针对学术文献常见的跨页文本断裂问题，PDF Craft开发了专利性的段落重组算法。该技术通过语义分析和版式识别双引擎协作：语义层面采用Bi-LSTM神经网络判断语句连贯性，准确率达到92%；版式层面通过YOLO模型检测段落缩进、行间距等视觉特征。当检测到分页截断的段落时，系统会自动将分散在两页的文字重组为完整段落，较传统正则匹配方法提升37%的准确率。实际测试显示，对于包含复杂公式和参考文献的学术论文，该系统能保持98%以上的内容连贯性，显著优于Adobe Acrobat等商业软件75%的基准水平。
This answer comes from the articlePDF Craft: PDF scanned documents to Markdown open source toolsThe
May not be reproduced without permission:AI productivity tools " PDF Craft's Cross-Page Text Processing Technology Ensures the Integrity of Scholarly Literature Conversion
English 
简体中文 
日本語 
Deutsch 
Português do Brasil