[发明专利]一种知识系统的高阶规则多分类方法及其系统

说明书

本发明公开了一种知识系统的高阶规则多分类方法及其系统，该分类方法包括：获取分词文本矩阵；从分词文本矩阵每个类别的文本中获取所有属于该类别的对象特征词文本，构建一阶特征词矩阵，并建立对象名和类别之间的索引；从每个类别的一阶特征词矩阵文本中获取同时包含对象词和概念词的二阶特征词对文本，构建二阶特征词对矩阵，并建立对象名、概念名和类别之间的索引；从每个类别的二阶特征词矩阵文本中获取同时包含对象词、概念词和领域词的三阶特征词组文本，构建三阶特征词组矩阵，并建立对象名、概念名、领域名和类别之间的索引。通过语料建立高阶分类模型，实现了在大语料情况下准确、快速的分类，工程实施量小，模型修改方便。

技术领域

本发明属于信息系统分类技术领域，特别涉及一种知识系统的高阶规则多分类方法及其分类系统。

背景技术

随着以搜索为标志的信息系统的完善，人们越来越陷入了信息爆炸的困难境地，即在搜索出来的大量信息中，人们还需要花大量时间去阅读这些条目的内容，从中筛选出真正需要的信息条目。因此传统的信息系统不能满足人们快速获取知识的需求。传统知识分类的方法是数据库方法，即在信息条目入库的时候，已经表明了条目的属性，比如所属类别、研究对象、作者、作者单位等等。这是一种类似图书馆作业的传统数据中心或者信息中心的常规做法，是以文献的学术内容或者专业内容为依据进行划分的，这种方法在面向普通大众的情况下是合适的。

但是现实的业务是以场景的形态存在的，没有独立的纯粹的专业能满足现实工程的需要，一个工程包含很多专业的复杂组合，因此传统以专业为依据的录入属性的方法不能满足现实工程应用的需要。规则分类方法一般应用在语料少的情况下，比如售后服务领域，是一种见效快、分类准的方法。由于语料少，因此需要人工收集相关的日常术语，以弥补售后记录的口语化特点。但是这种以手工收集，建模、验证的方法，在具有大量语料的上游研发领域，将导致工程实施量大、分类结果不可控的技术问题。

发明内容

为了克服现有技术的不足，本发明提供的知识系统的高阶规则多分类方法及其系统，通过语料建立高阶分类模型，实现了在大语料情况下准确、快速的分类，工程实施量小，模型修改方便。

本发明提供的技术方案为：

第一方面，本发明提供了一种知识系统的高阶规则多分类方法，包括：

步骤一、对待分类的文件文本进行分词处理，获取分词文本，并根据预先设置的分类语料，获取分词文本矩阵；

步骤二、从所述分词文本矩阵每个类别的文本中获取所有属于该类别的对象特征词文本，构建排序为对象特征词、对象名的一阶特征词矩阵，并建立对象名和类别之间的索引；

步骤三、若所述每个类别的一阶特征词矩阵文本之间存在包含关系，从所述每个类别的一阶特征词矩阵文本中获取同时包含对象词和概念词的二阶特征词对文本，构建排序为对象特征词、对象名和概念特征词、概念名的二阶特征词对矩阵，并建立对象名、概念名和类别之间的索引；

步骤四、若所述每个类别的二阶特征词对矩阵文本之间存在包含关系，从所述每个类别的二阶特征词矩阵文本中获取同时包含对象词、概念词和领域词的三阶特征词组文本，构建排序对象特征词、对象名和概念特征词、概念名和领域特征词、领域名的三阶特征词组矩阵，并建立对象名、概念名、领域名和类别之间的索引。

优选的是，所述的知识系统的高阶规则多分类方法，

所述若所述每个类别的一阶特征词矩阵文本之间存在包含关系具体包括：计算所述一阶特征词矩阵中的每个文本与其它文本之间的关系，判断文本之间是否存在包含关系；

所述若所述每个类别的二阶特征词对矩阵文本之间存在包含关系具体包括：计算所述二阶特征词对矩阵中的每个文本与其它文本之间的关系，判断文本之间是否存在包含关系。