机构名称：
¥ 1.0
摘要。PolitècnicaDeValència大学（UPV）在管理其Alfresco文档存储库方面面临挑战，其中包含600,000个PDF文件，其中只有100,000个正确分类。手动分类是费力且容易出错的，阻碍了信息检索和广告搜索功能。该项目提出了一条自动管道，该管道集成了光学特征识别（OCR）和机器学习以有效地对文档进行分类。我们的方法区分扫描和数字文档，准确地将文本提取并使用BERT和RF等模型将其分为51个预定义的类别。通过改进文档组织和可访问性，这项工作优化了UPV的文档管理，并为高级搜索技术和实时分类系统铺平了道路。
使用机器学习的自动PDF文档分类
主要关键词
相关文件推荐
