CN114594891B - 文档数据处理方法、装置、电子设备及介质 - Google Patents

Abstract

本公开提供了一种文档数据处理方法，涉及计算机技术领域，尤其涉及大数据、知识图谱领域。实现方案为：响应于接收到对文档中的第一字符串的第一选择操作，在文档中确定与第一字符串相对应的至少一个候选字符串，其中，第一字符串具有对应的第一类型标识；响应于接收到对至少一个候选字符串中的第二字符串的第二选择操作，显示与第一类型标识相对应的至少一个第一参考关系；以及响应于接收到对至少一个第一参考关系中的任意一个第一参考关系的第三选择操作，基于该第一参考关系来确定第一字符串和第二字符串两者所对应的第一关系标识。

Description

文档数据处理方法、装置、电子设备及介质

技术领域

本公开涉及计算机技术领域，尤其涉及大数据、知识图谱领域，具体涉及一种文档数据处理的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

文档标注是文档数据处理中的一项基本任务，通过文档标注能够为后续知识图谱构建、神经网络训练等下游任务提供所需的数据基础，因此，高效准确地进行文档标注具有重要的意义。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种文档数据处理的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种文档数据处理方法，包括：响应于接收到对文档中的第一字符串的第一选择操作，在文档中确定与第一字符串相对应的至少一个候选字符串，其中，第一字符串具有对应的第一类型标识；响应于接收到对至少一个候选字符串中的第二字符串的第二选择操作，显示与第一类型标识相对应的至少一个第一参考关系；以及响应于接收到对至少一个第一参考关系中的任意一个第一参考关系的第三选择操作，基于该第一参考关系来确定第一字符串和第二字符串两者所对应的第一关系标识。

根据本公开的另一方面，提供了一种文档数据处理装置，包括：第一确定单元，被配置用于响应于接收到对文档中的第一字符串的第一选择操作，在文档中确定与第一字符串相对应的至少一个候选字符串，其中，第一字符串具有对应的第一类型标识；第一显示单元，被配置用于响应于接收到对至少一个候选字符串中的第二字符串的第二选择操作，显示与第一类型标识相对应的至少一个第一参考关系；以及第二确定单元，被配置用于响应于接收到对至少一个第一参考关系中的任意一个第一参考关系的第三选择操作，基于该第一参考关系来确定第一字符串和第二字符串两者所对应的第一关系标识。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的方法。

根据本公开的另一方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述的方法。

根据本公开的另一方面，提供一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述的方法。

根据本公开的一个或多个实施例，能够降低对标注者的行业知识要求，提升标注的统一性和可靠性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的文档数据处理方法的流程图；

图3示出了根据本公开的实施例的一种化工行业数据规范操作界面示意图；

图4示出了根据本公开的实施例的一种文档数据处理操作界面示意图；

图5示出了根据本公开的实施例的另一种文档数据处理操作界面示意图；

图6示出了根据本公开的实施例的一种文档数据处理装置的结构框图；以及

图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

通过在文档中对字符串进行类型标注和关系标注，可以从文档的非结构化的原始数据中提取出结构化的数据，支持知识图谱构建、神经网络模型训练等下游任务。以影视行业中的文档为例，文档中的字符串可标注的类型标注可以包括“电影”、“演员”等，“电影”和“演员”之间的关系标注可以包括“主演”等。

在不同的行业中往往存在不同的专业术语，这对标注者进行文档标注提出了很大的挑战。在相关技术中，为了能够胜任某一个行业文档的标注工作，在标注之前标注者需要和行业专业人员进行反复沟通，确定在该行业中的数据规范，如此，才能够在文档中进行正确地标注，这无疑极大地提升了人力成本，降低了标注的效率。同时，由于不同的标注者在语言表达上存在差异，因此，在多个标注者同时进行行业文档标注时，很容易出现标注的标识不统一，标注结果杂乱无章，难以利用的问题。

