CN109460467B - 一种网络信息分类体系构建方法 - Google Patents

一种网络信息分类体系构建方法 Download PDF

Info

Publication number
CN109460467B
CN109460467B CN201811138261.4A CN201811138261A CN109460467B CN 109460467 B CN109460467 B CN 109460467B CN 201811138261 A CN201811138261 A CN 201811138261A CN 109460467 B CN109460467 B CN 109460467B
Authority
CN
China
Prior art keywords
classification
category
classification system
word
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811138261.4A
Other languages
English (en)
Other versions
CN109460467A (zh
Inventor
顾爽
胡岩峰
杨婷
许舟军
焦程波
潘月浩
金晨
乔雪
刘振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences
Original Assignee
Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences filed Critical Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences
Priority to CN201811138261.4A priority Critical patent/CN109460467B/zh
Publication of CN109460467A publication Critical patent/CN109460467A/zh
Application granted granted Critical
Publication of CN109460467B publication Critical patent/CN109460467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种网络信息分类体系构建方法，将现有两种分类体系的优点集于一身，设计全新构建方法，采用Synonyms将词语映射到低维向量空间，通过词向量空间距离度量词语相似性，弥补了单一的one‑hot词向量语义信息的不足，从而能够获得更全面的相似类别词；并采用传统文献分类方法和自编分类方法集合的方式，弥补了文献分类分类方法领域适应性不足、以及自编分类方法科学性不强的缺陷，从而能够构建科学专业的分类体系；而且提出结合用户业务需求和预设筛选规则，对领域术语关联解释，参考提示进行类别体系的选择、删除、增加、修改，构建最终分类体系，使得分类体系更加科学、准确和专业。

