用于文档构造的文本分段和主题注释

摘要

本发明涉及一种方法、计算机程序产品和计算机系统，用于通过利用对注释的训练数据进行训练的统计模型来构造未结构化的文本。文本的每个段，其中文本被分段，还被分配给与一组标签相关的主题。用于文本分段和主题分配的统计模型及其与文本段相关的标签清楚地说明了：文本段与主题之间的相关性，各段之间的主题转变，文档内的主题位置以及(取决于主题的)段长度。因此，训练数据的结构信息被开发，以便执行未知文本的分段和注释。