[发明专利]一种文献的自动二维聚类方法

说明书

技术领域

本发明涉及信息检索技术领域，特别涉及一种文献的自动二维聚类方法。

背景技术

用户使用信息检索系统查找自己感兴趣的内容。在信息检索系统中聚类是指对所需检索的信息进行类别划分。聚类技术是对信息检索系统的一种有效改进策略。在信息检索中应用聚类技术能使用户在检索信息的过程中快速定位到自己感兴趣的内容。相较未引用聚类技术的信息检索系统，使用聚类技术能起到降低用户等待时间的作用，有着分类更加清晰的特点。

在其中一些文献数据库或用户指定的文献中，可以获取到文献的学科方向分类和关键词这两项信息，利用这两项信息可以对文章的内容归类。仍有很大一部分文献在获取的来源中不包含这两项信息。同时，文献的作者信息通常都会记录在所获取的信息之中。

发明内容

本发明解决的技术问题在于提供一种对发表文献的内容类别和作者所属单位这二维信息的自动二维聚类方法。

本发明解决上述技术问题的技术方案是：

按如下步骤进行：

步骤1，根据学科方向分类和关键词这两项信息计算二维相似度；

步骤2，根据能获取到学科方向分类和关键词这两项信息的文献建立一个聚类集合；

步骤3，将获取不到学科方向分类和关键词这两项信息的文献加入建立起来的这个聚类集合之中；

步骤4，使用作者单位信息将聚类中的文献链接起来。

步骤1中，对获取到的学科方向分类和关键词这两项文献信息进行分词处理，将信息分成若干个词组；

在完成分词之后，计算单维相似度；学科方向分类和关键词这两项信息的相似度用L₁＝(S_c1，S_k1)和L₂＝(S_c2，S_k2)表示，L₁和L₂分别表示前者和后者两篇文献，S_c1和S_c2表示学科方向分类的相似度，S_k1和S_k2表示关键词的相似度；

基于单维相似度，计算L₁和L₂的二维相似度S(L₁，L₂)如下：

S(L1,L2)=Sc1Sc2+Sk1Sk2sc12+sk12sc22+sk22]]>

将能获取到学科方向分类和关键词这两项信息的这部分文献任意两两之间计算二维相似度，用矩阵M来表示，其中元素M_i，j或M_j，i表示第i篇文献和第j篇文献的二维相似度。