沒有PDF 書籤 的掃描 PDF 是一個黑盒子。讀者如果不滾動每一頁就無法跳到特定的章節或部分。為 200 頁的掃描文件手動添加書籤和目錄需要花費數小時點擊頁面並輸入章節標題。 AI PDF工具現在可以分析掃描的內容，識別章節標題和分節符，並自動產生書籤和目錄，將人工工作時間縮短為人工智慧處理和驗證的幾分鐘。
人工智慧方法分兩個階段進行。首先，OCR PDF從掃描影像中擷取文字。然後，人工智慧分析讀取提取的文本，識別結構模式，例如重複出現的標題樣式、編號部分和主題更改，並提出書籤層次結構。產生的書籤需要人工驗證，但人工智慧會進行勞動密集型工作，找出每個部分的起始位置和名稱。
WukongPDF 的 PDF 工具支援掃描文件的 OCR 處理和書籤產生。
步驟 1：對掃描的 PDF 進行 OCR
在人工智慧分析文件結構之前，必須從掃描圖像中提取文字。使用前面章節中所述的任何工具對掃描的 PDF 執行 OCR：Acrobat Pro、Tesseract 或 OCRmyPDF。 OCR 步驟會產生可搜尋的 PDF，其文字位於頁面影像後方。 OCR輸出的品質直接影響AI生成書籤的品質。如果 OCR 誤讀了章節標題，書籤將反映錯誤。
對於具有混合掃描品質的文檔，請以 400 DPI 運行 OCR 以獲得最高的文字辨識精度。請特別注意每個新部分的前幾個單詞，其中通常包含將成為書籤的標題文字。如果每章的首頁是帶有裝飾字體或背景圖案的掃描圖像，這些頁面上的 OCR 準確度可能會低於純文字頁面。
使用 Acrobat Pro 的自動書籤功能
Acrobat Pro 可根據文字格式模式產生書籤。開啟可搜尋的 PDF 並前往「書籤」面板。點擊選項選單並選擇從結構新建書籤。 Acrobat 分析標記的文件結構並建立與標題層次結構相符的書籤。如果 PDF 未標記，請改用“從頁面文字新書籤”，它會分析字體大小和樣式以識別可能的標題。
實際上，自動產生的書籤只是一個起點，而不是成品。展開書籤樹並查看每個條目。重新命名 OCR 誤讀的書籤。刪除誤報的書籤，例如被解釋為標題的頁碼。對嵌套在層次結構中錯誤層級的書籤重新排序。人工智慧得到的結構大致正確。人工審核使其完全正確。
人工智慧驅動的語意書籤產生
較新的人工智慧工具不僅限於字體分析，還可以理解文件的語意結構。他們閱讀全文並確定主題邊界，而不僅僅是格式變更。以整頁圖像開頭且沒有標題文字的章節可能會被基於字體的分析錯過，但會被語義分析識別，因為主題發生了變化。這些工具可透過雲端人工智慧服務和一些企業文件管理平台取得。
語義分析也改進了書籤標籤。人工智慧可以產生像第 3 章：實驗結果這樣的描述性標籤，而不是使用頁面頂部的任何粗體文本，即使這些單字沒有一起出現在文件中。標籤是根據上下文合成的，提供比原始文字提取更有用的書籤。
從書籤產生目錄
建立並驗證書籤後，從中產生目錄頁面。在 Acrobat Pro 中，可以將書籤匯出到文字文件，在文字處理程式中將其格式化為 TOC 頁，然後使用「合併文件」工具將其插入 PDF 的開頭。可以使用 Acrobat 的連結工具將 TOC 條目連結到對應的頁面，從而建立與書籤結構相符的可按一下 TOC。
在文件工作流程中，為了重複處理類似格式的掃描文檔，可以透過腳本自動產生書籤和建立目錄。使用 pikepdf 庫的 Python 腳本可以讀取 OCR 輸出、使用正規表示式識別標題模式、建立 PDF 書籤物件並將其插入文件中。基於腳本的方法可處理數百個具有一致標題模式的掃描 PDF，無需人工幹預。
| 方法 | 工作原理 | 準確度 |
|---|---|---|
| Acrobat 自動書籤 | 偵測文字模式，例如粗體標題 | 適合格式清晰的文本 |
| 人工智慧驅動的語意分析 | 分析內容意義以識別部分 | 更適合各種格式 |