Description

一种网络信息分类体系构建方法
技术领域
本发明涉及一种网络信息分类体系构建方法，属于网络信息分类技术领域。
背景技术
分类是指根据事物的属性进行区分和聚类，并按照其相互关系进行组织的活动，分类体系则是构建有序合理的类别划分体系与规则。随着互联网信息的爆炸增长，网络成为信息获取分析的重要来源，为舆情监控、事件预警等提供依托。但是，如何将海量网络信息进行类别的划分，进行全面体系化的分类体系构建仍然面临重要的挑战。目前网络信息的分类体系构建有两种方式，一是套用成熟的、权威的图书资料分类法，即传统文献分类体系构建法；二是依据业务需求自行设计分类法，即自编分类体系构建。但是存在着以下的缺陷：
(1)传统文献分类体系学科性强，主要针对图书等依照学科进行分类，对网络信息尤其是面向开源网络领域的针对适用性不强；
(2)自编分类体系种类繁多，科学性欠缺。由于自编分类体系往往应用于百科系统、门户网站、搜索引擎等，其设计适应于用户的使用习惯以及具体业务需求，与针对结构复杂、组成庞大的开源社交网络领域构建科学、准确、全面、通用的分类体系的需求不一致；
(3)面向网络信息的分类体系构建需要有专家知识的介入。
鉴于以上网络信息两种分类体系构建方法各自存在的缺陷，以及当前特殊领域分类体系构建方法的困难，若能够提供一种将两种分类体系的优点集于一身并结合领域专家知识新的分类体系构建的方法，则从网络资源中进行自动化的信息分类、数据挖掘分析提供更快、更有效的服务。
发明内容
本发明所要解决的技术问题是提供一种网络信息分类体系构建方法，将现有两种分类体系的优点集于一身，设计全新构建方法，从网络资源中进行自动化的信息分类、数据挖掘分析，提供更快、更有效的服务。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种网络信息分类体系构建方法，首先初始化目标信息类型领域的类别分类体系数据库为空，然后依次针对目标信息类型领域下的各个目标类别词，分别执行如下步骤：
步骤A.查找类别分类体系数据库中是否存在目标类别词，是则返回对应该目标类别词的分类体系，该目标类别词的执行步骤结束；否则进入步骤B；
步骤B.应用预设中文近义词查询工具，结合工具自带词汇语库，获得对应该目标类别词的各个相似类别词，并结合该目标类别词，组建该目标类别词所对应的待查询类别词集合，然后进入步骤C；
步骤C.分别针对待查询类别词集合中的各个类别词，获得类别词分别对应各个指定现有分类文献当中的分类体系，然后进入步骤D；
步骤D.分别针对待查询类别词集合中的各个类别词，将类别词所对应的各个分类体系进行融合，获得类别词所对应的融合分类体系，然后进入步骤E；
步骤E.针对待查询类别词集合中各个类别词分别所对应的融合分类体系进行融合，作为该目标类别词所对应的分类体系，并加入至目标信息类型领域的类别分类体系数据库当中。
作为本发明的一种优选技术方案，所述步骤E中，获得该目标类别词所对应的分类体系之后，直接执行如下步骤：
步骤F.针对该目标类别词所对应分类体系当中的各个类别，关联预设指定词解文献，分别获得该各个类别的注解；同时，针对该目标类别词所对应分类体系当中的各个类别，针对重复出现的类别进行标记，更新该目标类别词所对应分类体系，然后进入步骤G；
步骤G.根据预设规则，针对该目标类别词所对应分类体系进行增、删操作，更新该目标类别词所对应分类体系，并加入至目标信息类型领域的类别分类体系数据库当中。
作为本发明的一种优选技术方案：所述步骤B中，应用Synonyms中文近义词查询工具，并基于工具自带词汇语库，通过类别词之间的空间距离，获得类别词之间的相似度，再结合预设相似度阈值，进而获得对应该目标类别词的各个相似类别词。
作为本发明的一种优选技术方案：所述步骤B中，通过欧式距离计算方法或者余弦值计算方法，获得类别词之间的空间距离。
作为本发明的一种优选技术方案：所述步骤C中，分别针对待查询类别词集合中的各个类别词，获得类别词分别对应各个指定现有分类文献当中的分类体系、以及获得所获分类体系的父类体系、子类体系，均作为该类别词所对应的各个分类体系，然后进入步骤D。
作为本发明的一种优选技术方案：所述步骤C中，指定现有分类文献包括预设指定传统文献分类和预设指定自编文献分类。
作为本发明的一种优选技术方案：所述步骤D中，将类别词所对应的各个分类体系进行融合的操作，以及步骤E中，针对待查询类别词集合中各个类别词分别所对应的融合分类体系进行融合的操作，均按如下规则执行；
(1)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且父类、以及类别层级各不相同，则保留所有的父类、以及层级，直接合并；
(2)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且存在相同父类，但类别层级不相同，则保留类别层级中最高的父类、以及层级；
(3)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且存在相同父类和类别层级，则保留其中任意一个父类体系；
(4)若分类体系在不同的指定现有分类文献当中具有至少两个子类，并且子类、以及类别层级各不相同，则保留所有的子类、以及层级，直接合并；
(5)若分类体系在不同的指定现有分类文献当中具有至少两个子类，存在相同子类，但类别层级不相同，则保留类别层级中最高的子类及层级，且在子类处的合并迭代使用融合规则；
(6)若分类体系在不同的指定现有分类文献当中具有至少两个子类，存在相同子类和类别层级，则保留一个子类体系；
(7)针对各个分类体系，若分类体系相同，则合并，若不同，则拓展。
本发明所述一种网络信息分类体系构建方法采用以上技术方案与现有技术相比，具有以下技术效果：
(1)本发明所设计网络信息分类体系构建方法，采用Synonyms将词语映射到低维向量空间，通过词向量空间距离度量词语相似性，弥补了单一的one-hot词向量语义信息的不足，从而能够获得更全面的相似类别词；
(2)本发明所设计网络信息分类体系构建方法，采用传统文献分类方法和自编分类方法集合的方式，弥补了文献分类分类方法领域适应性不足、以及自编分类方法科学性不强的缺陷，从而能够构建科学专业的分类体系；
(3)本发明所设计网络信息分类体系构建方法，提出结合用户业务需求和预设筛选规则，对领域术语关联解释，参考提示进行类别体系的选择、删除、增加、修改，构建最终分类体系，使得分类体系更加科学、准确和专业。
附图说明
