[发明专利]基于机器学习知识的分类方法

说明书

本发明提供一种基于机器学习知识的分类方法，该方法包括：采集用户的分类行为推导分类推理规则；获取待分类的知识；采用分词法提取所述知识内容中的关键字词，其中，所述关键字词包含关键字与词组；计算所述关键字词出现的频率与位置；筛选满足预设频率与预设位置的关键字词，输出所述关键字词作为分类结果。采用分词法提取知识内容中的关键字词，在知识管理平台中搜寻该用户分类行为；根据所述用户的分类行为建立最近邻居集合，结合关键字词加权、变换、混合、特征、元级别进行综合分析，得到最优组合的关键字词，一则提高了知识的标签分类的精准度，再则在知识检索过程中，提高了检索准确率，便于信息推荐以及过滤信息。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种基于机器学习知识的分类方法。

背景技术

将知识按预先指定的类别归类的技术可以追溯到上世纪60年代。不过，在最近的10年里，由于文本知识数字化而带来的海量数据，导致我们不得不将这些知识进行分类。由此，知识的自动分类得到了广泛的关注和快速的发展。

目前，为了解决知识分类主要有以下两种方法：一种，是基于知识工程的方法，通过专业人员，为每个类别定义大量的推理规则，如果知识能满足这些推理规则，则可以判定属于该类别；另一种，是基于知识库的知识分类，即首先根据知识内容建立关键字和类目号的对应关系，形成主题词、类目号、隶属度3元组所构成的知识库，然后根据待分类知识给出的主题词，累加主题词所在类目的隶属度，隶属度总值最高的即为该知识所在的类目。

上述现有做法虽然可以在一定程度上解决知识分类的问题，但这两种方法都存在明显缺陷：(1)分类的质量依赖于专业人员指定的规则；(2)不具备可推广性，不同的领域需要构建不同的分类系统；(3)待分类知识给出的主题词中，只有小部分对分类具有积极的意义，有必要对待分类给出的关键词去重、加权。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于机器学习知识的分类方法，用于解决现有技术中机器对学习知识分类时，需要人为参与、分类效率与准确率不高的问题。

为实现上述目的及其他相关目的，本申请的第一方面，本发明提供一种基于机器学习知识的分类方法，包括：

采集用户的分类行为推导分类推理规则；

获取待分类的知识；

采用分词法提取所述知识内容中的关键字词，其中，所述关键字词包含关键字与词组；

计算所述关键字词出现的频率与位置；

筛选满足预设频率与预设位置的关键字词，输出所述关键字词作为分类结果。

如上所述，本发明的基于机器学习知识的分类方法，具有以下有益效果：

采用分词法提取知识内容中的关键字词，在知识管理平台中搜寻该用户分类行为；根据所述用户的分类行为建立最近邻居集合，结合关键字词加权、变换、混合、特征、元级别进行综合分析，得到最优组合的关键字词，一则提高了知识的标签分类的精准度，再则在知识检索过程中，提高了检索准确率，便于信息推荐以及过滤信息。

附图说明

图1显示为本发明提供的一种基于机器学习知识的分类方法流程图；

图2显示为本发明提供的一种基于机器学习知识的分类方法中步骤S1流程图；

图3显示为本发明提供的一种基于机器学习知识的分类方法中步骤S5流程图。

具体实施方式

以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。