[发明专利]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

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；关键词集合记为KEYS；定义3：通过《同义词词林》对子类关键词keyi(i＝0,1,2…n)进行同义词扩展，得到keyi(i＝0,1,2…n)的同义词集合E{keyi}(i＝0,1,2…n)，所有子类关键词keyi(i＝0,1,2…n)的同义词集合E{keyi}(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…di…dm}，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…ci…cn}，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ci添加自定义的子类关键词keysi；步骤四、用《同义词词林》对每个子类关键词keysi进行扩展，得到子类ci的子类扩展关键词E{keysi}；步骤五、把类组C所有子类ci的子类扩展关键词E{keysi}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，Kh代表关键词，其后面()中的c表示关键词Kh包含在子类c中，sh代表包含关键词Kh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表以及PREFIX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di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ci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{keysi}在文档di各个位置中出现的次数，分别记为counti{Title}、counti{Abstract}和counti{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；其中，代表最佳分类标号，i代表自定义子类的下标，Counti表示子类ci在文档d中的命中率；最终子类ci在一个文档d中的命中率定义如下式：Counti＝α·counti{Title}+β·counti{Abstract}+γ·counti{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，counti{Title}、counti{Abstract}、counti{Text}分别代表文档d标题、摘要和正文出现关键词的个数。