基于文本信息的PDF文档管理系统设计与实现

• 作者: 侯方 南赛 李英伟 王春伟 申升
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 文本信息 文件解析 文档检索 权重值
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息与计算机技术
• 页码范围: 603-608
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2020.06.012

摘要

随着信息化应用程度不断提高,企业中越来越多的文本信息被存储在PDF文档中,PDF文档的数量也随之变大,为了帮助用户尽快找到需求的文本信息,并建立企业知识共享平台,本文设计了一种基于文本信息的PDF文档管理系统.首先,针对PDF文档文本信息利用率不足的问题,研究了基于Stream流的PDF文档解析方案,该方案可以用于PDF文档检索模块来进行PDF文本内容解析;其次,针对TF-IDF算法的天然缺陷,从词频、文本长度和关键词位置进行改进,进而计算得到关键词的权重值,再通过空间向量模型计算PDF文档的相似度,按照文档的权重值进行排序;最后,进行系统与功能的验证,证明了本文PDF文档管理系统内容查询具有更高准确性,为企业级智能文档管理平台提供有效和实用的方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李英伟		50	228	9.0	12.0
2	南赛		2	2	1.0	1.0
3	王春伟		1	0	0.0	0.0
4	侯方		1	0	0.0	0.0
5	申升		1	0	0.0	0.0