CN102521377B - 从文档处理***的文档集合中筛选优质文档的方法及*** - Google Patents

Abstract

本发明提供了一种从文档处理***的文档集合中筛选出优质文档的方法，该方法包括：A.为文档集合中所有文档设置初始分值；B.从所述文档集合中随机抽取两个文档，并接收针对所述两个文档的判断结果，根据所述判断结果分别修改所述两个文档的初始分值；C.重复步骤B，直至遍历至少部分所述文档集合；D.根据所述文档的得分对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。相应地，本发明还提供了一种从文档处理***的文档集合中筛选出优质文档的***。实施本发明有助于提高从文档集合中筛选出优质文档的准确性。

Description

从文档处理***的文档集合中筛选优质文档的方法及***

技术领域

本发明涉及电子文档处理领域，尤其涉及一种从文档处理***的文档集合中筛选优质文档的方法及***。

背景技术

随着计算机技术的发展，人们保留文件的方法开始由传统的纸质文件储存转变为更为方便快捷的电子文档存储。电子文档不仅可以存储资料的正文内容，还可以携带各种相关的文档属性。由于文档管理***得到了广泛应用，用户不仅可以依靠其处理大量的文档信息，还可以快捷地根据需求从中进行检索以提取用户所需的特定文档。

面对文档管理***中存储的大量电子文档，一些应用场景中用户期望从中筛选出优质文档作为基准文档或标准文档，目前通常的方法是用户为每一文档单独评分，最后统计得出每一文档的最终得分，然后根据该最终得分筛选出优质文档，然而这种方法使得用户在每一次评分时缺乏对比文档，因此每次评分均是一个独立评价过程，每一文档的最终得分受人为因素影响浮动较大。尤其随着电子文档数量的日益庞大，这一缺陷更加明显，采用这种方法往往难以精准地筛选出所述优质文档。

发明内容

本发明的目的在于提供一种从文档处理***的文档集合中筛选优质文档的方法及***，以实现可对比地筛选优质文档的过程，以及获得较为准确的筛选结果。

为达到上述目的，一方面，本发明提供了一种从文档处理***的文档集合中筛选出优质文档的方法，该方法包括：

A.为文档集合中所有文档设置初始分值；

B.从所述文档集合中随机抽取两个文档，并接收针对所述两个文档的判断结果，根据所述判断结果分别修改所述两个文档的初始分值；

C.重复步骤B，直至遍历至少部分所述文档集合；

D.根据所述文档的得分对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。

另一方面，本发明提供了一种从文档处理***的文档集合中筛选出优质文档的***，该***包括：

抽取模块，用于从所述文档集合中随机抽取两个文档发送至判断模块，重复上述步骤，直至遍历至少部分所述文档集合；

判断模块，用于接收所述两个文档，并生成针对所述两个文档的判断结果；

评分模块，用于为所述文档集合中所有文档设置初始分值，接收所述判断结果并根据每次所述判断结果修改所述两个文档的初始分值；

排序模块，用于根据所述文档的得分对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。

本发明提供的从文档处理***的文档集合中筛选优质文档的方法及***，每次随机从文档集合中抽取两个文档进行对比评分，使得每一次的评分都具有参照基准，每一评分过程具有可对比性，其所得结果也更为客观和准确，最终提高了筛选出优质文档的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是根据本发明的从文档处理***的文档集合中筛选优质文档的方法的一种具体实施方式的流程图；