基于此，本公开提出了一种文档数据处理方法，能够在接收到对文档中的第一字符串的第一选择操作和对第二字符串的第二选择操作之后，基于该第一字符串所对应的第一类型标识，显示至少一个第一参考关系，使得用户可以从该至少一个第一参考关系中，选择用于表示第一字符串和第二字符串之间的关系的第一参考关系，并据此确定第一字符串和第二字符串两者所对应的第一关系标识。由此，能够将标注者对文档的标注方式从“输入”式标注转变为“选择”式标注，大大降低了对标注者的行业知识要求。在多个标注者同时进行行业文档标注时，每个标注者均能够通过在可供选择的至少一个第一参考关系中执行“选择”式标注而提升标注的准确性和一致性。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行文档数据处理的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来输入选择操作。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

图2示出了根据本公开示例性实施例的一种文档数据处理方法的流程图，如图2所示，文档数据处理方法200包括：步骤S201、响应于接收到对文档中的第一字符串的第一选择操作，在文档中确定与第一字符串相对应的至少一个候选字符串，其中，第一字符串具有对应的第一类型标识；步骤S202、响应于接收到对至少一个候选字符串中的第二字符串的第二选择操作，显示与第一类型标识相对应的至少一个第一参考关系；以及步骤S203、响应于接收到对至少一个第一参考关系中的任意一个第一参考关系的第三选择操作，基于该第一参考关系来确定第一字符串和第二字符串两者所对应的第一关系标识。

由此，能够将标注者对文档的标注方式从“输入”式标注转变为“选择”式标注，大大降低了对标注者的行业知识要求。在多个标注者同时进行行业文档标注时，每个标注者均能够通过在可供选择的至少一个第一参考关系中执行“选择”式标注而提升标注的准确性和一致性，避免不同的标注者对同一类目采用不同的语言表达执行标注而造成文档标注混乱，难以被下游任务所利用的问题。

根据一些实施例，第一字符串可以为命名实体。其中，命名实体包括人名、机构名、地名、数字、日期、货币、地址以及其他所有以名称为标识的实体。特别地，候选字符串也可以为命名实体。进而能够基于上述文档数据处理方法200来确定该文档中不同命名实体之间的逻辑关系。

更进一步地，在对一个行业中的大量行业文档执行上述文档数据处理方法200的基础上，能够得到整个行业中不同命名实体之间的逻辑关系，进而构建基于这些逻辑关系的“行业知识”。这些“行业知识”不仅可以用于下游知识图谱的构建，还能够用于对神经网络模型的训练之中，使得神经网络模型能够通过学习这些“行业知识”，而提升对该行业中的文档的理解能力。

根据一些实施例，文档可以为Html格式的文件。在原始文档为其它格式时，可以首先将该原始文档转换为Html格式的文件。

可以理解，上述用于文档数据处理方法200的第一选择操作、第二选择操作和第三选择操作可以采用相同的操作模式，也可以采用不同的操作模式，在此不做限定。例如，上述第一选择操作、第二选择操作和第三选择操作可以但不限于框选、触摸、滑动等。

针对步骤S201，根据一些实施例，第一类型标识可以在文档中与第一字符串相对应的位置处显示。由此，可以通过可视化的方式直观地向标注者展示第一字符串所对应的第一类型标识，有助于标注者对第一字符串的理解。

在一种实施方式中，第一类型标识可以在第一字符串的上、下、左、右的任意一侧显示。

在另一种实施方式中，第一类型标识可以基于对第一字符串的选择，例如鼠标点击或悬停等，而在文档的上层进行显示。

标注者可以预先在文档中标注出多个关键字符串，并且确定每个关键字符串所对应的类型标识。特别地，步骤S201中的第一字符串可以为多个关键字符串中的任意一者，与第一字符串相对应的至少一个候选字符串可以为多个关键字符串中除第一字符串以外的其它所有关键字符串。

