如果你管理着很多不同种类的文档报告，模版很多，我如何通过NLP 或者通过版面分析把它们按文档内容或按排版分类？ #4856
WangShunzhiDQ
started this conversation in
General
Replies: 1 comment
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
-
如果你管理着很多不同种类的文档报告doc\docx\excel\ppt\pdf\jpg等等，模版很多，文档种类也很多，我如何通过NLP 或者通过版面分析把它们按文档内容或按排版分类？
目前的思路是统统把文档按页转为图片，然后通过paddlenlp标注、信息抽取，按类别训练模型。但需要时间实验与验证。
paddleNLP技术日趋成熟，但我一直没法找到更好的办法，希望得到高人指点，有Demo更好
Beta Was this translation helpful? Give feedback.
All reactions