图1是本发明所设计网络信息分类体系构建方法的流程图；
图2是互动百科“政治”类别分类体系结构图；
图3是“政治”类别融合分类体系图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种网络信息分类体系构建方法，首先初始化目标信息类型领域的类别分类体系数据库为空，然后如图1所示，依次针对目标信息类型领域下的各个目标类别词，分别执行如下步骤：
步骤A.查找类别分类体系数据库中是否存在目标类别词，是则返回对应该目标类别词的分类体系，该目标类别词的执行步骤结束；否则进入步骤B。
步骤B.应用预设中文近义词查询工具，结合工具自带词汇语库，获得对应该目标类别词的各个相似类别词，并结合该目标类别词，组建该目标类别词所对应的待查询类别词集合，然后进入步骤C。
针对上述步骤B中，对于目标类别词所对应各个相似类别词的获取，在实际应用中，具体设计应用Synonyms中文近义词查询工具，并基于工具自带词汇语库，通过欧式距离计算方法或者余弦值计算方法，获得类别词之间的空间距离，进而获得类别词之间的相似度，再结合预设相似度阈值，进而获得对应该目标类别词的各个相似类别词。
这里按如下，通过欧式距离计算方法，获得类别词之间的空间距离。
若词汇X和词汇Y的向量表示分别为(x1,…,xn)、(y1,…,yn),其中，n为词向量维度，则欧式距离，欧氏距离dEuclideanDistance计算公式如下：
Figure BDA0001815169260000041
余弦值dCosineSimilarity计算如下：
Figure BDA0001815169260000042
步骤C.分别针对待查询类别词集合中的各个类别词，获得类别词分别对应各个指定现有分类文献当中的分类体系、以及获得所获分类体系的父类体系、子类体系，均作为该类别词所对应的各个分类体系，进而获得类别词分别对应各个指定现有分类文献当中的分类体系，然后进入步骤D。
上述步骤C中，指定现有分类文献包括预设指定传统文献分类和预设指定自编文献分类，这里预设指定传统文献分类又分为国内文献分类体系与国外文献分类体系，如下表1所示。
Figure BDA0001815169260000051
表1
预设指定自编文献分类又分为百科类型自编分类体系和门户网站自编分类体系，如下
表2所示。
Figure BDA0001815169260000052
表2
步骤D.分别针对待查询类别词集合中的各个类别词，将类别词所对应的各个分类体系进行融合，获得类别词所对应的融合分类体系，然后进入步骤E。
步骤E.针对待查询类别词集合中各个类别词分别所对应的融合分类体系进行融合，作为该目标类别词所对应的分类体系，然后进入步骤F。
上述步骤D中，将类别词所对应的各个分类体系进行融合的操作，以及步骤E中，针对待查询类别词集合中各个类别词分别所对应的融合分类体系进行融合的操作，均按如下规则执行；
(1)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且父类、以及类别层级各不相同，则保留所有的父类、以及层级，直接合并；
(2)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且存在相同父类，但类别层级不相同，则保留类别层级中最高的父类、以及层级；
(3)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且存在相同父类和类别层级，则保留其中任意一个父类体系；
(4)若分类体系在不同的指定现有分类文献当中具有至少两个子类，并且子类、以及类别层级各不相同，则保留所有的子类、以及层级，直接合并；
(5)若分类体系在不同的指定现有分类文献当中具有至少两个子类，存在相同子类，但类别层级不相同，则保留类别层级中最高的子类及层级，且在子类处的合并迭代使用融合规则；
(6)若分类体系在不同的指定现有分类文献当中具有至少两个子类，存在相同子类和类别层级，则保留一个子类体系；
(7)针对各个分类体系，若分类体系相同，则合并，若不同，则拓展。
步骤F.针对该目标类别词所对应分类体系当中的每一个类别，关联百度百科和维基百科，用户点击即可获取其百科注解，则针对该目标类别词所对应分类体系当中的各个类别，关联预设指定词解文献，分别获得该各个类别的注解；同时，针对该目标类别词所对应分类体系当中的各个类别，针对重复出现的类别进行标记，更新该目标类别词所对应分类体系，然后进入步骤G。
步骤G.用户针对自己业务需求和自身领域专家知识，结合领域术语解释和提示，根据预设规则，针对该目标类别词所对应分类体系进行增、删操作，更新该目标类别词所对应分类体系，并加入至目标信息类型领域的类别分类体系数据库当中。
如图2所示，以“政治”类别为例，获取其在互动百科的分类体系。在互动百科分类体系中，按照上述所设计技术方案中步骤C的类别结构查询规则。查询“政治”类别的父类“社会”，查询其子类别包括“国家”、“政治人物”、“政治理论”、“政府”、“政治组织”、“国际政治”、“制度”、“政治事件”、“政治思想”、“时事”、“党务知识”等十一个子类别，每个类别又包含若干子类别。
如图3，以“政治”类别为例，将其文献分类体系、自编分类体系等多个分类体系下的类别结构体系，按照上述所设计技术方案中步骤D进行融合，对其父类、祖父类、子类等进行融合扩展，获得该类别的融合分类体系。
上述技术方案中的步骤A中，由于数据库中存储的各分类体系都是标准类别词，所以需要对用户的输入进行标准类别词的匹配，当历史数据库中存在用户所检索目标类别词的类别体系时，返回历史构建的该类别的分类体系，在步骤A中，会自动匹配在现有数据中与用户提交的查询词相关的检索记录，包括检索日志、用户标注信息、历史提交记录等。
在上述技术方案中，在所述的步骤B中：若不存在用户所检索目标类别词的类别体系时，返回与用户所查询目标类别词的各个相似类别词。这里获取采用Synonyms中文近义词工具包，Synonyms通过使用word2vec训练维基百科中文语料构建，利用上下文信息进行训练，将词汇映射到低维空间，通过计算词向量空间距离进行检索。在算法层面上，通过基于距离而非传统的匹配形式进行近义词检索，低维向量的表示兼顾语义信息，可以用于自然语言理解包括文本对齐、推荐算法、相似度计算、语义偏移、关键词提取、概念提取、自动摘要、搜索引擎等任务。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (7)

