CN100533430C - 用于消除文档的一部分的歧义的方法和设备 - Google Patents

Abstract

通过在所述文档部分的附近显示关于解释的含义的指示，指示文档的一部分的解释的含义，其中，所述文档部分可以是文本，而非诸如图像之类的非文本。指示可以是符号(没有关联的代码)或图标(具有关联的代码以激活指定的功能)。还包括对文档的一部分的进行歧义消除，涉及呈现所述文档部分的至少两个备用的解释的含义的指示，并响应被选择的解释的含义之一，显示所选择的解释的含义的指示。

Description

用于消除文档的一部分的歧义的方法和设备

技术领域

本发明涉及用于指出文本和图像的解释的含义，以及用于对于多个含义进行歧义消除的可视界面，以及用于生成该界面的基础方法。

背景技术

当用户将文本输入到基于计算机的系统时，例如但不限于电子日历、待办事项列表或文字处理程序，有工具可用于基于文本的含义对输入进行操作。例如，活动日历(如授予Ford等人的美国专利6,480,830所描述的)可以分析日历条目，并自动检查是否有航班、预订会议室、通知参加者等等。为了执行这些功能，日历程序正确地解释文本条目的含义是必不可少的。条目“fly to CA”可以表示到加拿大的航班，或到加利福尼亚的航班。为了使用户正确地抵达Saskatoon而不是San Diego，系统将方便地向用户指出，如何解释文本以及在系统不能从上下文或其他线索辨别唯一含义的情况下提供在备选的含义之间选择的途径。

还描述了以某种方式解释文本但没有提供所需要的功能的其他系统。一个示例是授予Kupiec的美国专利5,500,920，在该专利中，将语音(或其他非机器可读的格式)转换为机器可读的符号串(诸如字母、电话、词语)，以便进行查询。然后，计算机使用文本分析和假设测试来执行歧义消除过程。此系统不提供指出含义的可视反馈机制，也不提供歧义消除方法。

在授予Hedin等人的美国专利5,386,556中描述了另一个示例。这里，自然语言分析器解释文本，然而，结果是包括语音的各部分的文本指示的“输入的逻辑形式表示”与文本本身分开。

在美国专利5,960,384中，文本分析器将词语表示为“图片”(即，名词)或“关系”(即，形容词或动词)，并以单独的格式显示它们(使用方框、括号)，但也未能提供指出含义或的可视反馈机制或歧义消除方法。

机器人执行命令过程中的歧义消除能力在Perzanowski等所著的“Towards Seamless Integration in a Multimodal Interface”(该文于the Proceedings of Workshop on Interactive Robotics inEntertainment，Carnegie Mellon University，June 2000发表)，然而，机器人将向用户提出问题，以获取更进一步的信息。没有描述与文本结合的可视指示。

如此，应该在文本的附近有一个可视反馈机制，以指出文本的一部分(或整个文档)的解释的含义，以便使用户验证所选择的含义是否正确。此外，该机制可以提供用于说明文本的准确含义的装置。

发明内容

描述了一种用于通过在所述文档部分的附近显示关于解释的含义的指示来指出文档的一部分的解释的含义的方法。所述文档部分可以是文本，而非诸如图像之类的非文本。指示可以是符号(没有关联的代码)或图标(具有关联的代码以激活指定的功能)。还描述了一种用于消除文档的一部分的歧义的方法，该方法涉及呈现所述文档部分的至少两个备用的解释的含义的指示，并响应被选择的解释的含义之一，显示所选择的解释的含义的指示。

为更全面地理解本发明的特征和优点，应该参考下面的结合附图的详细描述。

附图说明

图1显示了可视反馈机制的示例；

图2显示了应用于图像的可视反馈机制；

图3显示了系统的体系结构；

图4显示了本体论的结构；以及

图5显示了图3中的关键字/URL/媒体数据库中的条目的简化的示例。

具体实施方式

图1显示了可视反馈机制如何工作以指出解释的文本的含义的示例。这是示例日历条目100，其中，用户键入了“Fly to CA meetwith Jones at IBM J2-609”。在用户键入时，系统将解释文本的含义，并在它已经解释的文本上方或附近显示符号(没有任何关联的代码)或图标(选择该图标将激活关联的代码以执行所需要的功能)。请注意，还可以使用系统来解释以前创建的文本。

这里，系统发现术语“CA”的两个潜在含义，即，由加拿大国旗图标102表示的加拿大，或由加利福尼亚州州旗图标104表示的加利福尼亚。请注意，系统解释了诸如“IBM”、“Jones”和“J2-609”(会议室)之类的其他词语地含义。解释的含义可以基于上下文(如周围的文本或其他有关显示的信息)或诸如本体论属性之类的其他因素(见下文)或电子邮件中的外在的文本、或Web锚定文字，根据最有可能的解释，按照等级顺序来显示。如果显示器上的空间非常宝贵，系统可以简单地通过使用诸如箭头或加号(+)或与单个图标结合来指出可以有一个以上的含义。