图2至图3是图1示出的具体实施方式的一个具体实施场景的示意图；

图4是图1示出的具体实施方式的优选具体实施场景的示意图；

图5是根据本发明的从文档处理***的文档集合中筛选优质文档的***的一个具体实施方式的结构示意图；

图6是本发明的从文档处理***的文档集合中筛选优质文档的***的一个优选具体实施方式的结构示意图；

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

首先请参考图1，图1是根据本发明的从文档处理***的文档集合中筛选优质文档的方法的一种具体实施方式的流程图，该方法包括：

步骤S100，为文档集合中所有文档设置初始分值；

步骤S200，从所述文档集合中随机抽取两个文档，并接收针对所述两个文档的判断结果，根据所述判断结果分别修改所述两个文档的初始分值；

步骤S300，重复步骤B，直至遍历至少部分所述文档集合；

步骤S400，根据所述文档的得分对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。

具体地，分别对步骤S100至步骤S400进行说明。所述文档集合指的是存储在文档管理***中的多个电子文档构成的集合，电子文档是指人们在社会活动中形成的，以计算机盘片、磁盘和光盘等化学磁性材料为载体的文字材料。依赖计算机***存取并可在通信网络上传输，其主要形式包括电子文书、电子信件、电子报表、电子图纸等等。如果没有特别说明，本说明书中提及的术语“文档”均是指所述电子文档。

在步骤S100中，为所述文档集合中的所有文档设置初始分值，具体地，分别为所述文档集合中的每一文档设置初始分值，本方法在最终步骤中根据每一所述文档的得分进行排序，在步骤S100的后续步骤中每一所述文档的初始分值将进行修改。典型地，如果是初次对所述文档集合进行排序，应为所有所述文档设置相同的初始分值；如果所述文档已进行预排序，则所述文档的初始分值可能彼此之间存在差异。所述初始分值可设置为所述文档的附加文档属性并与所述文档一起存储在所述文档管理***中，也可以单独建立数据表来存储该初始分值，所述数据表存储在文档管理***中或独立数据库中供调用。

在步骤S200中，依靠计算机软件/硬件逻辑程序从所述文档集合中随机抽取两个文档，由于所述抽取过程随机选择所述文档，则所述文档集合中的每一文档都具有相同的抽取概率。在一些实施例中，可提高所述文档集合中部分文档的抽取概率。例如，经过数轮抽取，未被抽到的文档的抽取概率可以被提高，以增加遍历所述文档集合的机会。接下来对所述两个文档进行区别判断，一方面，可根据预定规则进行自动化判定生成所述判断结果，即所述区别判断的过程可以由计算机软件/硬件逻辑程序自动化实现，例如所述计算机软件/硬件逻辑程序根据预定规则调用并分析所述文档的引用次数、好评次数和/或翻阅次数等统计参数，并发出针对所述两个文档的判断结果；另一方面，可根据用户的操作生成所述判断结果，即所述区别判断的过程可由人工完成，例如在计算机外部设备上显示所述两个文档，并根据用户针对所述两个文档的判断操作生成所述判断结果。在另一个实施例中，所述判断结果可以综合所述人工区别判断和所述自动化区别判断而生成。

典型地，所述判断结果是所述两个文档之间优平劣关系的比较结果。相应地，一方面，在所述自动化区别判断的过程中，其实施方法可以是：将所述两个文档中统计参数占据优势的文档的判断为优质文档，另一所述文档判断为劣质文档；当所述两个文档的统计参数的差异浮动在某一阈值范围内时，则将所述两个文档判断为打平。另一方面，在所述人工区别判断的过程中，由于用户（自然人操作者）的参与，所述用户可以直接在计算机外部设备上阅读所述两个文档所包含的文字材料内容，然后根据其自然语义含义以及上下文内容判断所述两个文档的优平劣关系，并操作计算机外部设备发出指令以生成所述优平劣关系的比较结果。

继续进行步骤S200，根据所述判断结果分别修改所述两个文档的初始分值，以所述判断结果是所述两个文档之间优平劣关系的比较结果为例，增加所述两个文档中优质文档的初始分值的数值和/或减小两者中劣质文档的初始分值的数值；若出现所述两个文档打平的情况，则刷新所述初始分值，但不对所述初始分值的数值进行更改。