1.一种网络信息分类体系构建方法，其特征在于：首先初始化目标信息类型领域的类别分类体系数据库为空，然后依次针对目标信息类型领域下的各个目标类别词，分别执行如下步骤：
步骤A.查找类别分类体系数据库中是否存在目标类别词，是则返回对应该目标类别词的分类体系，该目标类别词的执行步骤结束；否则进入步骤B；
步骤B.应用预设中文近义词查询工具，结合工具自带词汇语库，以类别词之间的空间距离作为类别词之间的相似度，获得对应该目标类别词的各个相似类别词，并结合该目标类别词，组建该目标类别词所对应的待查询类别词集合，然后进入步骤C；
步骤C.分别针对待查询类别词集合中的各个类别词，获得类别词分别对应各个指定现有分类文献当中的分类体系，然后进入步骤D；
步骤D.分别针对待查询类别词集合中的各个类别词，将类别词所对应的各个分类体系进行融合，获得类别词所对应的融合分类体系，然后进入步骤E；
步骤E.针对待查询类别词集合中各个类别词分别所对应的融合分类体系进行融合，作为该目标类别词所对应的分类体系，并加入至目标信息类型领域的类别分类体系数据库当中。
2.根据权利要求1所述一种网络信息分类体系构建方法，其特征在于，所述步骤E中，获得该目标类别词所对应的分类体系之后，直接执行如下步骤：
步骤F.针对该目标类别词所对应分类体系当中的各个类别，关联预设指定词解文献，分别获得该各个类别的注解；同时，针对该目标类别词所对应分类体系当中的各个类别，针对重复出现的类别进行标记，更新该目标类别词所对应分类体系，然后进入步骤G；
步骤G.根据预设规则，针对该目标类别词所对应分类体系进行增、删操作，更新该目标类别词所对应分类体系，并加入至目标信息类型领域的类别分类体系数据库当中。
3.根据权利要求1所述一种网络信息分类体系构建方法，其特征在于：所述步骤B中，应用Synonyms中文近义词查询工具，并基于工具自带词汇语库，通过类别词之间的空间距离，获得类别词之间的相似度，再结合预设相似度阈值，进而获得对应该目标类别词的各个相似类别词。
4.根据权利要求3所述一种网络信息分类体系构建方法，其特征在于：所述步骤B中，通过欧式距离计算方法或者余弦值计算方法，获得类别词之间的空间距离。
5.根据权利要求1所述一种网络信息分类体系构建方法，其特征在于：所述步骤C中，分别针对待查询类别词集合中的各个类别词，获得类别词分别对应各个指定现有分类文献当中的分类体系、以及获得所获分类体系的父类体系、子类体系，均作为该类别词所对应的各个分类体系，然后进入步骤D。
6.根据权利要求1所述一种网络信息分类体系构建方法，其特征在于：所述步骤C中，指定现有分类文献包括预设指定传统文献分类和预设指定自编文献分类。
7.根据权利要求1所述一种网络信息分类体系构建方法，其特征在于：所述步骤D中，将类别词所对应的各个分类体系进行融合的操作，以及步骤E中，针对待查询类别词集合中各个类别词分别所对应的融合分类体系进行融合的操作，均按如下规则执行；
(1)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且父类、以及类别层级各不相同，则保留所有的父类、以及层级，直接合并；
(2)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且存在相同父类，但类别层级不相同，则保留类别层级中最高的父类、以及层级；
(3)若分类体系在不同的指定现有分类文献当中具有至少两个父类，且存在相同父类和类别层级，则保留其中任意一个父类体系；
(4)若分类体系在不同的指定现有分类文献当中具有至少两个子类，并且子类、以及类别层级各不相同，则保留所有的子类、以及层级，直接合并；
(5)若分类体系在不同的指定现有分类文献当中具有至少两个子类，存在相同子类，但类别层级不相同，则保留类别层级中最高的子类及层级，且在子类处的合并迭代使用融合规则；
(6)若分类体系在不同的指定现有分类文献当中具有至少两个子类，存在相同子类和类别层级，则保留一个子类体系；
(7)针对各个分类体系，若分类体系相同，则合并，若不同，则拓展。
CN201811138261.4A 2018-09-28 2018-09-28 一种网络信息分类体系构建方法 Active CN109460467B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811138261.4A CN109460467B (zh) 2018-09-28 2018-09-28 一种网络信息分类体系构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811138261.4A CN109460467B (zh) 2018-09-28 2018-09-28 一种网络信息分类体系构建方法

