[发明专利]一种信息分类的方法

权利要求书

1.一种信息分类的方法，其特征在于：以神经网络为基础结构，结合相似判断、模糊集筛选和反馈算法分离新目录，再将新目录进行合并后产生新的网络节点，由此分类数据和自我适应；其具体步骤如下：

步骤1：输入数据整理

外部数据经过初步整理，依据本体原理同一化输入数据，即依据特性和相互关系划分出诸多本体或者采用本体集合的方式提取共性从而划分；

步骤2：判断节点

对输入数据进行分类判断节点，决定输入数据是属于一个明确的分类还是需要进入下一个分类判断节点；

步骤3：信息归类

经过执行步骤2后，若没有下一个模糊相关节点，则数据本体在网络内跳转结束，并进行衍生算法，符合产生衍生节点条件的，产生新节点，并前往该新节点，归入新分类，若不符合产生衍生节点条件的，则将携带历程节点信息的数据本体归入已有的分类，并做出分类结果反馈。

2.根据权利要求1所述的信息分类的方法，其特征在于：步骤1中，所述本体是对特定领域之中某套概念及其之间关系的形式化表达。

3.根据权利要求1所述的信息分类的方法，其特征在于：步骤2细分为以下子步骤，

子步骤2-1：判断节点的组成，判断节点由相似判定模型、模糊集和反馈算法和衍生节点四部分组成，按照执行的次序依次是：开始取得数据—判定相似度—离散相关模糊集验证延伸特性指向下一个节点（进入下一个节点或者本体进入分类）—衍生算法判断是否产生新节点—反馈算法效果影响—结束；

子步骤2-2：判断节点的相似判定，具体数据携带本体信息与当前的节点模型进行相似性比对，比对内容包括内容匹配模型、习惯模型和社会性模型，比对结果在阀值范围之内的本体会携带当前节点的相似度数值；

子步骤2-3：通过离散相关模糊集判定是否有下一个模糊相关节点，若数据本体与判断节点有相关性，则具有下一个模糊相关节点，令数据本体携带历程节点信息前往该模糊相关节点，重复步骤2；若数据本体与判断节点不具有相关性，则产生衍生节点，并前往该衍生节点。

4.根据权利要求3所述的信息分类的方法，其特征在于：子步骤2-1中，所述反馈算法：被影响者同时也施加影响于影响者本身；所述延伸特性：某个事物是由另一事物发展出来，则这两个事物是互相延伸的，延伸的本质指的是相关。

5.根据权利要求3所述的信息分类的方法，其特征在于：子步骤2-2中，所述社会性模型指人的社会属性中符合人类整体运行发展要求的基本特性模型，包括有利他性、服从性、依赖性、以及更加高级的自觉性，这些特性被模型化，归结为社会性模型。

6.根据权利要求3所述的信息分类的方法，其特征在于：子步骤2-3中，所述离散相关是指数据是分离而非连续的，但是又存在着内部的某种联系。

7.根据权利要求1所述的信息分类的方法，其特征在于：步骤3中，所述归入已有的分类，首先判断是否直接归属，直接归属是指经过某些判断节点后，该信息能够明确的被分配到某个类别，即一个本体信息所携带的判断节点，是被一个分类所包含的判断节点所完全覆盖，则该本体被归入该分类；若无法进行直接归属，则进行模糊归属，即一个本体信息所携带的判断节点，是被一个分类所包含的判断节点所基本覆盖，则该本体被指向该分类，也即意味着模糊的归属于该类别。

8.根据权利要求1所述的信息分类的方法，其特征在于：步骤3中，产生新分类的标准是，发现不符合当前分类的最低判断阀值；已经遍历了其它所有的分类；与当前所有分类相似度太低已无延伸可能；一定数量的新判断节点产生；产生的新节点无法被纳入已存在所有分类。