根据一些实施例，在确定与第一字符串相对应的至少一个候选字符串之后，根据预设显示模式显示至少一个候选字符串中的每一者，以使至少一个候选字符串中的每一者的显示模式与文档中除至少一个候选字符串以外的其它字符的显示模式不同。

由此，通过差异化的显示方式，便于标注者在文档中查看至少一个候选字符串，进而执行步骤S202中的第二选择操作。

可选地，预设显示模式可以包括高亮、加粗、颜色填充等。

针对步骤S202，标注者可以在至少一个候选字符串中通过第二选择操作来选择第二字符串，进而建立起第一字符串与第二字符串之间的关联关系。

根据一些实施例，响应于接收到对至少一个候选字符串中的第二字符串的第二选择操作，在文档中显示用于表示第一字符串和第二字符串两者之间的关联性的标识符。由此，可以在文档中可视化地展示出第一字符串和第二字符串之间的关联性。

可选地，用于表示第一字符串和第二字符串两者之间的关联性的标识符可以为连线、对第一字符串和第二字符串进行相同的颜色填充、以及对第一字符串和第二字符串进行相同的字体设置中的一种或多种。

根据一些实施例，第一字符串与第二字符串之间的关联关系是有向关系。在这种情况下，标识符可以包括有向连线。由此，可以直观地展示第一字符串与第二字符串之间的方向性。

在一种实施方式中，在第一字符串与第二字符串标识有向连线的方式可以为：点击第一字符串，该第一字符串高亮显示，进入连线模式，引入jsplumb实例instance，使用ready()进行初始化，使用importDefaults()设置连线默认样式；连线模式中除至少一个候选字符串外的其它字符颜色置灰，不可进行选择，在选择了第二字符串后，使用connect()绘制连线关系，同时使用bind()为连线关系绑定点击事件；通过鼠标右击空白处，可以退出当前连线模式，使用deleteEveryConnection()可以删除所有连线。

在另一种实施方式中，在保存连线关系后可以添加图标，表示第一字符串已存在连线关系。

可以理解，为了降低标注者的文档标注难度，可以预先归纳整理出该行业的数据规范，即该行业中的多个第一类型标识，以及与多个第一类型标识中的每一者所对应的至少一个第一参考关系。由此，在标注者从文档中选择了第一字符串和第二字符串之后，可以向标注者展示与第一类型标识相对应的、可供选择的至少一个第一参考关系。标注者无需自己编写第一字符串和第二字符串两者所对应的第一关系标识，而仅需要从至少一个第一参考关系中选择要标注的第一关系标识，大大降低了标注难度，提升了标注的准确性和统一性。

图3示出了根据本公开示例性实施例的一种化工行业数据规范操作界面示意图。如图3所示，可以通过可视化的方式对化工行业中的所有可选的类型标识和每一个类型标识所对应的参考关系进行展示。

图3的左侧示例性地展示了在化工行业文档的标注中所有可选的类型标识。为了便于查看和编辑，对类型标识进行了层级化的归纳整理。例如，类型标识“爆炸极限结构化”可以设置于“结构化数据”的类型标识之中。

在图3的右侧示例性地展示了选中的类型标识“爆炸极限结构化”所对应的两个参考关系，即爆炸下限和爆炸上限，并对每一个参考关系所对应的第二字符串的数值类型和数量进行了限定。

此外，还可以设置“新建类型标识”、“添加参考关系”和对参考关系进行“编辑”的功能键，允许行业数据规范的管理者根据行业的发展变化对行业数据规范进行更新。

根据一些实施例，第一类型标识相对应的至少一个第一参考关系可以通过下拉菜单的形式进行显示。

在一种实时方式中，上述用于显示至少一个第一参考关系的下拉菜单可以包括多个级别。例如，响应于接收到对第二字符串的第二选择操作，显示第一级别的下拉菜单，其中，第一级别的下拉菜单包括多个第一总参考关系；响应于接收到对第一级别的下拉菜单中的任意一个第一总参考关系的选择操作，显示与该第一总参考关系相对应的第二级别的下拉菜单，其中，第二级别的下拉菜单包括多个第一子参考关系。

