一种对PDF中表格进行召回的方法、系统及存储介质

本发明公开了一种对PDF中表格进行召回的方法、系统及存储介质，涉及检索增强生成技术领域。包括：对文档内容进行版面识别，识别并标注出文档的表格部分和各个非表格部分；从表格部分提取表格的首行和首列内容，生成关键词，将关键词作为检索模型的查询词，计算非表格部分中查询词的TF‑IDF分数；根据文本类型和/或距离表格位置和/或TF‑IDF分数，计算各个非表格部分与表格的相关性得分；基于相关性得分对各个非表格部分进行排序，并提取排序后的上下文信息；将上下文信息、表格总结、表格关键词组合形成表格块，并通过向量化处理后上传至向量数据库，作为表格的索引块。旨在有效地将表格数据与正文内容进行有机结合，充分挖掘表格和文本之间的内在联系。