一種基于相關(guān)性知識特征提取的方法
【專利摘要】本發(fā)明涉及一種基于相關(guān)性知識特征提取的方法，屬于工業(yè)工程領(lǐng)域。本發(fā)明首先針對一組信息的信息源分別得到每個信息源相對應(yīng)的關(guān)鍵詞；然后利用信息源所對應(yīng)的關(guān)鍵詞構(gòu)建n行n列的關(guān)鍵詞相互關(guān)系表；依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中的關(guān)鍵詞所對應(yīng)的除自身以外評分最高的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞；根據(jù)找到的自身最相關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源，直到關(guān)鍵詞合并成統(tǒng)一的關(guān)鍵詞為止。本發(fā)明通過關(guān)鍵詞的概括與提取，可以更好地針對信息源作出判斷；通過采用AHP“1～9”評分法提高了信息整合的精確性，對相互關(guān)系強烈的關(guān)鍵詞進行合并，生成新的信息關(guān)鍵詞，提高了信息整合的有效性。
【專利說明】一種基于相關(guān)性知識特征提取的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于相關(guān)性知識特征提取的方法，屬于工業(yè)工程領(lǐng)域。

【背景技術(shù)】
[0002] 隨著社會的發(fā)展與進步，我們已經(jīng)進入到一個信息大爆炸的時代，在多元、大量復(fù) 雜的信息中提取有用的相關(guān)信息，是一個難點，也是一個重點。21世紀企業(yè)的成功越來越依 賴于企業(yè)所擁有知識的質(zhì)量，利用企業(yè)所擁有的知識為企業(yè)創(chuàng)造競爭優(yōu)勢和持續(xù)競爭優(yōu)勢 對企業(yè)來說始終是一個挑戰(zhàn)。知識來源越多，對我們利用知識的特征來進行知識的整合就 越來越難，這是當(dāng)前人們所研究的熱點。
[0003] 如何快速精確地定位相關(guān)有用信息的特征，并整合相關(guān)知識，在這一問題中：①沒 有針對相關(guān)知識系統(tǒng)進行相關(guān)知識特征整合的方法設(shè)計；②沒有采用ΑΗΡ法中的"1?9" 評分原理進行知識特征聚類的規(guī)則設(shè)計；③沒有采用降維的思想對知識信息結(jié)構(gòu)體進行設(shè) 計；④沒有設(shè)計過特征值相互關(guān)系表。
[0004] 針對上述問題，本發(fā)明一種相關(guān)性知識特征提取的方法，該方法采用降維的思想， 針對相關(guān)知識結(jié)構(gòu)體中復(fù)雜、多元的信息進行了提取關(guān)鍵知識特征的方法設(shè)計。該方法通 過設(shè)計特征值相互關(guān)系表以及基于ΑΗΡ法中" 1?9"的評分規(guī)則設(shè)計，為相關(guān)知識特征提 取提供了一個有效的方法。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供了一種基于相關(guān)性知識特征提取的方法，以用于解決如何快速準確的 從相互獨立的復(fù)雜信息中，提取并整合關(guān)鍵性的知識信息。
[0006] 本發(fā)明的技術(shù)方案是：一種基于相關(guān)性知識特征提取的方法，首先針對一組信息 的信息源分別得到每個信息源相對應(yīng)的關(guān)鍵詞；然后利用信息源所對應(yīng)的關(guān)鍵詞構(gòu)建行 列的關(guān)鍵詞相互關(guān)系表；依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中 的關(guān)鍵詞所對應(yīng)的除自身以外評分最1?的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞；根據(jù)找到 的自身最相關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源，直到關(guān)鍵詞合并成統(tǒng)一的關(guān)鍵詞為 止。
