則j加上1，跳轉(zhuǎn)至步驟四； 步驟四，如果集合為空，則跳轉(zhuǎn)至步驟七，否則從5exfs"fd中選出一個關(guān)鍵詞 Key，并刪除它，跳轉(zhuǎn)至步驟五； 步驟五，以Key?為中心，在規(guī)則中搜索得到與之相關(guān)的三元組信息集合，跳至步 驟六； 步驟六，如果為空，則跳轉(zhuǎn)至步驟四，否則從中選出一條三元組信息Temp，并刪 除它。通過解析Temp，得到與Key相關(guān)的一個關(guān)鍵詞w，以及通過解析關(guān)系權(quán)重和W 權(quán)重綜合得到的權(quán)重weight，將w的信息，包括綜合權(quán)重weight存入一個擴(kuò)展中間集合 ^tsmp>跳至步驟六； 步驟七，去掉中的重復(fù)元素，如果stemp為空則跳至步驟三，否則從中選出一個 關(guān)鍵詞，跳轉(zhuǎn)至步驟八； 步驟八，把加入，并且判斷是否已經(jīng)被擴(kuò)展過，如果沒有，則 把加入，跳轉(zhuǎn)至步驟七； 步驟九，去掉中的重復(fù)元素，按權(quán)重降序排序后，返回結(jié)果，程序停止。
[0022] 上述基于規(guī)則的關(guān)鍵詞擴(kuò)展算法中的相關(guān)變量定義如表2。
[0023] 表2.基于規(guī)則的關(guān)鍵詞擴(kuò)展算法中的變量 變量名 變童類型 含義 Set<String> 待擴(kuò)展的關(guān)鍵詞集合 Set<Atom￥ord> 關(guān)鍵詞擴(kuò)展的結(jié)果集合 Wwd String 檢索語句分訶結(jié)果集中的關(guān)鍵詞 j int 當(dāng)前的擴(kuò)展盾數(shù) String 當(dāng)前正在進(jìn)行擴(kuò)展的關(guān)鍵詞 s Set<TrIpe> 通過關(guān)鍵訶擴(kuò)展得到的三元組集合 Te,np Tripe 三元組集合中的一組三元組 w String 相關(guān)關(guān)鍵詢的內(nèi)容 double 相關(guān)吳鍵詞的權(quán)重 ^ Set<Atom￥ord>過程集合，收集下次替要擴(kuò)展_關(guān)鍵詞 String 一個擴(kuò)展關(guān)鍵詞 注：表2中的AtomWord表示關(guān)鍵詞信息，包括關(guān)鍵詞的內(nèi)容和權(quán)重。
[0024] 表2中的Tripe表示三元組信息，g卩（主語、謂語、賓語)。
[0025] 在得到關(guān)鍵詞擴(kuò)展結(jié)果之后，利用這些關(guān)鍵詞在數(shù)據(jù)庫中進(jìn)行精確檢索或者模糊 檢索，即可以得到檢索結(jié)果，最后將檢索結(jié)果按照關(guān)鍵詞的相關(guān)權(quán)重排序即可。在本發(fā)明的 實施中，用戶可以按需定制相關(guān)的信息歸類規(guī)則，包括新建規(guī)則和修改規(guī)則，并且在檢索的 時候，用戶可以直接檢索一個語句，而不僅限于檢索單個的關(guān)鍵詞，本發(fā)明可以以用戶定制 的歸類規(guī)則為基礎(chǔ)，對檢索語句進(jìn)行分詞操作，提取出與歸類規(guī)則有關(guān)的檢索關(guān)鍵詞。對于 分詞得到的每一個關(guān)鍵詞，本發(fā)明可以通過在用戶定制的規(guī)則中進(jìn)行關(guān)鍵詞擴(kuò)展，得到相 關(guān)或相近的其他關(guān)鍵詞，通過對這些關(guān)鍵詞進(jìn)行數(shù)據(jù)庫檢索，得到了與用戶初始檢索內(nèi)容 相關(guān)相近的內(nèi)容。同理也可以得到規(guī)則中與檢索關(guān)鍵詞具有潛在語義關(guān)聯(lián)的其他關(guān)鍵詞， 因此也得到了與用戶初始檢索內(nèi)容具有潛在聯(lián)系的內(nèi)容。
【主權(quán)項】
1. 一種支持用戶自定義歸類規(guī)則的信息歸類方法，其特征在于該方法包括以下步驟： (1) 信息歸類規(guī)則建模，將用于信息歸類時的相關(guān)規(guī)則用一張圖來描述，圖中的每個節(jié) 點(diǎn)代表一個關(guān)鍵詞信息，包括關(guān)鍵詞內(nèi)容和關(guān)鍵詞權(quán)重，圖中的每條邊代表兩個關(guān)鍵詞之 間的關(guān)系信息，包括關(guān)系內(nèi)容和關(guān)系權(quán)重，具體操作中，用一個三元組，即主語、謂語、賓語 信息來表示圖中的一條邊，即主語和賓語兩個節(jié)點(diǎn)之間的關(guān)系是謂語，用戶通過定制上述 規(guī)則關(guān)系圖來定制用于信息歸類時的相關(guān)規(guī)則； (2) 基于規(guī)則的檢索語句分詞，通過遍歷用戶定制的規(guī)則關(guān)系圖，得到此規(guī)則中的所有 