当一个术语的含义模糊时，即，系统认识到有一个以上可能的含义，用户只需(用诸如鼠标、指针、触摸屏等等)选择正确的图标，系统将更新显示。这种对一个图标的更新也可能会导致其他图标中的变化，因为内部解释模型随着每一个选择而更新。例如，消除加拿大与加利福尼亚的歧义可能会改变列出的城市的解释。

或者，如果在没有用户输入的情况下系统简单地接受了含义的“第一个”列出的解释，则可能不需要用户输入。当用户为条目中的一个文本项目选择了优选解释而按原样保留其他的文本项目，或者以全局的方式指出接受整个条目而没有指出接受单独的解释，就可能会发生这种情况。在某些情况下，这样的自动歧义消除可能是比较可取的，例如，当系统随着时间的推移“了解”到当他或她输入指定文本时用户的含义是什么。

图2显示了另一个示例，其中，系统可以使用任何合适的图像识别软件解释图像(以诸如JPEG、MPEG、TIFF、PDF等等之类的任何可识别的格式)。这里，图像包含两个人(显然，描画的比较粗糙)，并且系统将图像元素的“含义”解释为两个人202和206。系统将个人202解释为“Dan”，并在附近插入了图标204，将个人206解释为“Kristal”或“Ali”，如图标208和210所示。请注意，图标208和210可以是活动的，并可以充当指向Kristal和Ali的主页的链接。浏览这些页面可以帮助识别图像中的人实际是谁，然后用户可以返回到图像，并选择相应的图标以便消除歧义。

对于图像使用解释器的另一个示例是指出诸如色情作品之类的不良内容。这里，使用合适的内容过滤器(例如，Ulead Systems，Inc.出品的iMira Screening工具)来检测不良内容，系统在图像上覆盖图标。可以这样覆盖图标，以便图像的主要部分不能被看到。当选择时，图标可以显示警告文字，或指向用于美国联邦通信委员会投诉的Web表单的链接。

图3显示了系统的体系结构。下面的说明针对文本解释，而不是图形解释，然而，系统适用于两者。世界知识302的本体论是有组织的数据集，该数据集创建人、位置、东西，以及思想的分层次地组织的概念的网络。本体论302是数据结构，例如，使用诸如以可扩展标记语言(XML)序列化的资源描述框架(RDF)之类的技术以文本表单表达的分层的或关系表达式。

图4显示了本体论302的结构。本体论的层次结构中的顶部实体是实体402，该实体被定义为自然宇宙中的概念。这里，对于层次表示，请注意，顶部实体可以是这里所显示的“树”类型的根，或者也可以是在有向非循环图(DAG)中没有父节点的节点。本体论中的其余实体代表比较细化的子概念，这些子概念尝试代表文档中可能描述的几乎一切。这里，Dan和Kristal的实体具有“Human”404作为父实体，并具有存储在本体论中的链接中。同样，实体California406和Canada 408分别具有父410“州”和412“国家”，这导致“政治划分”，这是我们定义的概念，以包括诸如国家、州等等之类的人为的组。请注意，本体论包含每一个实体的至少一个关键字，关键字是可以在文本文档中使用来引用实体的标识符。例如，实体“California”可以具有关键字“CA”，“Canada”也具有关键字“CA”。一个实体可以，并常常将具有一个以上的关键字，一个关键字可以代表一个以上的条目，如此，在实体和关键字之间存在多对多的关系。一个实体还可能具有一个以上的父。

本体论402还可以包含其他属性或每一条目的数据，可以由解释器来对它们进行解释(见下文)，以便判断解释的实体的最佳的选择。其他属性的示例包括URL(指向各种相关的真实数据源)、街道地址、个人配置文件信息、图标，或诸如音符或音频之类的其他媒体文件(当系统由有视力障碍的人使用时有帮助)。对于诸如机场之类的一般概念的抽象实体，它可以是描述所有机场的图标。对于特定机场，如果有的话，它可以指向机场的徽标。对于人的概念，关联的图标可以是人的轮廓，而特定个人的本体论中的条目可以包括指向他们的图像的URL。当为本体论使用层次表示时，不必为本体论中的每一个实体显式指定图标。如果没有为实体指定图标，则与实体的父关联的图标可能就足够了，并可以很容易找到该图标。例如，在前一示例中，如果您将人划分为私人和业务联系人，但没有为这些联系人中的每一个人指定特定的图标，那么，可以使用与人的一般概念关联的图标。