[0007] 所述方法的具體步驟如下： Stepl、針對一組信息中的/7個信息源分別通過信息篩選與壓縮的方式得到每個信息 源相對應(yīng)的關(guān)鍵詞； Step2、利用信息源所對應(yīng)的關(guān)鍵詞組成/7行/7列兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系；接著 采用ΑΗΡ法中的" 1?9"評分標準對兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系進行兩兩比較評分，得到 X/?個關(guān)鍵詞相互關(guān)系強烈度；根據(jù)X/?個關(guān)鍵詞相互關(guān)系強烈度構(gòu)建行列的關(guān)鍵 詞相互關(guān)系表； Step3、相關(guān)性的檢驗：采用ΑΗΡ法中的"1?9"評分標準進行關(guān)鍵詞相互關(guān)系評分后， 對關(guān)鍵詞相互關(guān)系進行相關(guān)性的檢驗： 如果關(guān)鍵詞相互關(guān)系構(gòu)成的關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的每一行、每一列的分數(shù)不存在 相同的情況，則不需重新進行打分比較； 如果關(guān)鍵詞相互關(guān)系構(gòu)成的關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的每一行、每一列的分數(shù)存在相 同的情況，則需重新進行打分比較； Step4、依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中的關(guān)鍵詞所對 應(yīng)的除自身以外評分最1?的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞； Step5、通過步驟Step4中找到的自身最相關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源； Step6、針對步驟Step5中形成的新信息源重復(fù)執(zhí)行步驟Stepl?步驟Step5,直到關(guān)鍵 詞合并成統(tǒng)一的關(guān)鍵詞為止。
[0008] 所述相互關(guān)系強烈度由1至9依次增強；其中，系數(shù)越大為相互關(guān)系強烈度越強， 系數(shù)越小為相互關(guān)系強烈度越弱。
[0009] 所述步驟Step3中重新進行打分比較為根據(jù)需要確定評分中所有要保留的小數(shù) 點后的位數(shù)。
[0010] 所述統(tǒng)一的關(guān)鍵詞為一組信息的關(guān)鍵知識點。
[0011] 本發(fā)明的有益效果是：該方法在實際應(yīng)用背景中具有較好的環(huán)境適應(yīng)性；通過關(guān) 鍵詞的概括與提取，可以更好地針對信息源作出判斷，通過設(shè)計關(guān)鍵詞相互關(guān)系表，并采用 ΑΗΡ "1?9"評分法提高了信息整合的精確性，對相互關(guān)系強烈的關(guān)鍵詞進行合并，生成新 的信息關(guān)鍵詞，提高了信息整合的有效性。

【專利附圖】

【附圖說明】
[0012] 圖1為本發(fā)明的算法流程圖。

【具體實施方式】
[0013] 實施例1 :如圖1所示，一種基于相關(guān)性知識特征提取的方法，首先針對一組信息 的信息源分別得到每個信息源相對應(yīng)的關(guān)鍵詞；然后利用信息源所對應(yīng)的關(guān)鍵詞構(gòu)建行 列的關(guān)鍵詞相互關(guān)系表；依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中 的關(guān)鍵詞所對應(yīng)的除自身以外評分最1?的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞；根據(jù)找到 的自身最相關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源，直到關(guān)鍵詞合并成統(tǒng)一的關(guān)鍵詞為 止。
[0014] 所述方法的具體步驟如下： Stepl、針對一組信息中的/7個信息源分別通過信息篩選與壓縮的方式得到每個信息 源相對應(yīng)的關(guān)鍵詞； Step2、利用信息源所對應(yīng)的關(guān)鍵詞組成/7行/7列兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系；接著 采用ΑΗΡ法中的" 1?9"評分標準對兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系進行兩兩比較評分，得到 X/?個關(guān)鍵詞相互關(guān)系強烈度；根據(jù)X/?個關(guān)鍵詞相互關(guān)系強烈度構(gòu)建行列的關(guān)鍵 詞相互關(guān)系表； Step3、相關(guān)性的檢驗：采用ΑΗΡ法中的"1?9"評分標準進行關(guān)鍵詞相互關(guān)系評分后， 對關(guān)鍵詞相互關(guān)系進行相關(guān)性的檢驗： 如果關(guān)鍵詞相互關(guān)系構(gòu)成的關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的每一行、每一列的分數(shù)不存在 相同的情況，則不需重新進行打分比較； 如果關(guān)鍵詞相互關(guān)系構(gòu)成的關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的每一行、每一列的分數(shù)存在相 同的情況，則需重新進行打分比較； Step4、依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中的關(guān)鍵詞所對 應(yīng)的除自身以外評分最1?