[发明专利]一种文档纠错标记方法

权利要求书

1.一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；

上述Step1-8中，所涉及的n,m∈N⁺。

2.根据权利要求1所述的文档纠错标记方法，其特征在于：所述步骤Step1中，待纠错文档X为全中文文档或为中英文结合文档或为全英文文档。

3.根据权利要求1所述的文档纠错标记方法，其特征在于：所述步骤Step2中，分隔符为中文或英文状态下的句号、叹号、问号、省略号以及换行符、分页符。

4.根据权利要求1所述的文档纠错标记方法，其特征在于：所述步骤Step3中，分词算法应满足：

a.可以对中文句子进行正常分词；

b.可以对英文单词进行正常分词；

c.可以将一串数字单独列出；

d.可以将标点符号及空格符去除。

5.根据权利要求1所述的文档纠错标记方法，其特征在于：所述步骤Step6中，纠错阈值P的取值范围为P≥3。