[发明专利]一种政务元数据PDF文件的元数据抽取方法在审
| 申请号： | 201910791805.5 | 申请日： | 2019-08-26 |
| 公开（公告）号： | CN110543844A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 昌攀;曹扬;胥月;张鹏翔 | 申请（专利权）人： | 中电科大数据研究院有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/34;G06K9/62;G06Q50/26;G06T5/00 |
| 代理公司： | 52114 贵阳睿腾知识产权代理有限公司 | 代理人： | 宋妍丽<国际申请>=<国际公布>=<进入 |
| 地址： | 550000 贵州省贵阳市贵阳*** | 国省代码： | 贵州;52 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种政务元数据PDF文件的元数据抽取方法，对政务元数据PDF文件进行处理，使得不同类型的元数据PDF文件都能被OCR处理；然后，使用OCR文字识别引擎，识别PDF文件中的内容；最后，通过对政务元数据信息的模板匹配方法，抽取出元数据的字段和属性值等重要的信息，录入到系统，从而实现了自动对标准元数据PDF文件的抽取，提高了效率。 | ||
| 搜索关键词： | 元数据 抽取 元数据信息 模板匹配 文字识别 字段 录入 引擎 取出 | ||
【主权项】：
1.一种政务元数据PDF文件的元数据抽取方法，其特征在于：包括以下步骤：/n①政务元数据PDF文本：输入PDF文本，将PDF文本中的文本型数据转化成图像型数据，获取全图像型数据PDF文本；/n②OCR文字识别：将全图像型数据PDF文本进行预处理，获取全图像型数据PDF文本的文字信息数据；/n③文字模板识别：输入文字信息数据，提取字段信息数据，进行文字识别，完成元数据抽取。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中电科大数据研究院有限公司，未经中电科大数据研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910791805.5/，转载请声明来源钻瓜专利网。