返回到图3，本体论中的条目在关键字/URL/媒体数据库304中具有关联的条目。数据库304通过对本体论进行预处理以创建实体的关键字和其URL(如果有的话)之间的关联来填充。用于代表本体论的技术使将唯一的URL与每一个条目关联成为可能。此URL变成特定人、位置或东西的唯一标识符。在预处理过程中，对于图标(及其他媒体)，实体的关联的URL变成数据库条目的一部分，以便在任何查找过程中，它们与实体URL一起被检索。请注意，此URL与实体相对于本体论的位置关联，它不是指向关于实体的网站的URL。这种类型的URL将是媒体的类型。

图5显示了图3中的关键字/URL/媒体数据库中的两个条目的简化的示例。在前一日历的示例中，对关键字CA的查询将显示出两个实体：California 502和Canada 504。California具有关联的URL www.ca.gov以及包含使用构建用于显示的图标的文件(显示州旗)的文件calflag.jpg。同样，Canada具有canada.gc.ca，以及到mapleleaf.jpg的图标的链接。

再次返回到图3，语义解释器306负责创建文本的序列和本体论中的实体的URL之间的关联。它检查词语的序列，然后，视情况，创建本体论URL的集合，这些集合，根据其观点，由那些词语来进行描述。它通过使用文本中的词作为查询关键字/URL数据库304的源材料来达到这一目的。这些查询的结果由解释器306进行处理，并与原始序列中的关联(即，存储)。如果只有一个如此关联的URL，那么，对该词语的解释是唯一的(但仍可能是不正确的)；如果有一个以上的URL，那么，解释是模糊的。

不论是哪一种情况，用户将有机会使用图像和文字308的语义解释显示来拒绝或细化解释。此显示代表了用户可用来与系统进行交互的接口。可以允许用户键入文字并点击鼠标或其他指示设备来选择项目或区域。显示器308和解释器306通过一系列“事件”进行交互。显示器生成文本生成和指针选择事件310，而解释器生成操纵文本和图像定位的显示事件312。

在操作中，用户在显示器中输入文字(通过打字、口头或其他输入手段)，该文字被传递到语义解释器306，解释器可能也可能不能判断它是否具有意义。当具有意义时，解释器306生成导致显示器绘制与文字混合的图标的事件，以便清楚地将特定的图标与文本的某个词语或几个词语关联。例如，在日历示例中，输入词语“Canada”将导致一个小的加拿大国旗图标出现在词语“Canada”的上方。在内部，解释器将实体“Canada”(国家)的URL与词语“Canada”(文本)关联。在有一个以上的解释的情况下，解释器将创建它认为是最有可能的解释的等级顺序，并向显示器提供所有相应的图标(按等级顺序)。多个图标以及它们的等级可以以多种方式来显示。例如，对于“Jones”文本项目，在空间有限的情况下，最有可能的解释可以第一个显示出来(在左边)，其余的隐藏在箭头后面(表示有多个图标)，如图1所示。

此方法后面的概念是，用户将清楚地看到进行了什么解释，以及还有其他的解释。如果他或她点击“更多”箭头，他们将看到其他图标，并将能够通过点击其他图标中的某个图标来对解释等级重新排序。这些用户操作将被报告到解释器306，以便它可以更新其内部解释模型。这可能会导致解释器重新评估其以前的解释的某些解释(例如，如果用户消除文本文档中的国名的歧义，那么，解释器可能会重新评估城市的名称的解释，因为它们可能比较可能处于识别的国家中)。

如此，用户输入的文字将被报告给解释器，然后解释器将代表其解释的图标(以及它们的顺序)报告回显示器。用户将看到这些图标，并在视觉上验证它们与文本的关联。如果它们同意关联(可能对于好的解释器和本体论)，它们不需要执行任何操作，如果它们不同意，它们可以选择备选的图标(以及它们的解释)或者如果没有正确的图标/解释存在，他们可以指出这一点(也许通过“右键单击”)。或者，如果文本不能被解释，系统可以为用户提供直接输入URL的机会，以便为系统提供开始点。

此过程的最终结果是解释器的内部模型的内容。在指向本体论302的URL之间的关联以及文本中的词可以被其他应用程序(如电子商务)进行检查，并进行相应的处理。其他应用程序的示例将是自动获取与日历条目关联的信息，或预订飞机票及其他旅游需求的软件代理。在授予Ford等人的标题为“Active Calendar”的美国专利6,480,830中描述了这样的应用程序。

本发明的逻辑可以通过处理器作为一系列计算机可执行的指令来加以执行。指令可以包含具有计算机可访问的介质的任何合适的数据存储设备，如但不限于计算机磁盘、CD ROM或DVD，具有计算机可使用的介质并且上面存储了程序代码，DASD阵列、磁带、常规硬盘驱动器、电子只读存储器或光存储设备。

总之，描述了文本的附近的可视反馈机制，以指出文本的一部分(或整个文档)的解释的含义，以便使用户验证所选择的含义是否正确。此外，该机制可以提供用于说明文本的准确含义的装置。

