申请/专利权人:云知声智能科技股份有限公司
申请日:2023-12-30
公开(公告)日:2024-04-05
公开(公告)号:CN117831058A
主分类号:G06V30/414
分类号:G06V30/414;G06V30/148;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明涉及面向大语言模型的PDF文件处理方法、装置、设备和介质,该方法包括:获取待处理的PDF文件;将待处理的PDF文件输入版面识别模块中得到页面块列表;将页面块列表输入到页面块过滤模块中得到保留的页面块列表;将保留的页面块列表输入到文档生成模块中得到文档对象。本发明通过将待处理的PDF文件输入版面识别模块中得到页面块列表,将页面块列表输入到页面块过滤模块中得到保留的页面块列表,将保留的页面块列表输入到文档生成模块中得到文档对象实现了将PDF文件从机器不容易理解的图片转化成了容易理解的文档对象,为构建大语言模型或应用大语言模型提供了文本数据支撑。
主权项:1.一种面向大语言模型的PDF文件处理方法,其特征在于,包括:获取待处理的PDF文件;将所述待处理的PDF文件输入版面识别模块中得到页面块列表;将所述页面块列表输入到页面块过滤模块中得到保留的页面块列表;将所述保留的页面块列表输入到文档生成模块中得到文档对象。
全文数据:
权利要求:
百度查询: 云知声智能科技股份有限公司 面向大语言模型的PDF文件处理方法、装置、设备和介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。