用于挖掘PDF文件的方法、設(shè)備和介質(zhì)

基本信息

申請(qǐng)?zhí)?/td> CN202210089715.3 申請(qǐng)日 -
公開（公告）號(hào) CN114116616B 公開（公告）日 2022-05-17
申請(qǐng)公布號(hào) CN114116616B 申請(qǐng)公布日 2022-05-17
分類號(hào) G06F16/14（2019.01）I;G06F16/16（2019.01）I;G06F40/186（2020.01）I;G06F40/194（2020.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 郭鵬華;尹揚(yáng) 申請(qǐng)（專利權(quán)）人 上海朝陽永續(xù)信息技術(shù)股份有限公司
代理機(jī)構(gòu) 北京市金杜律師事務(wù)所 代理人 -
地址 201203 上海市浦東新區(qū)中國(guó)（上海）自由貿(mào)易試驗(yàn)區(qū)碧波路690號(hào)4號(hào)樓501室
法律狀態(tài) -

摘要

摘要 本公開的實(shí)施例涉及用于挖掘PDF文件的方法、設(shè)備和介質(zhì)。在該方法中，可以解析所述PDF文件的文本塊，以便獲取所述PDF文件的文本塊的坐標(biāo)信息；基于所解析的所述PDF文件的文本塊，利用機(jī)構(gòu)確定算法確定與所述PDF文件相關(guān)聯(lián)的目標(biāo)關(guān)聯(lián)機(jī)構(gòu)；利用匹配算法將所述目標(biāo)關(guān)聯(lián)機(jī)構(gòu)的一個(gè)或多個(gè)報(bào)告模板與所述文本塊的坐標(biāo)信息進(jìn)行匹配，從而確定一個(gè)或多個(gè)報(bào)告模板與所述PDF文件的匹配度數(shù)據(jù)；基于所獲取的匹配度數(shù)據(jù)，確定與所述PDF文件對(duì)應(yīng)的目標(biāo)關(guān)聯(lián)機(jī)構(gòu)的報(bào)告模板；基于所確定的報(bào)告模板，挖掘所述PDF文件中與所確定的報(bào)告模板對(duì)應(yīng)的數(shù)據(jù)。由此，本公開能夠?qū)崿F(xiàn)準(zhǔn)確挖掘PDF文件的數(shù)據(jù)并將所挖掘數(shù)據(jù)與其實(shí)際含義相關(guān)聯(lián)。