一种PDF文档信息自动化提取方法及系统

本发明公开了一种PDF文档信息自动化提取方法，对PDF文档进行预处理操作，形成微调训练模型所需的数据集；然后，利用预训练的布局感知深度学习模型，结合数据集信息进行模型微调和训练；最后，利用训练好的模型处理包括文本、布局和图像的多模态信息，进行分类文本并提取出关键信息段落。本发明通过结合文本与布局信息，显著提升了信息提取的精度和效率，避免了OCR技术的局限性，具有高度的自动化、广泛的适应性和扩展性，尤其适用于专业文档的关键信息提取，提供了更加高效、准确的解决方案。