Existe um software open sourc / commercial que pode executar análise automática de conteúdo (para produzir sumários desejosos) em uma grande coleção de documentos pdf que marcaram metadados para facilitar a classificação? Qual é a tecnologia que o Google usa para analisar o pdf hospedado na web e classificá-los?
Não sei ao certo o que o Google usa, mas é possível ler e criar documentos em PDF no lado do servidor com um componente de software como o ABCpdf.NET. Isso requer algum conhecimento de programação em ASP ou ASP.NET (Active Server Pages) para servidores Microsoft IIS ou PHP para servidores web Apache.