我对 AI 有点陌生，我想使用某种聚类算法来解决问题：

我正在尝试解析 pdf 文档以获取标题和标题。我可以将 pdf 解析为 html，然后我可以获取有关文档行的一些信息。我已经确定了一些可用于识别标题的属性。

• font-size (int)：当然，标题的字体大小比普通文本大是很常见的
• font-family (string): 标题可能是粗体，所以 font-family 可能不同
• 左属性（int）：标题也可能向右对齐，在普通段落中并不总是存在缩进
• 奖励布尔值：我已经确定了一些可以组合以获得布尔值的属性。当布尔值设置为 true 时，它​​可以增加段落成为标题的机会。

当然，这些规则并不适用于所有标题。一些标题可能跟在其中一些但不是全部之后。也有可能一些“正常”段落遵循所有这些要点，但我所看到的是，总的来说，那些使标题与段落不同的规则。

有了这些信息，有没有办法做我正在寻找的东西？正如我所说，尽管我有 CS 和数学背景，但我还是 AI 新手。我认为聚类可能很有趣，因为我正在尝试创建 2 个聚类：标题和普通段落。

您认为哪种算法可能适用于这个用例。我应该看看集群之外的东西吗？