如何解决从 PDF 中手动提取结构化数据以生成训练集的工具
我正在寻找一种工具,可以简化从 PDF 中提取结构化信息的过程(例如科学论文的标题)。需要这样做以创建 PDF 和结构化数据的数据集,以训练用于自动信息提取的模型。
我想到了一个简单的工具,它在一侧显示 PDF,在另一侧显示要提取的字段,我可以在其中复制/粘贴 PDF 中的信息或自己输入。这将导致 xml 或 json 作为每个 PDF 的输出。
我发现的用于 NER 或 doc 分类的注释工具由于不同的限制(没有 pdf 支持,由于 pdf 中的错误手动调整标记信息)不适用于此任务。
如果有人知道这样的工具就好了。提前致谢
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。