一种面向知识管理的自定义知识分类方法

摘要

本发明属于计算机应用技术领域，涉及应用于知识管理系统的一种自定义知识分类方法。本发明的目的是为了解决知识管理系统中，在缺乏标注文本集合的条件下，实现用户自定义分类管理知识的问题，提出了一种基于词匹配的用户自定义的知识分类方法。本方法绕过了训练文本集合标注的难题，通过用《同义词词林》扩展用户自定义关键词，利用Wu-Manber多模式匹配算法来快速匹配关键词，根据关键词在文档中的命中率来判断分类类别。本方法有适应缺乏标注文本的条件，且速度快的特点。

主权项

1.一种面向知识管理的自定义知识分类方法，其特征在于：步骤一、对知识管理系统中相关定义进行说明，具体如下：定义1：知识管理系统中每个具体分类称为子类，记为c；定义2：用户为每个子类制定的专属一系列词组称为子类关键词，记为keys，单个词记为key；关键词集和记为KEYS；定义3：通过《同义词词林》对子类关键词key_i(i＝0,1,2…n)进行同义词扩展，得到key_i(i＝0,1,2…n)的同义词集合E{key_i}(i＝0,1,2…n)，所有子类关键词E{key_i}(i＝0,1,2…n)的合并称为子类扩展关键词，记为E(keys)。其中，i表示关键的下标，n表示子类中关键词的个数；定义4：若干个包含关键词的子类组成一套完整的分类标准，称为一个类组，记为C；要求文档集合中的所有文档按不同类组进行分类，因此在一个类组中文档集合中每个文档只能属于至多一个子类，但是可以属于其他类组中的子类；定义5：在给定文档集合D{d₁,d₂…d_i…d_m}，其中，i代表文档下标，m代表文档集合总数量；步骤二、用户自定义一个类组C{c₁,c₂…c_i…c_n}，其中，i表示子类的下标，n表示类组包含的子类数；步骤三、为每个子类c_i添加自定义的子类关键词keys_i；步骤四、用《同义词词林》对每个子类关键词keys_i进行扩展，得到子类c_i扩展子类关键词E{keys_i}；步骤五、把类组C所有子类c_i的扩展子类关键词E{keys_i}合并为关键词集合其中代表关键词集合中下标为h的关键词项，K_h代表关键词，其后面()中的c表示关键词K_h包含在子类c中，s_h代表包含关键词K_h的子类数；t代表关键词集合元素数；步骤六、应用Wu-Manber多模式匹配算法统计一组关键词keys在文档d中出现次数；首先要对模式串的集合进行预处理，预处理阶段将建立三个表格：SHIFT表，HASH表，SHIFT表中存储字符串集合中所有字符在文本中出现时转移距离，HASH表用来存储匹配窗口内尾字符散列值相同的模式串，PREFIX表用来存储匹配窗口内首字符散列值相同的模式串；步骤七、把关键词集合KEYS看做多模式匹配中的模式串，把文档d_i看做多模式匹配中的文本串，利用Wu-Manber多模式匹配算法进行关键词匹配，记录匹配成功的关键词来自的子类c_i和匹配的位置，每个文档包括标题Title、摘要Abstract和正文Text，统计每个扩展子类关键词E{keys_i}在文档d_i各个位置中出现的次数，分别记为count_i{Title}、count_i{Abstract}和count_i{Text}；步骤八、确定文档的类别：假设在一个文档d中关键词命中率最高的子类为文档最终所属的类别。$\hat{c}=\arg \underset{1<i<n}{\max }\left\{{\mathrm{Count}}_i\right\}$其中，代表最佳分类标号，i代表自定义子类的下标，Count_i表示子类c_i在文档d中的命中率；最终子类c_i在一个文档d中的命中率定义如下式：Count_i＝α·count_i{Title}+β·count_i{Abstract}+γ·count_i{Text}其中α,β,γ(α＞β＞λ)分别为关键词出现在文档d标题、摘要和正文的权重，count_i{Title}、count_i{Abstract}、count_i{Text}分别代表文档d标题、摘要和正文出现关键词的个数。