Publications (2)

Publication Number Publication Date
CN109460467A CN109460467A (zh) 2019-03-12
CN109460467B true CN109460467B (zh) 2020-02-14

Family

ID=65607086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811138261.4A Active CN109460467B (zh) 2018-09-28 2018-09-28 一种网络信息分类体系构建方法

Country Status (1)

Country Link
CN (1) CN109460467B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110750632B (zh) * 2019-10-21 2022-09-09 闽江学院 一种改进的中文alice智能问答方法及系统
CN111008645A (zh) * 2019-11-05 2020-04-14 北京邮电大学 基于共指消解的科技服务资源分类体系构建方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727454A (zh) * 2008-10-30 2010-06-09 日电（中国）有限公司 用于对象自动分类的方法和系统
CN101923561A (zh) * 2010-05-24 2010-12-22 中国科学技术信息研究所 一种文件自动分类方法
CN102426585A (zh) * 2011-08-09 2012-04-25 中国科学技术信息研究所 一种基于贝叶斯网络的网页自动分类方法
CN104268134A (zh) * 2014-09-28 2015-01-07 苏州大学 一种主客观分类器构建方法和系统
CN107133248A (zh) * 2016-02-29 2017-09-05 阿里巴巴集团控股有限公司 一种应用程序的分类方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727454A (zh) * 2008-10-30 2010-06-09 日电（中国）有限公司 用于对象自动分类的方法和系统
CN101923561A (zh) * 2010-05-24 2010-12-22 中国科学技术信息研究所 一种文件自动分类方法
CN102426585A (zh) * 2011-08-09 2012-04-25 中国科学技术信息研究所 一种基于贝叶斯网络的网页自动分类方法
CN104268134A (zh) * 2014-09-28 2015-01-07 苏州大学 一种主客观分类器构建方法和系统
CN107133248A (zh) * 2016-02-29 2017-09-05 阿里巴巴集团控股有限公司 一种应用程序的分类方法和装置

Also Published As

Publication number Publication date
CN109460467A (zh) 2019-03-12

Similar Documents

Publication Publication Date Title
CN111680173B (zh) 统一检索跨媒体信息的cmr模型
CN108920716B (zh) 基于知识图谱的数据检索与可视化系统及方法
CN109800284B (zh) 一种面向任务的非结构化信息智能问答系统构建方法
US10289717B2 (en) Semantic search apparatus and method using mobile terminal
CN101630314B (zh) 一种基于领域知识的语义查询扩展方法
CN104239513B (zh) 一种面向领域数据的语义检索方法
CN111475623A (zh) 基于知识图谱的案件信息语义检索方法及装置
CN110909170B (zh) 兴趣点知识图谱构建方法、装置、电子设备及存储介质
US20110040776A1 (en) Semantic Trading Floor
CN108897887B (zh) 一种基于知识图谱和用户相似度的教学资源推荐方法
CN109408578B (zh) 一种针对异构环境监测数据融合方法
KR20060017765A (ko) 개념 네트워크
JP2005526317A (ja) ドキュメントコーパスからコンセプト階層構造を自動に捜索する方法及びシステム
CN112231494B (zh) 信息抽取方法、装置、电子设备及存储介质
CN111782800B (zh) 一种面向事件追溯的智能会议分析方法
CN113190687B (zh) 知识图谱的确定方法、装置、计算机设备及存储介质
CN113254630B (zh) 一种面向全球综合观测成果的领域知识图谱推荐方法
CN106227788A (zh) 一种以Lucene为基础的数据库查询方法
CN105512316A (zh) 一种结合移动终端的知识服务系统
CN115270738A (zh) 一种研报生成方法、系统及计算机存储介质
Golub et al. Subject indexing in humanities: a comparison between a local university repository and an international bibliographic service
CN109460467B (zh) 一种网络信息分类体系构建方法
CN112015907A (zh) 一种学科知识图谱快速构建方法、装置及存储介质
JP2007179490A (ja) 情報資源検索装置、情報資源検索方法及び情報資源検索プログラム
CN101770473A (zh) 层次化语义脉络文档查询方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant