[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

技術領域

本發明一般涉及文檔處理，以及更具體地，本發明涉及一種用 于對文檔進行標注的方法和設備。

背景技術

隨著電子文檔的迅速普及，電子文檔在人類生活的各個方面逐 漸占據越來越重要的地位。同時，目前許多電子文檔都相當大。在 這種情況下，用戶僅僅通過文檔的目錄和索引很難迅速找到自己所 感興趣的文檔內容。盡管目前在互聯網應用中針對某些文檔存在摘 要信息和結構信息，然而用戶并不能在短時間內掌握文檔的概要信 息和結構信息，更不可能在例如數十以至上百頁的文檔中快速找到 自己期望的內容的段落。

這樣，在針對電子文檔的應用中出現了一種稱作“標注 (annotate)”或“加標簽(tagging)”的方案。在這種方案中，用 戶可以在閱讀文檔中的特定內容之后使用簡練或概括的短語作為標 簽來標注該內容。通常將這一過程稱作“標注”或“加標簽”，其 中標簽是指用戶針對文檔內容所定義的簡要語義描述。例如，當用 戶在閱讀一段關于商品房價格的文檔內容之后，利用“房價”的標 簽來標注該文檔內容。當其他用戶閱讀該文檔內容時，可以同時顯 示先前用戶已經針對該文檔內容標注的標簽。由于在標簽中保存了 先前用戶對文檔內容的人工概括結果，這使得標注已經成為一種非 常流行的方法，以便用戶評論、收集、組織其自身所關注的電子文 檔。

當前，提供標注服務主要存在以下模式：由提供文檔內容的網 絡服務商提供標注，以及由專門提供標注服務的網絡服務商提供標 注。然而，無論以上述何種方式實現，實際上都是用戶個人腦力勞 動和手工動作的結合：首先閱讀文檔，對文檔內容進行概括總結， 給出概括文檔含義的短語作為標簽；以及然后經由服務商提供的用 戶接口手工地將該標簽與文檔的特定位置相關聯。

這樣，本領域特別需要提供一種用于對文檔進行標注方法，該 方法能夠自動確定應該在文檔的何處加標簽，能夠對用戶提示當前 文檔的其他部分分別適用于哪些標簽，并且能夠自動對整篇文檔進 行標注。

發明內容

本發明提供一種用于對文檔進行標注的方法和設備，其可自動生 成文檔的結構化標簽以及將生成的標簽布置到最合適的文檔位置 處。

根據本發明的一方面，提供一種用于對文檔進行標注的方法。該 方法可以包括：獲取所述文檔的結構化信息；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。

根據本發明的另一方面，提供一種用于對當前文檔進行標注的方 法。該方法可以包括：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。

根據本發明的另一方面，提供一種用于對文檔進行標注的設備， 該設備可以包括：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。

根據本發明的另一方面，提供一種用于對當前文檔進行標注的設 備。所述設備可以包括：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。

附圖說明

參考以下結合附圖的詳細說明，本發明的特征、優點以及其他 方面將變得更加明顯，在附圖中：

圖1示出了根據本發明的一個實施方式的標注系統的示意性框 圖；

圖2示出了根據本發明的一個實施方式的標注系統在預處理階 段的抽取過程的示意性流程圖；

圖3示出了根據本發明的一個實施方式的標注系統在預處理階 段的索引過程的示意性流程圖；

圖4示出了根據本發明的一個實施方式的標注系統的標注部件 的示意性框圖；