的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞； Step5、通過步驟Step4中找到的自身最相關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源； Step6、針對步驟Step5中形成的新信息源重復(fù)執(zhí)行步驟Stepl?步驟Step5,直到關(guān)鍵 詞合并成統(tǒng)一的關(guān)鍵詞為止。
[0015] 所述相互關(guān)系強烈度由1至9依次增強；其中，系數(shù)越大為相互關(guān)系強烈度越強， 系數(shù)越小為相互關(guān)系強烈度越弱。
[0016] 所述步驟Step3中重新進行打分比較為根據(jù)需要將關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的 每一行、每一列的分數(shù)存在相同情況的數(shù)據(jù)重新確定其相同評分中所有要保留的小數(shù)點后 的位數(shù)。
[0017] 所述統(tǒng)一的關(guān)鍵詞為一組信息的關(guān)鍵知識點。
[0018] 實施例2 :如圖1所示，一種基于相關(guān)性知識特征提取的方法，首先針對一組信息 的信息源分別得到每個信息源相對應(yīng)的關(guān)鍵詞；然后利用信息源所對應(yīng)的關(guān)鍵詞構(gòu)建行 列的關(guān)鍵詞相互關(guān)系表；依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中 的關(guān)鍵詞所對應(yīng)的除自身以外評分最1?的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞；根據(jù)找到 的自身最相關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源，直到關(guān)鍵詞合并成統(tǒng)一的關(guān)鍵詞為 止。
[0019] 所述方法的具體步驟如下： 現(xiàn)有6條相關(guān)性知識的信息，利用本發(fā)明所述的相關(guān)知識特征提取的方法對這6條相 關(guān)性知識的信息進行特征關(guān)系的提取與合并，該6條信息如下： 信息1 :線性表是一種線性結(jié)構(gòu)，它的特點是數(shù)據(jù)元素之間是一種線性關(guān)系，即數(shù)據(jù)元 素一個接一個的排列； 信息2 :棧是一種限制在表的一端進行插入和刪除的結(jié)構(gòu)體，允許插入、刪除的這一端 稱為找頂，另一個固定端稱為找底； 信息3 :二叉樹是樹形結(jié)構(gòu)的另一個重要類型，許多實際問題抽象出來的數(shù)據(jù)結(jié)構(gòu)往 往是二叉樹的形式； 信息4 :圖形結(jié)構(gòu)是一種比樹形結(jié)構(gòu)更為復(fù)雜的非線性結(jié)構(gòu)，被用來描述各種復(fù)雜的 數(shù)據(jù)結(jié)構(gòu)，在實際生活中應(yīng)用廣泛； 信息5 :順序存儲結(jié)構(gòu)的主要優(yōu)點是節(jié)省存儲空間，因為分配給數(shù)據(jù)的存儲單元全用 存放結(jié)點的數(shù)據(jù)(不考慮C/C++語言中數(shù)組需指定大小的情況)，結(jié)點之間的邏輯關(guān)系沒有 占用額外的存儲空間； 信息6 :鏈式存儲又叫鏈接存儲結(jié)構(gòu)，在計算機中用一組任意的存儲單元存儲線性表 的數(shù)據(jù)元素，它不要求邏輯上相鄰的元素在物理位置上也相鄰，因此它沒有順序存儲結(jié)構(gòu) 所具有的弱點，但也同時失去了順序表可隨機存取的優(yōu)點。
[0020] Stepl、針對一組信息中的6個信息源分別通過信息篩選與壓縮的方式得到每個 信息源相對應(yīng)的關(guān)鍵詞； 具體為： 信息1的關(guān)鍵詞(關(guān)鍵詞1):線性表 信息2的關(guān)鍵詞(關(guān)鍵詞2):棧 信息3的關(guān)鍵詞(關(guān)鍵詞3):二叉樹 信息4的關(guān)鍵詞(關(guān)鍵詞4):圖形結(jié)構(gòu) 息5的關(guān)鍵詞(關(guān)鍵詞5):順序存儲 信息6的關(guān)鍵詞(關(guān)鍵詞6):鏈式存儲 Step2、利用信息源所對應(yīng)的關(guān)鍵詞組成/7行/7列兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系；接著 采用ΑΗΡ法中的" 1?9"評分標準對兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系進行兩兩比較評分，得到 X/?個關(guān)鍵詞相互關(guān)系強烈度；根據(jù)X/?個關(guān)鍵詞相互關(guān)系強烈度構(gòu)建行列的關(guān)鍵 詞相互關(guān)系表； 所述相互關(guān)系強烈度由1至9依次增強；其中，系數(shù)越大為相互關(guān)系強烈度越強，系數(shù) 越小為相互關(guān)系強烈度越弱。
