[发明专利]一种文档纠错标记方法

摘要

本发明涉及一种文档纠错标记方法，属于信息处理技术领域。本发明先将待纠错文档以分隔符划分为小颗粒集合形式，通过特定的分词算法对所有集合元素进行分词操作，之后根据英文单词数据库查找是否存在英文单词的拼写错误并记录，然后计算所有词集合的词长度，若存在连续多个独立词，即存在连续多个词的长度都为1，则记录至错误词集合中，最后通过错误词集合中的数据对待纠错文档进行错误标记，生成已纠错文档并导出。本发明与现有技术相比，主要解决了现有技术对除英文外的其他语言支持性差，特别是针对中文文档的纠错标记不完善、支持性差等现象，致力于增加目前依靠计算机对中文文档进行纠错标记的支持性。

主权项

一种文档纠错标记方法，其特征在于,具体包括以下步骤：Step1：获取待纠错文档X；Step2：对待纠错文档X以分隔符划分为集合形式，即将待纠错文档X拆分为X:{X₁,X₂,…,X_n}；Step3：对待纠错文档X的集合元素X_i,i∈[1,n]，将该元素通过分词算法进行分词，得到待纠错文档X的集合元素X_i所对应的词集合X_i:{x_i1,x_i2,…,x_im}；Step4：遍历词集合X_i:{x_i1,x_i2,…,x_im}中的元素x_ij,j∈[1,m]，若x_ij为英文单词，则查找英文单词数据库，若该词存在，则忽略，若该词不存在，则将该词下标ij记录至错误词集合ERROR中；Step5：遍历词集合X_i:{x_i1,x_i2,…,x_im}中的元素x_ij,j∈[1,m]，对元素x_ij求其长度len_ij，并生成词集合X_i:{x_i1,x_i2,…,x_im}所对应的长度集合len_i:{len_i1,len_i2,…,len_im}；Step6：定义纠错阈值P，遍历长度集合len_i:{len_i1,len_i2,…,len_im}，若存在连续多个独立词，即连续P个及P以上个len_ij,j∈[1,m]为1，则将这P个len_ij所对应的下标ij记录至错误词集合ERROR中；Step7：遍历待纠错文档X集合形式X:{X₁,X₂,…,X_n}中所有元素X_i,i∈[1,n]，进行步骤Step3、Step4、Step5、Step6的操作；Step8：根据错误词集合ERROR中的下标数据ij，在待纠错文档X的指定位置处将文本下方加红色波浪线，生成已纠错文档X'并导出。