基于步骤S202所展示的至少一个第一参考关系，标注者可以执行步骤S203，在至少一个第一参考关系中执行第三选择操作，并基于选择的第一参考关系，来确定第一字符串和第二字符串两者所对应的第一关系标识。

根据一些实施例，第一关系标识在文档中与标识符相对应的位置处显示。由此，可以直观地展示出第一字符串和第二字符串之间的关系的类型。

在一种实施方式中，可以编辑已经确定的第一关系标识。具体地，右击第一关系标识处，触发bind方法，获取连线关系信息，第一关系标识下方展示与第一类型标识相对应的、可供选择的至少一个第一参考关系的列表，选择要更改的第一参考关系，完成更改；若未选择点击空白出列表消失。

在一种实施方式中，可以删除已经确定的第一关系标识。具体地，右击第一关系标识处，第一关系标识下方展示与第一类型标识相对应的、可供选择的至少一个第一参考关系的列表，点击取消连线，使用deleteConnectionsForElement()删除该第一关系标识；若未选择点击空白处列表消失。

根据一些实施例，在接收到对文档中的第一字符串的第一选择操作之前，响应于接收到对第一字符串的第四选择操作，显示至少一个参考类型；以及响应于接收到对至少一个参考类型中的任意一个参考类型的第五选择操作，基于该参考类型来确定第一字符串的第一类型标识。

由此，标注者可以在预先建立的行业数据规范中的所有可选的类型标识中执行选择操作，进而将标注者对文档的标注方式从“输入”式标注转变为“选择”式标注，大大降低了对标注者的行业知识要求。在多个标注者同时进行行业文档标注时，每个标注者均能够通过在可供选择的至少一个参考类型中执行“选择”式标注而提升标注的准确性和一致性，避免不同的标注者对同一类目采用不同的语言表达执行标注而造成文档标注混乱，难以被下游任务所利用的问题。

具体地，通过getSelection()方法获取第四选择操作所选中的第一字符串，采用getRangeAt()方法获取选择范围。展示至少一个参考类型的列表，在列表中通过第五选择操作选择参考类型后，selectNodeContents()、setEnd()设置标注位置，完成第一类型标识的标注，列表消失；若未选择参考类型，点击空白处，列表消失。

特别地，第一字符串包含第一子字符串。在第一字符串已经标注了第一类型标识的情况下，可以再对第一子字符串进行标注。其中，对第一字符串和第一子字符串的标注采用不同的样式。

在另一种实施方式中，可以在第一字符串已经标注了第一类型标识的情况下，更改第一字符串的标注。例如，鼠标右击已标注的第一字符串，下方展示至少一个参考类型的列表，选择更改的参考类型后，完成更改，列表消失。

在另一种实施方式中，可以在第一字符串已经标注了第一类型标识的情况下，取消第一字符串的标注。例如，鼠标右击已标注的第一字符串，下方展示至少一个参考类型的列表，点击取消标注，完成取消标注。

图4示出了根据本公开示例性实施例的一种文档数据处理操作界面的截图。如图4所示，当标注者框选出文档中的第一字符串“修正带”时，通过下拉菜单的形式显示可供选择的4个参考类型，即类型A、类型B、类型C和类型D。标注者可以在该下拉菜单中所展示的4个参考类型中进行选择，进而确定该第一字符串的第一类型标识。可以理解，图4中所展示的4个参考类型仅是为了便于表述，本公开不限制通过下拉菜单所展示的参考类型的数量。

在一种实施方式中，针对已经标注了第一类型标识的第一字符串，可以通过渲染技术对该第一字符串进行渲染，以在文档中差异化地显示已经标注了第一类型标识的第一字符串。

具体地，页面初始化用iframe渲染获取的文档，文档渲染完成后使用evaluate()方法配合Range对象中selectNodeContents()、setStart()、setEnd()等方法渲染所有已标注的第一字符串。

