PDF文件中关键信息的提取与组织方法研究

• 作者: 丁志鸿 刘立柱 陈云榕
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: PDF文件 关键信息 文本提取 标准通用置标语言 超链接
• 年，卷（期）: 2007,（7）
• 所属期刊栏目: 计算机应用
• 页码范围: 1688-1690
• 页数: 3页
• 分类号: TP391.1
• 字数: 3661字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.07.062

摘要

在PDF的各种应用中,对于文档的理解与处理是非常重要的.首先要从文档中提取相关的关键词和短语,以便于在文档内部或外部建立超链接,方便建立电子文档.因此提出了一种新的方法,将关键信息(关键性的单词、词组或区域)从PDF文件中提取出来,经过组织后,保存在称为KIU的文件中,这样可以在实际上不接触PDF文件的情况下,自动生成超链接.分区域的方法有利于提取过程,找到文本的位置和范围后,可以借助于光学字符识别(OCR)软件来提取文本中的关键性词语或词组.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘立柱	解放军信息工程大学信息工程学院	18	183	7.0	13.0
2	丁志鸿	解放军信息工程大学信息工程学院	3	25	3.0	3.0
3	陈云榕	解放军信息工程大学信息工程学院	1	15	1.0	1.0