關(guān)鍵詞，組成關(guān)鍵詞集，在用戶輸入檢索語句之后，在關(guān)鍵詞集中找出匹配的關(guān)鍵詞，得到 分詞結(jié)果； (3) 基于規(guī)則的檢索關(guān)鍵詞擴(kuò)展，以經(jīng)過步驟（2)分詞處理后得到的分詞結(jié)果中的每一 個關(guān)鍵詞分別作為核心關(guān)鍵詞加以處理，在用戶定制的搜索層數(shù)的控制下，得到與之相近 或相關(guān)的關(guān)鍵詞以及相關(guān)權(quán)重，最后得到擴(kuò)展關(guān)鍵詞集； (4) 利用擴(kuò)展得到的關(guān)鍵詞集，在數(shù)據(jù)庫中進(jìn)行精確檢索或者模糊檢索得到相應(yīng)的內(nèi) 容。2. 根據(jù)權(quán)利要求1所述的支持用戶自定義歸類規(guī)則的信息歸類方法，其特征在于：步 驟（1)中所述的信息歸類規(guī)則建模過程，包括新建或者修改信息歸類規(guī)則，即用戶可以通過 新建一張圖或者在原有圖的基礎(chǔ)上進(jìn)行修改。3. 根據(jù)權(quán)利要求1所述的支持用戶自定義歸類規(guī)則的信息歸類方法，其特征在于步驟 (2) 中所述的基于規(guī)則的檢索語句分詞過程如下： 第一步，設(shè)定當(dāng)前考慮的字符串是從下標(biāo)i開始的，i = O ; 第二步，從i開始，截取一個長度為MaxLen的字符串CutWord，其中，MaxLen為規(guī)則 關(guān)鍵詞集中關(guān)鍵詞的最長長度； 第三步，判斷CutWord是否是規(guī)則關(guān)鍵詞集中的詞語，如果是，將CutWord加入到分 詞結(jié)果集，轉(zhuǎn)到第五步，否則轉(zhuǎn)到第四步； 第四步，如果CutWord的長度為0，則轉(zhuǎn)到第五步，否則刪除CutWord的最后一個字 符，然后轉(zhuǎn)到第三步； 第五步，刪除匹配的部分，i值加1，如果?已經(jīng)超過檢索字符串長度，則程序停止，返回 分詞結(jié)果集，否則轉(zhuǎn)到第二步。4. 根據(jù)權(quán)利要求1所述的支持用戶自定義歸類規(guī)則的信息歸類方法，其特征在于步驟 (3) 中基于規(guī)則的檢索關(guān)鍵詞擴(kuò)展過程如下： 第一步，如果分詞結(jié)果集為空，則轉(zhuǎn)到第九步，否則，從中取出一個關(guān)鍵詞Word，并刪 除，轉(zhuǎn)到第二步； 弟^?步，清空待擴(kuò)展關(guān)鍵詞集，把WoTcI丨目息加和擴(kuò)展結(jié)果集 Amii，設(shè)置當(dāng)前搜索層數(shù)j=2,轉(zhuǎn)到第三步； 第三步，如果j超過定制的搜索層數(shù)，則轉(zhuǎn)到第一步，否則j加上1，轉(zhuǎn)到第四步； 第四步，如果集合為空，則轉(zhuǎn)到第七步，否則從sexie"id中選出一個關(guān)鍵詞 Key，并刪除它，轉(zhuǎn)到第五步； 第五步，以Key為中心，在規(guī)則中搜索得到與之相關(guān)的三元組信息集合&啡，轉(zhuǎn)到第 六步； 第六步，如果&pSi為空，則轉(zhuǎn)到第四步，否則從中選出一條三元組信息Temp，并刪除 它，通過解析Temp，得到與Key相關(guān)的一個關(guān)鍵詞W，以及通過解析關(guān)系權(quán)重和W權(quán) 重綜合得到的權(quán)重weight，將胃的信息，包括綜合權(quán)重'weiSht存入一個擴(kuò)展中間集合 轉(zhuǎn)到第七步； 第七步，去掉Sigmp中的重復(fù)元素，如果Stemp為空則轉(zhuǎn)到第三步，否則從中選出一個 關(guān)鍵詞A^viemp，轉(zhuǎn)到第八步； 第八步，把加入Sqsuii，并且判斷如知胃是否已經(jīng)被擴(kuò)展過，如果沒有，則 把Areyf抓p加入Sex.細(xì)，轉(zhuǎn)到第七步； 第九步，去掉Samit中的重復(fù)元素，按權(quán)重降序排序后，返回結(jié)果，程序停止。
【專利摘要】本發(fā)明屬于數(shù)據(jù)庫應(yīng)用領(lǐng)域，具體涉及一種支持用戶自定義歸類規(guī)則的數(shù)據(jù)庫中信息歸類的方法，以用戶定制的歸類規(guī)則為基礎(chǔ)，支持?jǐn)?shù)據(jù)庫進(jìn)行語句檢索，得到與檢索語句相近或相似的信息內(nèi)容，或具有潛在關(guān)系的信息內(nèi)容，本發(fā)明方法將幫助用戶獲取到更加全面的信息。
【IPC分類】G06F17/30
【公開號】CN104899262
【申請?zhí)枴緾N201510262625
【發(fā)明人】葉俊民, 祝黃建, 葉竹君, 陳曙
【申請人】華中師范大學(xué)
【公開日】2015年9月9日
【申請日】2015年5月22日