图5示出了根据本公开示例性实施例的另一种文档数据处理操作界面的截图。如图5所示，经过标注者对文档的标注，可以在文档上可视化地展示出标注者所标注的类型标识和关系标识。其中，第一字符串“蜡笔”所对应的第一类型标识为“笔”，该第一类型标识在该第一字符串的右侧显示。两个第二字符串“文具盒”也可以在其右侧标注类型标识“容器”。在第一字符串和第二字符串之间，以有向连线作为标识符来显示第一字符串和第二字符串之间的关联性。第一字符串和第二字符串两者所对应的第一关系标识“收纳”在两者之间的有向连线之上显示。

如图5所示，标注者对文档的标注可以实时地、直观地显示在文档上，避免了标注结果和难以与文档内容相对应的情况，便于核查人员对标注结果的核查。

根据一些实施例，在基于该第一参考关系来确定第一字符串和第二字符串两者所对应的第一关系标识之后，响应于第一字符串所对应的第一类型标识变更为第二类型标识，确定与第二类型标识相对应的至少一个第二参考关系；以及响应于第一关系标识与至少一个第二参考关系中的每一者均不对应，确定第一关系标识无效。

由于第一关系标识的正确性与第一类型标识密切相关，因此，在变更第一类型标识时执行第一关系标识的校验，能够有效避免由于第一类型标识的变更而导致的第一关系标识的错误。

根据一些实施例，响应于确定第一关系标识无效，显示关于修改或删除第一关系标识的通知消息。标注者可以基于该通知消息及时进行对第一关系标识的删除或修改，及时纠正文本标注中的错误。

图6示出了根据本公开示例性实施例的一种文档数据处理装置的结构框图，该装置600包括：第一确定单元601，被配置用于响应于接收到对文档中的第一字符串的第一选择操作，在文档中确定与第一字符串相对应的至少一个候选字符串，其中，第一字符串具有对应的第一类型标识；第一显示单元602，被配置用于响应于接收到对至少一个候选字符串中的第二字符串的第二选择操作，显示与第一类型标识相对应的至少一个第一参考关系；以及第二确定单元603，被配置用于响应于接收到对至少一个第一参考关系中的任意一个第一参考关系的第三选择操作，基于该第一参考关系来确定第一字符串和第二字符串两者所对应的第一关系标识。

根据一些实施例，该装置还包括：第二显示单元，被配置用于响应于接收到对至少一个候选字符串中的第二字符串的第二选择操作，在文档中显示用于表示第一字符串和第二字符串两者之间的关联性的标识符。

根据一些实施例，第一关系标识在文档中与标识符相对应的位置处显示。

根据一些实施例，标识符包括有向连线。

根据一些实施例，该装置还包括：第三显示单元，被配置用于在确定与第一字符串相对应的至少一个候选字符串之后，根据预设显示模式显示至少一个候选字符串中的每一者，以使至少一个候选字符串中的每一者的显示模式与文档中除至少一个候选字符串以外的其它字符的显示模式不同。

根据一些实施例，该装置还包括：第四显示单元，被配置用于在接收到对文档中的第一字符串的第一选择操作之前，响应于接收到对第一字符串的第四选择操作，显示至少一个参考类型；以及第三确定单元，被配置用于响应于接收到对至少一个参考类型中的任意一个参考类型的第五选择操作，基于该参考类型来确定第一字符串的第一类型标识。

根据一些实施例，第一类型标识在文档中与第一字符串相对应的位置处显示。

根据一些实施例，该装置还包括：第四确定单元，被配置用于在基于该第一参考关系来确定第一字符串和第二字符串两者所对应的第一关系标识之后，响应于第一字符串所对应的第一类型标识变更为第二类型标识，确定与第二类型标识相对应的至少一个第二参考关系；以及第五确定单元，被配置用于响应于第一关系标识与至少一个第二参考关系中的每一者均不对应，确定第一关系标识无效。