优选地，在本方法中可以使多个步骤S200并行执行，从所述文档集合中随机抽取多组文档（两个作为一组）进行所述区别判断以分别生成所述判断结果。例如一个计算机软件/硬件逻辑程序的多个线程分别针对每一组两个文档实现所述自动化区别判断过程并分别生成对应的多个判断结果，然后分别根据所述判断结果修改对应的文档的初始分值，或多个独立的计算机软件/硬件逻辑程序分别针对每一组两个文档实现所述自动化区别判断过程并生成对应的多个判断结果（所述多个独立的计算机软件/硬件逻辑程序分别运行在不同的计算机设备上），然后分别根据所述判断结果修改对应的文档的初始分值；也可以是多个计算机外部设备分别展示不同的每一组两个文档，并分别接收用户针对每一组两个文档的所述判断结果，再分别根据所述判断结果修改对应的文档的初始分值。

接下来进行步骤S300，即重复步骤S200，直至遍历至少部分所述文档集合。在理想情况下，完成步骤S300后已遍历所述文档集合，这样可以保证该文档集合中每一所述文档均参与所述区别判断的过程，并使各文档的得分具有可对比性。需要注意的是所述文档集合的容量是可能可扩容的，因此其中包括的文档的数量可能不定，一种情况中，当所述文档集合中包括的文档的数量较大时，采用人工区别判断或自动化区别判断可能无法在限定的时间内遍历所述文档集合，这样造成了步骤S300的执行时间过长；另一种情况中，该方法的实施者根据其应用需求考虑，可能期望多次排序后才遍历所述文档集合。基于上述考虑，在步骤S300中可以设置为遍历所述文档集合的一个子集即结束步骤S300，便于步骤S400的执行，以减小步骤S400的等待时间或满足所述实施者的应用需求。在一个典型的实施例中，由于用户更关心较优文档的排序而不太关心较劣文档的排序，因此经过一轮抽取后，第二轮抽取的范围仅限于其得分超过特定阈值的所述文档。

最后执行步骤S400，根据所述文档的初始分值对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。具体地，根据每一所述文档的得分可以在数学逻辑上实现对所述文档集合中所有文档的排序，特别地，可以预先定义一特定阈值，并将所述文档集合中排名靠前或得分超过特定阈值的文档标注为优质文档。

一种典型的实施场景中，图1中示出的步骤S100至步骤S400基于互联网或局域网的计算机***实现，该***由服务器和至少一台终端构成。以所述步骤S200中采用人工区别判断方法生成所述判断结果为例，所述服务器上运行所述文档管理***，在步骤S200中所述服务器从所述文档集合中随机抽取所述两个文档，将该两个文档发送至终端上显示；用户使用所述终端浏览所述两个文档，并使用所述终端的外部设备发出操作指令以生成所述判断结果，所述服务器接收所述终端针对所述两个文档的判断结果，再根据所述判断结果分别修改所述两个文档的初始分值。结合图2至图3进行参考，图2至图3是图1示出的具体实施方式的一个具体实施场景的示意图。如图2所示，文档管理***100运行在服务器上，文档管理***100中存储了由大量文档10构成的文档集合，所述服务器为该文档集合中每一文档10设置初始分值。进一步地，所述服务器从所述文档集合中随机抽取两个文档，分别是文档11和文档12，然后将两者通过互联网或局域网发送给终端200。图3示出了在B/S（Browser/Server，浏览器/服务器）结构下终端200的显示器显示的一种典型的文档11和文档12的计算机图形浏览界面，所述服务器通过网络协议将文档11和文档12的数据传输给终端200并在终端200上启动浏览器界面210中显示，该浏览器界面210中显示的内容包括文档11和文档12所包含的文字材料内容，终端200的操作者可以直观地查看文档11和文档12的正文内容，为了便于所述操作者发出指令以生成所述判断结果，在浏览器界面210内设置了用户操作接口，包括网页控件211、网页控件212和网页控件213，所述操作者通过操作所述用户操作接口即可发出相应地的指令以生成所述优劣平的比较结果。例如，若所述操作者使用鼠标点击网页控件211“文档1胜出”，其发出的指令生成的判断结果是将文档11和文档12两者中的文档11判断为优质文档，而将文档12判断为劣质文档；容易理解地，若所述操作者使用鼠标点击网页控件212“文档2胜出”，其发出的指令生成的判断结果是将文档11和文档12两者中的文档12判断为优质文档，而将文档11判断为劣质文档；若所述操作者使用鼠标点击网页控件213“双方打平”，其发出的指令生成的判断结果是判定文档11和文档12打平。终端200上的浏览器程序将所述操作者操作所述用户操作接口生成的判断结果反馈给所述服务器以便于所述服务器根据该判断结果对文档11和文档12的初始分值进行修改。重复上述过程，直至遍历至少部分所述文档集合。

