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<sub>i</sub>(i=0,1,2…n)进行同义词扩展,得到key<sub>i</sub>(i=0,1,2…n)的同义词集合E{key<sub>i</sub>}(i=0,1,2…n),所有子类关键词E{key<sub>i</sub>}(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{d<sub>1</sub>,d<sub>2</sub>…d<sub>i</sub>…d<sub>m</sub>},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{c<sub>1</sub>,c<sub>2</sub>…c<sub>i</sub>…c<sub>n</sub>},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<sub>i</sub>添加自定义的子类关键词keys<sub>i</sub>;步骤四、用《同义词词林》对每个子类关键词keys<sub>i</sub>进行扩展,得到子类c<sub>i</sub>扩展子类关键词E{keys<sub>i</sub>};步骤五、把类组C所有子类c<sub>i</sub>的扩展子类关键词E{keys<sub>i</sub>}合并为关键词集合<img file="FDA0000453189880000011.GIF" wi="1550" he="109" />其中<img file="FDA0000453189880000012.GIF" wi="281" he="88" />代表关键词集合中下标为h的关键词项,K<sub>h</sub>代表关键词,其后面()中的c表示关键词K<sub>h</sub>包含在子类c中,s<sub>h</sub>代表包含关键词K<sub>h</sub>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<sub>i</sub>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<sub>i</sub>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<sub>i</sub>}在文档d<sub>i</sub>各个位置中出现的次数,分别记为count<sub>i</sub>{Title}、count<sub>i</sub>{Abstract}和count<sub>i</sub>{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。<maths num="0001"><![CDATA[<math><mrow><mover><mi>c</mi><mo>^</mo></mover><mo>=</mo><mi>arg</mi><munder><mi>max</mi><mrow><mn>1</mn><mo><</mo><mi>i</mi><mo><</mo><mi>n</mi></mrow></munder><mo>{</mo><msub><mi>Count</mi><mi>i</mi></msub><mo>}</mo></mrow></math>]]></maths>其中,<img file="FDA0000453189880000022.GIF" wi="39" he="61" />代表最佳分类标号,i代表自定义子类的下标,Count<sub>i</sub>表示子类c<sub>i</sub>在文档d中的命中率;最终子类c<sub>i</sub>在一个文档d中的命中率定义如下式:Count<sub>i</sub>=α·count<sub>i</sub>{Title}+β·count<sub>i</sub>{Abstract}+γ·count<sub>i</sub>{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<sub>i</sub>{Title}、count<sub>i</sub>{Abstract}、count<sub>i</sub>{Text}分别代表文档d标题、摘要和正文出现关键词的个数。 |