根据一些实施例，该装置还包括：第五显示单元，被配置用于响应于确定第一关系标识无效，显示关于修改或删除第一关系标识的通知消息。

根据一些实施例，第一字符串为命名实体。

根据本公开的实施例，还提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。

根据本公开的实施例，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任意一种方法。

根据本公开的实施例，还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。

参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

电子设备700中的多个部件连接至I/O接口705，包括：输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如文档数据处理方法。例如，在一些实施例中，文档数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM703并由计算单元701执行时，可以执行上文描述的文档数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文档数据处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种由计算机执行的文档数据处理方法，包括：

获得预先标注的多个关键字符串、所述多个关键字符串中的每个关键字符串所对应的多个类型标识、以及与所述多个类型标识中的每个类型标识所对应的至少一个参考关系；

接收对文档中的第一字符串的第一选择操作；

响应于确定所述第一字符串被包括在所述多个关键字符串中，根据所述多个关键字符串，由所述计算机在所述文档中确定与所述第一字符串相对应的至少一个候选字符串，其中，所述至少一个候选字符串是所述多个关键字符串中除所述第一字符串以外的关键字符串；

以预设模式显示所述至少一个候选字符串，以通过差异化的显示方式便于标注者在文档中查看所述至少一个候选字符串，并且以供用户从中进行选择；

根据所述多个关键字符串中的每个关键字符串所对应的类型标识，确定与所述第一字符串对应的第一类型标识；

在所述文档中与所述第一字符串相对应的位置处显示所述第一类型标识；

根据与所述多个类型标识中的每个类型标识所对应的至少一个参考关系，确定与所述第一类型标识对应的至少一个第一参考关系；

响应于接收到对以预设模式显示的所述至少一个候选字符串中的第二字符串的第二选择操作，显示能够被选择的所述至少一个第一参考关系；以及

响应于接收到对所述至少一个第一参考关系中的任意一个第一参考关系的第三选择操作，基于该第一参考关系来确定所述第一字符串和所述第二字符串两者所对应的第一关系标识，并且

所述方法还包括：

在所述接收到对文档中的第一字符串的第一选择操作之前，响应于接收到对所述第一字符串的第四选择操作，显示包括至少一个参考类型的列表；

响应于接收到对所述至少一个参考类型中的任意一个参考类型的第五选择操作，基于该参考类型来确定所述第一字符串的第一类型标识；以及

响应于在未接收到对参考类型的选择时接收到对空白处的点击操作，放弃显示所述包括至少一个参考类型的列表。

2.根据权利要求1所述的方法，还包括：

响应于接收到对所述至少一个候选字符串中的第二字符串的第二选择操作，在所述文档中显示用于表示所述第一字符串和所述第二字符串两者之间的关联性的标识符。

3.根据权利要求2所述的方法，其中，所述第一关系标识在所述文档中与所述标识符相对应的位置处显示。

4.根据权利要求2或3所述的方法，其中，所述标识符包括有向连线。

5.根据权利要求1至3中的任意一项所述的方法，其中，根据预设显示模式显示所述至少一个候选字符串中的每一者包括使得所述至少一个候选字符串中的每一者的显示模式与所述文档中除所述至少一个候选字符串以外的其它字符的显示模式不同。

6.根据权利要求1至3中的任意一项所述的方法，还包括：

在所述基于该第一参考关系来确定所述第一字符串和所述第二字符串两者所对应的第一关系标识之后，响应于所述第一字符串所对应的第一类型标识变更为第二类型标识，确定与所述第二类型标识相对应的至少一个第二参考关系；以及