| 混合：人工智慧+人工審核 | 人工智慧生成，人類驗證並修正 | 最適合重要文件 |
限制以及何時仍需要人力
人工智慧書籤產生最適合結構清晰、一致的文件：教科書、報告、手冊和標題遵循可預測模式的正式文件。它對於結構不規則的文檔效果較差，例如雜誌、時事通訊和創意佈局，其中部分邊界是視覺而不是文字。對於這些文檔，人工智慧提供了一個粗略的起點，需要比自動化節省的時間更多的人工修正。
在實踐中，如果文件在導航錯誤可能產生後果的環境中使用，例如法律備案、監管提交或醫療記錄，則應披露人工智慧產生的書籤的準確性。文件元資料中的註釋指出書籤是人工智慧生成和人工審核的，這提供了透明度，並為依賴書籤結構進行導航的讀者設定了適當的期望。
AI 產生的書籤和目錄將掃描的 PDF 從平面圖像序列轉換為可導航文件。人工智慧完成尋找部分邊界的勞力密集工作。人工審核員提供準確性驗證。他們一起製作專業的書籤文檔，所需時間僅為手動書籤所需的一小部分。
將人工智慧產生的書籤與人類創建的書籤進行比較
當涉及文檔工作流程時，對於範例文檔，手動建立書籤並與 AI 生成的書籤進行比較。比較揭示了人工智慧的優勢（通常是一致性和速度）和劣勢（通常是模糊的標題和不規則的部分結構）。了解人工智慧的效能有助於校準人工審核工作。
隨著人工智慧模型透過對更多文件進行訓練並接受更正來改進，差距正在縮小。人類的角色從糾正許多錯誤轉變為驗證可接受的輸出，這比從頭開始創建書籤更快、更簡單。
人工智慧產生的書籤對於數位化專案特別有價值，因為數以千計的掃描文件需要導航。這種規模的手動書籤是不可行的。人工智慧處理和採樣驗證使得大規模導航可以在預算內實現。
實際上，OCR 和人工智慧書籤的結合將掃描的檔案變成了可導航的數位圖書館。研究人員可以瀏覽書籤樹以了解結構、跳到感興趣的部分以及在集合中搜尋術語。
隨著人工智慧文件分析工具變得更加複雜，人工智慧和人類創建的書籤之間的差距將會縮小。未來的工具可能會產生與細心的人類審閱者創建的書籤沒有區別的書籤。
書籤產生是人工智慧文件理解的一種應用。識別部分邊界的相同技術還可以產生摘要、提取關鍵發現以及識別集合中文件之間的關係。
在大多數工具中，人工智慧產生的書籤的品質閾值取決於文件用例。法律文件要求近乎完美的準確性。內部參考文件容忍偶爾出現的錯誤，人類讀者可以即時糾正。
根據組織特定的文件格式訓練自訂 AI 模型可以提高書籤的準確性。此模型學習組織文件中使用的特徵標題模式、字體選擇和章節編號約定。
對於公開發布的文檔，人工智慧產生的書籤應包含一個可見的註釋，表明它們是自動生成的。此揭露管理讀者的期望並鼓勵報告錯誤以進行糾正。
通常，書籤產生過程可以整合到文件攝取管道中。當新的掃描文件進入系統時，OCR 和 AI 書籤會在文件提供給使用者之前自動執行。
人工智慧書籤減少了掃描的館藏可導航的障礙。當人工智慧處理大部分工作時，以前因手動添加書籤而成本高昂的項目變得可行。
在這種情況下，實際上，產生書籤的相同人工智慧分析還可以建議文檔元數據，例如標題、作者和主題關鍵字。書籤層次結構通常揭示可以推斷元資料的文檔邏輯結構。
在文件處理方面，對於歷史文件集合，人工智慧書籤必須應對過時的字體、下降的掃描品質和非標準佈局。歷史文獻的準確性低於現代文獻。
應有系統地收集瀏覽人工智慧書籤文件的使用者的回饋。使用者關於不正確書籤的報告會回饋到人工智慧訓練管道中，從而提高未來文件的準確性。
人工智慧驅動的文檔分析並不是取代人類判斷，而是人類能力的放大器。人工智慧在幾分鐘內處理數千頁，識別模式和結構。人類審閱者利用人工智慧所缺乏的上下文理解來驗證輸出。他們共同取得了任何一方都無法單獨取得的成果。
AI 產生的書籤將平面掃描的 PDF 轉換為可導航文件。人工智慧可以識別需要花費幾個小時才能手動找到的部分邊界。人工審核員驗證準確性並糾正邊緣情況。此合作關係可以在很短的時間內產生帶有專業書籤的文件。