: International Journal on Document Analysis and Recognition, 2019, Vol., , DOI:10.1007/s10032-019-00319-y
3、Visual word density-based nonlinear shape normalization method for handwritten Chinese character recognition
Author: Yunxue Shao, Chunheng Wang, Baihua Xiao

Journal: International Journal on Document Analysis and Recognition, 2013, Vol.16, 387-397, DOI:10.1007/s10032-012-0198-4
4、Multi-class segmentation of free-form online documents with tree conditional random fields
Author: Adrien Delaye, Cheng-Lin Liu

Journal: International Journal on Document Analysis and Recognition, 2014, Vol.17, 313-329, DOI:10.1007/s10032-014-0221-z
5、A keyword retrieval system for historical Mongolian document images
Author: Hongxi Wei, Guanglai Gao

Journal: International Journal on Document Analysis and Recognition, 2013, Vol.17, 33-45, DOI:10.1007/s10032-013-0203-6
6、An over-segmentation method for single-touching Chinese handwriting with learning-based filtering
Author: Liang Xu, Fei Yin, Qiu-Feng Wang, Cheng-Lin Liu

Journal: International Journal on Document Analysis and Recognition, 2013, Vol.17, 91-104, DOI:10.1007/s10032-013-0208-1
7、Learning confidence transformation for handwritten Chinese text recognition
Author: Da-Han Wang, Cheng-Lin Liu

Journal: International Journal on Document Analysis and Recognition, 2013, Vol.17, 205-219, DOI:10.1007/s10032-013-0214-3
8、Mathematical formula identification and performance evaluation in PDF documents
Author: Xiaoyan Lin, Liangcai Gao, Zhi Tang, Josef Baker, Volker Sorge

Journal: International Journal on Document Analysis and Recognition, 2013, Vol.17, 239-255, DOI:10.1007/s10032-013-0216-1