请参考图4，图4是图1示出的具体实施方式的优选具体实施场景的示意图，为满足实现多个步骤S200并行执行，在该优选具体实施场景中，所述服务器与多个终端200进行通信，所述服务器从所述文档集合中随机抽取两个文档形成一组，并分别将每一组文档发送至一个终端200上显示，最后分别接收每一终端200响应的判断结果以与其修改对应的文档的初始分值。每一终端200上进行人工区别判断的过程可以参考前文中对图3的说明。在该具体实施场景中，每一终端200的操作者是独立的自然人，因此最终所述文档集合的排序结果综合了多个自然人的影响因素，并可能地减小了由于个人主观行为造成的排序误差。

相应地，本发明还提供了一种从文档处理***的文档集合中筛选出优质文档的***，请参考图5，图5是根据本发明的从文档处理***的文档集合中筛选优质文档的***400的一个具体实施方式的结构示意图，该***400包括：

抽取模块410，用于从所述文档集合中随机抽取两个文档发送至判断模块420，重复上述步骤，直至遍历至少部分所述文档集合；

判断模块420，用于接收所述两个文档，并生成针对所述两个文档的判断结果；

评分模块430，用于为所述文档集合中所有文档设置初始分值，接收所述判断结果并根据每次所述判断结果修改所述两个文档的初始分值；

排序模块440，用于根据所述文档的得分对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。

具体地，所述文档集合存储在文档管理***100内，***400与文档管理***100进行通信。

所述判断结果根据针对所述两个文档的区别判断生成，一方面，可根据预定规则进行自动化判定生成所述判断结果，即所述区别判断的过程可以由判断模块420内包括的计算机软件/硬件逻辑程序自动化实现，例如所述计算机软件/硬件逻辑程序根据预定规则调用并分析所述文档的引用次数、好评次数和/或翻阅次数等统计参数，并发出针对所述两个文档的判断结果；另一方面，可根据用户的操作生成所述判断结果，即所述区别判断的过程可由人工完成，例如判断模块420在计算机外部设备上显示所述两个文档，并根据用户针对所述两个文档的判断操作生成所述判断结果。在另一个实施例中，所述判断结果可以综合所述人工区别判断和所述自动化区别判断而生成。

典型地，所述判断结果是所述两个文档之间优平劣关系的比较结果。相应地，一方面，在所述自动化区别判断的过程中，其实施方法可以是：将所述两个文档中统计参数占据优势的文档的判断为优质文档，另一所述文档判断为劣质文档；当所述两个文档的统计参数的差异浮动在某一阈值范围内时，则将所述两个文档判断为打平。另一方面，在所述人工区别判断的过程中，由于用户（自然人操作者）的参与，所述用户可以直接在计算机外部设备上阅读所述两个文档所包含的文字材料内容，然后根据其自然语义含义以及上下文内容判断所述两个文档的优平劣关系，并操作计算机外部设备发出指令以生成所述优平劣关系的比较结果。

优选的实施例中，***400实施为B/S结构，其运行在基于互联网或局域网的计算机***上，该***由服务器400和至少一台终端200构成。其中，抽取模块410、评分模块430和排序模块440设置在服务器300中，判断模块420设置在终端200中。在一个实施例中，文档管理***100也集成在服务器300中。

