[發明專利]用于對文檔進行標注的方法和設備

有效

• 申請號: 200810091289.7
• 申請日: 2008-04-28
• 公開（公告）號: CN101571859A
• 公開（公告）日: 2009-11-04
• 發明（設計）人: 費奔;胡博;吳賢;張小詢;蘇中
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京市金杜律師事務所
• 代理人: 王茂華;李 輝

1.一種用于利用用戶輸入的標簽對文檔進行標注的方法，包括：

獲取所述文檔的結構化信息；

在標簽-文檔索引庫中檢索與輸入的標簽相對應的內容塊列表；

比較所述結構化信息中的塊與所述內容塊列表中的塊，以獲得相 似的塊；以及

在與所述相似的塊對應的所述文檔的位置處標注所述標簽。

2.根據權利要求1所述的方法，其中所述文檔的結構化信息是 根據預定方法從所述文檔抽取的。

3.根據權利要求2所述的方法，其中，所述預定方法是基于規 則的方法。

4.根據權利要求2所述的方法，其中，所述預定方法是自然語 言處理方法。

5.根據權利要求1所述的方法，還包括：在標簽與已標注文檔 的結構化信息之間建立對應關系。

6.根據權利要求5所述的方法，還包括：更新所述對應關系。

7.根據權利要求1所述的方法，還包括：生成與所述輸入的標 簽相近的推薦標簽，以及利用所述推薦標簽代替所述輸入的標簽來 重復執行所述檢索步驟、比較步驟和標注步驟。

8.一種用于對當前文檔進行標注的方法，包括：

獲取所述當前文檔的結構化信息；

比較所述當前文檔的結構化信息中的塊與已有文檔的結構化信 息中的塊，以獲得相似塊；以及

利用以前標注過與所述相似塊對應的所述已有文檔的位置的標 簽，來在與所述相似塊對應的所述當前文檔的位置處進行標注。

9.一種用于利用用戶輸入的標簽對文檔進行標注的設備，包括：

獲取裝置，用于獲取所述文檔的結構化信息；

檢索裝置，用于在標簽-文檔索引庫中檢索與輸入的標簽相對應 的內容塊列表；

比較裝置，用于比較所述結構化信息中的塊與所述內容塊列表中 的塊，以獲得相似的塊；以及

標注裝置，用于在與所述相似的塊對應的所述文檔的位置處標注 所述標簽。

10.根據權利要求9所述的設備，還包括抽取裝置，其中所述文 檔的結構化信息是由抽取裝置根據預定方法從所述文檔抽取的。

11.根據權利要求10所述的設備，其中，所述預定方法是基于 規則的方法。

12.根據權利要求10所述的設備，其中，所述預定方法是自然 語言處理方法。

13.根據權利要求9所述的設備，還包括索引裝置，用于在標簽 與已標注文檔的結構化信息之間建立對應關系。

14.根據權利要求13所述的設備，還包括更新裝置，用于更新 所述對應關系。

15.根據權利要求9所述的設備，還包括用于生成與所述輸入的 標簽相近的推薦標簽的裝置。

16.一種用于對當前文檔進行標注的設備，包括：

獲取裝置，用于獲取所述當前文檔的結構化信息；

比較裝置，用于比較所述當前文檔的結構化信息中的塊與已有文 檔的結構化信息中的塊，以獲得相似塊；以及

標注裝置，用于使用以前標注過與所述相似塊對應的所述已有文 檔的位置的標簽，來在與所述相似塊對應的所述當前文檔的位置處 進行標注。