一种文本标注方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114282495A(43)申请公布日2022.04.05(21)申请号202011039938.6(22)申请日2020.09.28(71)申请人京东科技信息技术有限公司地址100176北京市北京经济技术开发区科创十一街18号院2号楼6层601(72)发明人郝悦文茉莉王建军杨杨刘甲文董豪豪李艳学熊晨序贾俊蕊张佳佳刘香君李江宁(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人郝红玉冯培培(51)Int.Cl.G06F40/117(2020.01)G06F40/166(2020.01)G06F16/903(2019.01)权利要求书2页说明书15页附图7页(54)发明名称一种文本标注方法和装置(57)摘要本发明公开了一种文本标注方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：响应于对目标文本中文本内容的选区操作，获取选区的焦点、锚点、焦点相对位置和锚点相对位置；分别处理焦点相对位置和锚点相对位置，根据得到的焦点绝对位置和锚点绝对位置，确定选区的绝对位置；将文本内容存储到页面标签内、以及将绝对位置添加至页面标签的属性中，将页面标签写入文本树结构中与选区对应的位置，以对文本内容进行打标展示。该实施方式提供一种可应用于带空格和回车换行的跨行/跨段落的文本标注工具，确定选区对于整个文本的绝对位置，便于后续NLP准确查找指定文本内容，提高训练准确性。CN114282495ACN114282495A权利要求书1/2页1.一种文本标注方法，其特征在于，包括：响应于对目标文本中文本内容的选区操作，获取所述选区的焦点、锚点、焦点相对位置和锚点相对位置；分别处理焦点相对位置和锚点相对位置，根据得到的焦点绝对位置和锚点绝对位置，确定所述选区的绝对位置；其中，绝对位置为相对于文本树结构中根节点的位置，文本树结构基于所述目标文本构建；将所述文本内容存储到页面标签内、以及将绝对位置添加至所述页面标签的属性中，将所述页面标签写入所述文本树结构中与所述选区对应的位置，以对所述文本内容进行打标展示。2.根据权利要求1所述的方法，其特征在于，在所述响应于对目标文本中文本内容的选区操作之前，还包括：响应于在浏览器中对所述目标文本的选择上传操作，在浏览器中显示所述目标文本中的文本内容；通过正则匹配方式，将所述目标文本中的空格替换为第一字符、将回车换行替换为第二字符、将小于数学符号替换为第三字符以及将大于数学符号替换为第四字符。3.根据权利要求1所述的方法，其特征在于，所述获取所述选区的焦点、锚点、焦点相对位置和锚点相对位置，包括：判断焦点父节点下是否存在位于所述选区之前的兄弟选区，若存在，则将焦点相对于兄弟选区的位置作为焦点相对位置，否则将焦点相对于焦点父节点的位置作为焦点相对位置；以及判断锚点父节点下是否存在位于所述选区之前的兄弟选区，若存在，则将锚点相对于兄弟选区的位置作为锚点相对位置，否则将锚点相对于锚点父节点的位置作为锚点相对位置。4.根据权利要求3所述的方法，其特征在于，所述分别处理焦点相对位置和锚点相对位置，包括：若焦点相对位置为焦点相对于兄弟选区的位置，则累加焦点相对位置与兄弟选区的绝对位置，得到焦点绝对位置；或若焦点相对位置为焦点相对于焦点父节点的位置，则累加焦点相对位置与焦点父节点的绝对位置，得到焦点绝对位置；以及若锚点相对位置为锚点相对于兄弟选区的位置，则累加锚点相对位置与兄弟选区的绝对位置，得到锚点绝对位置；或若锚点相对位置为锚点相对于锚点父节点的位置，则累加锚点相对位置与锚点父节点的绝对位置，得到锚点绝对位置。5.根据权利要求4所述的方法，其特征在于，在所述分别处理焦点相对位置和锚点相对位置之前，还包括：比对焦点父节点和锚点父节点是否相同，若相同，则确定所述选区中的文本内容处于同一父节点下；遍历与父节点对应的对象数组，获取与焦点对应的焦点索引值和与锚点对应的锚点索引值；2CN114282495A权利要求书2/2页若焦点索引值大于锚点索引值，则确定对所述选区的操作顺序为逆向，对调焦点和锚点的值以及焦点相对位置和锚点相对位置的值。6.根据权利要求4所述的方法，其特征在于，在所述分别处理焦点相对位置和锚点相对位置之前，还包括：比对焦点父节点和锚点父节点是否相同，若不同，则确定所述选区中的文本内容不处于同一父节点下；在所述根据得到的焦点绝对位置和锚点绝对位置，确定所述选区的绝对位置之前，还包括：若焦点绝对位置小于锚点绝对位置，则对调焦点和锚点的值以及焦点绝对位置和锚点绝对位置的值。7.根据权利要求1所述的方法，其特征在于，所述对所述文本内容进行打标展示，还包括：通过选择对象的内容克隆方法，生成与所述选区中文本内容对应的页面内容，判断所述文本内容是