优选地，如图6所示，图6是本发明的从文档处理***的文档集合中筛选优质文档的***的一个优选具体实施方式的结构示意图，***400中包括多个判断模块410，该多个判断模块410分别设置在多个终端200内，每一判断模块410独立工作，当***400运行时，该多个判断模块410并行工作。

在优选的实施例中，***400实施为计算机程序产品，上述计算机程序产品的实施例可以通过使用用于计算机可读信息的任何记录介质来实现，所述记录介质包括磁介质、光介质或其他适合的介质。

本发明提供的从文档处理***的文档集合中筛选优质文档的方法可以使用可编程逻辑器件来实现，也可以实施为计算机程序软件，例如根据本发明的实施例可以是一种计算机程序产品，运行该程序产品使计算机执行用于所示范的方法。所述计算机程序产品包括计算机可读存储介质，该介质上包含计算机程序逻辑或代码部分，用于从文档处理***的文档集合中筛选优质文档的方法的各个步骤。所述计算机可读存储介质可以是被安装在计算机中的内置介质或者可从计算机主体拆卸的可移动介质（例如热拔插技术存储设备）。所述内置介质包括但不限于可重写的非易失性存储器，例如RAM、ROM、快闪存储器和硬盘。所述可移动介质包括但不限于：光存储媒体（例如CD-ROM和DVD）、磁光存储媒体（例如MO）、磁存储媒体（例如盒带或移动硬盘）、具有内置的可重写的非易失性存储器的媒体（例如存储卡）和具有内置ROM的媒体（例如ROM盒）。

本领域技术人员应当理解，任何具有适当编程装置的计算机***都将能够执行包含在程序产品中的本发明的方法的诸步骤。尽管本说明书中描述的多数具体实施方式都侧重于软件程序，但是作为固件和硬件实现本发明提供的方法的替代实施例同样在本发明要求保护的范围之内。

本发明提供的从文档处理***的文档集合中筛选优质文档的方法及***，每次随机从文档集合中抽取两个文档进行对比评分，使得每一次的评分都具有参照基准，每一评分过程具有可对比性，其所得结果也更为客观和准确，最终提高了筛选出优质文档的准确性。

以上所揭露的仅为本发明的一些较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (7)

1.一种从文档处理***的文档集合中筛选出优质文档的方法，该方法包括：

A.服务器对文档处理***的文档集合中所有文档设置初始分值；

B.所述服务器从所述文档集合中随机抽取两个文档，将该两个文档发送至终端上显示，并接收所述终端针对所述两个文档的判断结果，再根据所述判断结果分别修改所述两个文档的初始分值，其中所述判断结果根据预定规则进行自动化判定生成；

C.重复步骤B，直至遍历至少部分所述文档集合；

D.所述服务器根据所述文档的得分对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。

2.根据权利要求1所述的方法，该方法还包括：

多个步骤B并行执行。

3.根据权利要求1所述的方法，其中，所述判断结果包括：

所述两个文档之间优平劣关系的比较结果。

4.一种从文档处理***的文档集合中筛选出优质文档的***，该***包括：

抽取模块，用于从所述文档集合中随机抽取两个文档发送至判断模块，重复上述步骤，直至遍历至少部分所述文档集合；

判断模块，用于接收所述两个文档，并生成针对所述两个文档的判断结果，其中所述判断结果根据预定规则进行自动化判定生成；

评分模块，用于为所述文档集合中所有文档设置初始分值，接收所述判断结果并根据每次所述判断结果修改所述两个文档的初始分值；

排序模块，用于根据所述文档的得分对所述文档集合进行排序处理，并将其中排名靠前或得分超过特定阈值的文档标注为优质文档。

5.根据权利要求4所述的***，其中：

该***包括多个所述判断模块，所述多个判断模块并行工作。

6.根据权利要求4或5所述的***，其中：

所述抽取模块、所述评分模块和所述排序模块设置在服务器中；

所述判断模块设置在与所述服务器通信的终端中。

7.根据权利要求4所述的***，其中，所述判断结果包括：

所述两个文档之间优平劣关系的比较结果。

Images