blocks|key|6520654|text|因为这是一个没有监管的问题，所以您需要尝试使用主题建模来提取“主题”。Python有许多可用的工具，例如来自雪橇或空间性的工具。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|6520655|基本工作流程：|6520656|提取PDF文本|unordered-list-item|6520657|文本预处理(小写、堵住等)|6520658|主题建模|6520659|每页返回“主题”|entityMap|0|LINK|mutability|MUTABLE|url|https://scikit-learn.org/stable/auto_examples/applications/plot_topics_extraction_with_nmf_lda.html#sphx-glr-auto-examples-applications-plot-topics-extraction-with-nmf-lda-py|1|https://spacy.io/|2|https://stackoverflow.com/questions/34837707/how-to-extract-text-from-a-pdf-file|3|https://stackoverflow.com/questions/24647400/what-is-the-best-stemming-method-in-python^0|1I|2|0|1L|3|1|0|0|2|5|2|0|9|2|3|0|0^^$0|@$1|2|3|4|5|6|7|11|8|@]|9|@$A|12|B|13|1|14]|$A|15|B|16|1|17]]|C|$]]|$1|D|3|E|5|6|7|18|8|@]|9|@]|C|$]]|$1|F|3|G|5|H|7|19|8|@]|9|@$A|1A|B|1B|1|1C]]|C|$]]|$1|I|3|J|5|H|7|1D|8|@]|9|@$A|1E|B|1F|1|1G]]|C|$]]|$1|K|3|L|5|H|7|1H|8|@]|9|@]|C|$]]|$1|M|3|N|5|H|7|1I|8|@]|9|@]|C|$]]]|O|$P|$5|Q|R|S|C|$T|U]]|V|$5|Q|R|S|C|$T|W]]|X|$5|Q|R|S|C|$T|Y]]|Z|$5|Q|R|S|C|$T|10]]]]

Since this is a unsupervized problem, you need to try to extract &quot;topics&quot; using topic modeling. There are a number of tools available in Python, e.g. from <a href="https://scikit-learn.org/stable/auto_examples/applications/plot_topics_extraction_with_nmf_lda.html#sphx-glr-auto-examples-applications-plot-topics-extraction-with-nmf-lda-py" rel="nofollow noreferrer">sklearn</a> or <a href="https://spacy.io/" rel="nofollow noreferrer">spacy</a>.
Basic workflow:
<ul>
<li>Extract <a href="https://stackoverflow.com/questions/34837707/how-to-extract-text-from-a-pdf-file">text from PDF</a></li>
<li>Text preprocessing (lowercase, <a href="https://stackoverflow.com/questions/24647400/what-is-the-best-stemming-method-in-python">stemming</a> etc)</li>
<li>Topic modeling</li>
<li>Return &quot;topic&quot; per page</li>
</ul>

I know classifying images using cnn but I have a problem where I have multiple types of scanned documents in a pdf file on different pages. Some types of scanned documents present in multiple pages inside the pdf.
Now I have to classify and return which documents are present and the page numbers in which they present in the pdf document. If scanned document is in multiple pages I should return the range of page numbers like &quot;1 - 10&quot;.
Input will be pdf files containing scanned target documents
Output should be classified &quot;Document Name&quot; and Its &quot;page numbers&quot;
Can any one guide me on how can I a build a model that can address this problem.
Thankyou

Classification of scanned documents in pdf files using deep learning or NLP

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我知道使用cnn分类图像，但我有一个问题，我有多种类型的扫描文件，在一个pdf文件在不同的页面。某些类型的扫描文档显示在pdf中的多个页面。现在我必须分类和返回哪些文档存在，以及它们在pdf文档中显示的页码。如果扫描的文档在多个页面中，我应该返回页码的范围，如“1-10”。输入将是pdf文件，其中包含扫描的目标文件。输出应分类为“文档名称”及其“页码”。有人能指导我如何建立一个模型来解决这个问题吗

问用深度学习或NLP对pdf文件中扫描文档的分类
EN

回答 1

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问用深度学习或NLP对pdf文件中扫描文档的分类EN