响应于所述第一关系标识与所述至少一个第二参考关系中的每一者均不对应，确定所述第一关系标识无效。

7.根据权利要求6所述的方法，还包括：

响应于确定所述第一关系标识无效，显示关于修改或删除所述第一关系标识的通知消息。

8.根据权利要求1至3中的任意一项所述的方法，其中，所述第一字符串为命名实体。

9.一种文档数据处理装置，包括：

用于以下操作的单元：

获得预先标注的多个关键字符串、所述多个关键字符串中的每个关键字符串所对应的多个类型标识、以及与所述多个类型标识中的每个类型标识所对应的至少一个参考关系；

接收对文档中的第一字符串的第一选择操作；

第一确定单元，被配置用于：

响应于确定所述第一字符串被包括在所述多个关键字符串中，根据所述多个关键字符串，在所述文档中确定与所述第一字符串相对应的至少一个候选字符串，其中，所述至少一个候选字符串是所述多个关键字符串中除所述第一字符串以外的关键字符串；以及

以预设模式显示所述至少一个候选字符串以通过差异化的显示方式便于标注者在文档中查看所述至少一个候选字符串并且以供用户从中进行选择；

用于以下操作的单元：

根据所述多个关键字符串中的每个关键字符串所对应的类型标识，确定与所述第一字符串对应的第一类型标识；

在所述文档中与所述第一字符串相对应的位置处显示所述第一类型标识；

根据与所述多个类型标识中的每个类型标识所对应的至少一个参考关系，确定与所述第一类型标识对应的至少一个第一参考关系；

第一显示单元，被配置用于响应于接收到对以预设模式显示的所述至少一个候选字符串中的第二字符串的第二选择操作，显示能够被选择的所述至少一个第一参考关系；以及

第二确定单元，被配置用于响应于接收到对所述至少一个第一参考关系中的任意一个第一参考关系的第三选择操作，基于该第一参考关系来确定所述第一字符串和所述第二字符串两者所对应的第一关系标识，并且

所述装置还包括用于以下操作的单元：

在接收到对文档中的第一字符串的第一选择操作之前，响应于接收到对所述第一字符串的第四选择操作，显示包括至少一个参考类型的列表；

响应于接收到对所述至少一个参考类型中的任意一个参考类型的第五选择操作，基于该参考类型来确定所述第一字符串的第一类型标识；以及

响应于在未接收到对参考类型的选择时接收到对空白处的点击操作，放弃显示所述包括至少一个参考类型的列表。

10.根据权利要求9所述的装置，还包括：

第二显示单元，被配置用于响应于接收到对所述至少一个候选字符串中的第二字符串的第二选择操作，在所述文档中显示用于表示所述第一字符串和所述第二字符串两者之间的关联性的标识符。

11.根据权利要求10所述的装置，其中，所述第一关系标识在所述文档中与所述标识符相对应的位置处显示。

12.根据权利要求10或11所述的装置，其中，所述标识符包括有向连线。

13.根据权利要求9至11中的任意一项所述的装置，其中，根据预设显示模式显示所述至少一个候选字符串中的每一者包括使得所述至少一个候选字符串中的每一者的显示模式与所述文档中除所述至少一个候选字符串以外的其它字符的显示模式不同。

14.根据权利要求9至11中的任意一项所述的装置，还包括：

第四确定单元，被配置用于在所述基于该第一参考关系来确定所述第一字符串和所述第二字符串两者所对应的第一关系标识之后，响应于所述第一字符串所对应的第一类型标识变更为第二类型标识，确定与所述第二类型标识相对应的至少一个第二参考关系；以及

第五确定单元，被配置用于响应于所述第一关系标识与所述至少一个第二参考关系中的每一者均不对应，确定所述第一关系标识无效。

15.根据权利要求14所述的装置，还包括：

第五显示单元，被配置用于响应于确定所述第一关系标识无效，显示关于修改或删除所述第一关系标识的通知消息。

16.根据权利要求9至11中的任意一项所述的装置，其中，所述第一字符串为命名实体。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。