https://github.com/richecr/tcc

Repository for research of my Course Completion Paper.
https://github.com/richecr/tcc

dou hacktoberfest hacktoberfest-accepted licitacao machine-learning nlp pdf tcc

Last synced: about 4 hours ago
JSON representation

Repository for research of my Course Completion Paper.

• Host: GitHub
• URL: https://github.com/richecr/tcc
• Owner: richecr
• Created: 2021-11-27T17:30:25.000Z (almost 3 years ago)
• Default Branch: main
• Last Pushed: 2022-10-09T13:57:37.000Z (about 2 years ago)
• Last Synced: 2023-03-08T05:52:01.825Z (over 1 year ago)
• Topics: dou, hacktoberfest, hacktoberfest-accepted, licitacao, machine-learning, nlp, pdf, tcc
• Language: Jupyter Notebook
• Homepage:
• Size: 89.9 MB
• Stars: 1
• Watchers: 0
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Meu TCC

Repositório para pesquisa do meu Trabalho de Conclusão de Curso.

### Tasks:

- [X] Verifique se a biblioteca python-poppler é uma boa maneira de extrair texto de PDFs.

- [X] Extraia texto de PDF completo - Com todos os métodos de extração usados até agora.

    - PyMuPDF obteve melhores resultados.

- [X] Segementação dos textos por publicações.

    - [X] Utilizado o pipe que tem nos PDF para a separação de atos.

    - [X] Regex para encontrar padrões de quando se inicia um novo ato.

    - [X] Separação de atos por entidades do documento.

    - [X] PDF convertido em um JSON com os atos separados por entidades.