虽然是参考优选实施例显示和特别描述本发明的，但是本领域普通技术人员将理解，在不偏离本发明的精神和范围的情况下，可以进行各种修改。相应地，所说明的发明只是说明性的，并局限于下面的权利要求所说明的范围内。

Claims (40)

1.一种用于消除文档的一部分的歧义的方法，包括：

根据基于上下文的最可能的解释按等级顺序在文档的所述部分附近呈现文档的所述部分的至少两个备用的解释的含义的指示，所述指示是图标；

响应被选择的解释的含义之一，显示所选择的解释的含义的指示。

2.根据权利要求1所述的方法，其中，选择是用户通过输入设备选择其中一个指示来进行的。

3.根据权利要求2所述的方法，其中，选择是自动的。

4.根据权利要求3所述的方法，其中，选择是通过在没有用户输入的情况下接受第一个列出的解释来确定的。

5.根据权利要求1所述的方法，其中，对所述文档部分消除歧义将会导致文档的另一部分的解释的含义被更新。

6.根据权利要求1所述的方法，其中，所述文档部分是文本。

7.根据权利要求6所述的方法，其中，所述指示是具有关联的代码以激活指定的功能的图标。

8.根据权利要求6所述的方法，其中，所述含义通过查找关键字来进行解释。

9.根据权利要求6所述的方法，其中，所述含义通过检查文档内的上下文来进行解释。

10.根据权利要求6所述的方法，其中，所述含义通过使用文本中的词作为对数据库进行查询的源来进行解释。

11.根据权利要求1所述的方法，其中，所述文档部分是图像。

12.根据权利要求11所述的方法，其中，关于所述解释的含义的指示被覆盖在图像上。

13.根据权利要求12所述的方法，其中，关于所述解释的含义的指示被覆盖在图像上，以使图像的主要部分不能被看到。

14.根据权利要求1所述的方法，其中，所述指示是没有任何关联的代码的符号。

15.根据权利要求1所述的方法，其中，所述指示是具有关联的代码以激活指定的功能的图标。

16.根据权利要求1所述的方法，其中，所述指示表明有一个以上可能的含义。

17.根据权利要求16所述的方法，其中，所述指示包括箭头和加号中的至少一个。

18.根据权利要求16所述的方法，基于文档内的上下文，来对可能的含义进行排序。

19.根据权利要求16所述的方法，基于文档外部的相关的信息，来对可能的含义进行排序。

20.根据权利要求1所述的方法，其中，所述文档部分按照它被创建时的样子来解释。

21.一种用于消除文档的一部分的歧义的设备，所述设备包括：

用于根据基于上下文的最可能的解释按等级顺序在文档的所述部分附近呈现文档的所述部分的至少两个备用的解释的含义的指示的装置，其中所述指示是图标；

用于响应被选择的解释的含义之一，显示所选择的解释的含义的指示的装置。

22.根据权利要求21所述的设备，其中，选择是用户通过输入设备选择其中一个指示来进行的。

23.根据权利要求21所述的设备，其中，选择是自动的。

24.根据权利要求23所述的设备，其中，选择是通过在没有用户输入的情况下接受第一个列出的解释来确定的。

25.根据权利要求21所述的方法，其中，对所述文档部分消除歧义将会导致文档的另一部分的解释的含义被更新。

26.根据权利要求21所述的设备，其中，所述文档部分是文本。

27.根据权利要求26所述的设备，其中，所述指示是具有关联的代码以激活指定的功能的图标。

28.根据权利要求26所述的设备，其中，所述含义通过查找关键字来进行解释。

29.根据权利要求26所述的设备，其中，所述含义通过检查文档内的上下文来进行解释。

30.根据权利要求26所述的设备，其中，所述含义通过使用文本中的词作为对数据库进行查询的源来进行解释。

31.根据权利要求21所述的设备，其中，所述文档部分是图像。

32.根据权利要求31所述的设备，其中，关于所述解释的含义的指示被覆盖在图像上。

33.根据权利要求32所述的设备，其中，关于所述解释的含义的指示被覆盖在图像上，以使图像的主要部分不能被看到。

34.根据权利要求21所述的设备，其中，所述指示是没有任何关联的代码的符号。

35.根据权利要求21所述的设备，其中，所述指示是具有关联的代码以激活指定的功能的图标。

36.根据权利要求21所述的设备，其中，所述指示表明有一个以上可能的含义。

37.根据权利要求36所述的设备，其中，所述指示包括箭头和加号中的至少一个。

38.根据权利要求36所述的设备，基于文档内的上下文，来对可能的含义进行排序。

39.根据权利要求36所述的设备，基于文档外部的相关的信息，来对可能的含义进行排序。

40.根据权利要求21所述的设备，其中，所述文档部分按照它被创建时的样子来解释。

Images