[0021] 具體為： 表1關(guān)鍵詞相互關(guān)系表

【權(quán)利要求】
1. 一種基于相關(guān)性知識特征提取的方法，其特征在于：首先針對一組信息的信息源分 別得到每個信息源相對應(yīng)的關(guān)鍵詞；然后利用信息源所對應(yīng)的關(guān)鍵詞構(gòu)建/7行/7列的關(guān)鍵 詞相互關(guān)系表；依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中的關(guān)鍵詞所 對應(yīng)的除自身以外評分最1?的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞；根據(jù)找到的自身最相 關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源，直到關(guān)鍵詞合并成統(tǒng)一的關(guān)鍵詞為止。
2. 根據(jù)權(quán)利要求1所述的基于相關(guān)性知識特征提取的方法，其特征在于：所述方法的 具體步驟如下： Stepl、針對一組信息中的/7個信息源分別通過信息篩選與壓縮的方式得到每個信息 源相對應(yīng)的關(guān)鍵詞； Step2、利用信息源所對應(yīng)的關(guān)鍵詞組成/7行/7列兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系；接著 采用ΑΗΡ法中的" 1?9"評分標準對兩兩對應(yīng)的關(guān)鍵詞相互關(guān)系進行兩兩比較評分，得到 X/?個關(guān)鍵詞相互關(guān)系強烈度；根據(jù)X/?個關(guān)鍵詞相互關(guān)系強烈度構(gòu)建行列的關(guān)鍵 詞相互關(guān)系表； Step3、相關(guān)性的檢驗：采用ΑΗΡ法中的"1?9"評分標準進行關(guān)鍵詞相互關(guān)系評分后， 對關(guān)鍵詞相互關(guān)系進行相關(guān)性的檢驗： 如果關(guān)鍵詞相互關(guān)系構(gòu)成的關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的每一行、每一列的分數(shù)不存在 相同的情況，則不需重新進行打分比較； 如果關(guān)鍵詞相互關(guān)系構(gòu)成的關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的每一行、每一列的分數(shù)存在相 同的情況，則需重新進行打分比較； Step4、依據(jù)上述關(guān)鍵詞相互關(guān)系表，按行進行查找，依次找出每一行中的關(guān)鍵詞所對 應(yīng)的除自身以外評分最1?的列中關(guān)鍵詞作為自身最相關(guān)的關(guān)鍵詞； Step5、通過步驟Step4中找到的自身最相關(guān)的關(guān)鍵詞的兩兩結(jié)合，形成新的信息源； Step6、針對步驟Step5中形成的新信息源重復(fù)執(zhí)行步驟Stepl?步驟Step5,直到關(guān)鍵 詞合并成統(tǒng)一的關(guān)鍵詞為止。
3. 根據(jù)權(quán)利要求2所述的基于相關(guān)性知識特征提取的方法，其特征在于：所述相互關(guān) 系強烈度由1至9依次增強；其中，系數(shù)越大為相互關(guān)系強烈度越強，系數(shù)越小為相互關(guān)系 強烈度越弱。
4. 根據(jù)權(quán)利要求2所述的基于相關(guān)性知識特征提取的方法，其特征在于：所述步驟 St印3中重新進行打分比較為根據(jù)需要將關(guān)鍵詞相互關(guān)系表中數(shù)據(jù)的每一行、每一列的分 數(shù)存在相同情況的數(shù)據(jù)重新確定其相同評分中所有要保留的小數(shù)點后的位數(shù)。
5. 根據(jù)權(quán)利要求2所述的基于相關(guān)性知識特征提取的方法，其特征在于：所述統(tǒng)一的 關(guān)鍵詞為一組信息的關(guān)鍵知識點。
【文檔編號】G06F17/30GK104123349SQ201410324529
【公開日】2014年10月29日 申請日期:2014年7月9日 優(yōu)先權(quán)日:2014年7月9日
【發(fā)明者】侯開虎, 朱栩穎, 楊維平, 陳婷, 鐘昕怡 申請人:昆明理工大學(xué)