用于挖掘PDF文件的方法、設備和介質(zhì)

基本信息

申請?zhí)?/td> CN202210089715.3 申請日 -
公開（公告）號 CN114116616A 公開（公告）日 2022-03-01
申請公布號 CN114116616A 申請公布日 2022-03-01
分類號 G06F16/14（2019.01）I;G06F16/16（2019.01）I;G06F40/186（2020.01）I;G06F40/194（2020.01）I 分類 計算；推算；計數(shù);
發(fā)明人 郭鵬華;尹揚 申請（專利權(quán)）人 上海朝陽永續(xù)信息技術(shù)股份有限公司
代理機構(gòu) 北京市金杜律師事務所 代理人 王茂華
地址 201203 上海市浦東新區(qū)中國（上海）自由貿(mào)易試驗區(qū)碧波路690號4號樓501室
法律狀態(tài) -

摘要

摘要 本公開的實施例涉及用于挖掘PDF文件的方法、設備和介質(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信息；基于所解析的所述PDF文件的文本塊，利用機構(gòu)確定算法確定與所述PDF文件相關(guān)聯(lián)的目標關(guān)聯(lián)機構(gòu)；利用匹配算法將所述目標關(guān)聯(lián)機構(gòu)的一個或多個報告模板與所述文本塊的坐標信息進行匹配，從而確定一個或多個報告模板與所述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文件對應的目標關(guān)聯(lián)機構(gòu)的報告模板；基于所確定的報告模板，挖掘所述PDF文件中與所確定的報告模板對應的數(shù)據(jù)。由此，本公開能夠?qū)崿F(xiàn)準確挖掘PDF文件的數(shù)據(jù)并將所挖掘數(shù)據(jù)與其實際含義相關(guān)聯(lián)。