基于专有分类法的Word数据标注及知识图谱导入工具与自研可行性问询

需求概述 #

我方有一批敏感领域文档撰写专家，必须使用Word工具，需实现以下工作流：

• 专家在Word内完成文档撰写
• 高亮文本标注为实体，按需添加符合ontology规范的关系；支持NER（实体识别）、关系检测的推荐标注及主动学习功能
• 解析文档提取三元组导入知识图谱，标注信息嵌入XML但保持Word文档正常可读

现有工具适配情况 #

目前没有完全匹配需求的工具，各类型工具的局限性如下：

• 常规Word标注插件：仅支持参考文献、教学批注类功能，无知识图谱相关的实体/关系标注能力
• WordPress插件：不适用于敏感长文档的本地撰写场景
• Prodigy、doccano：仅针对已完成的文档做标注，无法嵌入实时撰写流程
• 图数据库厂商工具：侧重自动识别，不支持专家在Word内手动标注+辅助推荐的一体化工作流

解决方案建议 #

现有工具替代：无完全匹配选项 #

由于需求属于撰写+标注一体化+敏感场景下Word原生适配的垂直细分场景，目前商用/开源工具均无法覆盖全部需求，建议考虑自研Word Add-In。

自研Word Add-In的技术可行性 #

核心功能实现路径

1. 标注交互模块
   • 基于Office JS API开发：实现文本高亮、侧边栏标注面板，专家选中文本后可直接选择ontology定义的实体类型，关联已标注实体添加关系
   • 辅助标注功能：Add-In可调用本地/内网部署的NER、关系检测模型API，实时返回推荐标注结果，支持一键确认；主动学习模块可收集专家的标注数据，定期迭代模型优化推荐精度
2. 标注存储模块
   • 利用Word的**自定义XML部件（Custom XML Parts）**存储标注元数据（实体ID、类型、关系、三元组信息），该数据仅在Add-In解析时调用，不会影响Word文档的正常阅读和编辑
   • 文本高亮效果通过Word自定义样式实现，保持文档的可读性
3. 解析导出模块
   • 通过Office JS API读取自定义XML部件中的标注数据，提取结构化三元组，导出为RDF/JSON-LD等知识图谱兼容格式，直接导入目标图数据库

敏感场景适配

• 数据本地化：Add-In支持本地/内网部署，所有标注数据仅存储在Word文档内部，无需上传至第三方服务器，满足敏感领域的数据安全要求
• 权限管控：可在Add-In内添加角色权限机制，限制不同用户的标注、修改权限

技术门槛说明

• 前端：需掌握Office JS API，可使用React/Vue等框架开发Add-In的交互界面
• 后端（可选）：若集成AI辅助标注功能，需搭建本地模型服务，可基于PyTorch/TensorFlow开发轻量模型，或部署开源预训练模型
• 兼容性：Office JS API支持Word 2016及以上版本，适配Windows、macOS、Web版Word，覆盖主流使用场景

内容的提问来源于stack exchange，提问作者illiter8