[发明专利]将分层内容归类成深度分类

权利要求书

1.一种在计算机处理器上执行的方法，所述方法包括：

接收包括节点的分类，所述节点的每一个具有至少一个包括单词的节点文档；

接收用于归类的归类文档；

为所述归类文档确定词汇表，所述词汇表包括在所述归类文档中使用的单词；

确定所述词汇表的每一成员的使用度量；

确定所述词汇表的每一成员的稀缺性度量；

通过包括以下步骤的遍历方法来遍历所述分类：

标识当前节点；

确定所述当前节点与所述归类之间的相似性，所述相似性是从所述使用度量和所述稀缺性度量中确定的；

对于与所述当前节点相关的每一节点，确定相关节点相似性，所述相关节点相似性是从所述使用度量和所述稀缺性度量中确定的；

将所述当前节点的所述相似性与所述相关节点相似性作比较以确定下一个当前节点；以及

将所述当前节点设置成所述下一个当前节点。

2.如权利要求1所述的方法，其特征在于，所述词汇表包括单元词、双元词以及三元词。

3.如权利要求1所述的方法，其特征在于，所述遍历方法还包括：

通过将来自所述当前节点的当前节点词汇表与来自所述相关节点的子节点词汇表作比较来确定所述当前节点的局部稀缺性度量，以便确定局部相似性；以及

使用所述局部稀缺性度量以供所述确定相似性和所述相关节点相似性。

4.如权利要求1所述的方法，其特征在于，还包括：

对于所述分类中的所述节点的每一个，标识表示所述节点的单词包，所述单词包包括来自所述节点文档的单词；以及

为所述节点的每一个的所述单词包中的所述单词的每一个确定节点单词稀缺性度量。

5.如权利要求4所述的方法，其特征在于，所述节点单词稀缺性度量基于表示所有所述节点的全局单词包的稀缺性，所述单词稀缺性度量是全局单词稀缺性度量。

6.如权利要求4所述的方法，其特征在于，所述节点单词稀缺性度量基于局部单词包，所述局部单词包是从与所述当前节点相关的一组节点中确定的。

7.如权利要求1所述的方法，其特征在于，所述遍历方法还包括：

将所述相关节点相似性放置在经排序的列表中，所述经排序的列表通过所述相关节点相似性来排序；以及

通过从所述经排序的列表中选择所述下一个当前节点来确定所述下一个当前节点。

8.如权利要求1所述的方法，其特征在于，所述分类是有向非循环图。

9.如权利要求1所述的方法，其特征在于，所述遍历方法还包括：

使用一组试探来比较所述相关相似性，以确定对所述当前节点能够考虑所述相关相似性。

10.如权利要求1所述的方法，其特征在于，所述确定词汇表包括标识所述归类文档中的第一单词的至少一个同义词，并且将所述至少一个同义词添加到所述词汇表中。

11.如权利要求1所述的方法，其特征在于，所述确定词汇表包括：

为所述词汇表中的所述单词的每一个确定使用因子，所述使用因子至少部分通过在所述归类文档内格式化来确定。

12.如权利要求1所述的方法，其特征在于，单词的所述稀缺性度量通过以下步骤来确定：

确定所述单词在所述当前节点和所述相关节点的出现次数；

确定所述当前节点和所述相关节点中的单词数量；以及

通过将所述出现次数除以所述单词数量来确定所述稀缺性度量。

13.如权利要求1所述的方法，其特征在于，单词的所述使用度量通过以下步骤来确定：

确定所述单词在所述归类文档中的出现次数；

确定所述归类文档中的单词数量；以及

通过将所述出现次数除以所述单词数量来确定所述使用度量。

14.如权利要求1所述的方法，其特征在于，所述稀缺性度量至少部分从统计语言模型中确定。

15.一种系统，包括：

处理器；

包括节点的分类，所述节点的每一个包括相关文档，所述相关文档包括单词；

分类分析器，所述分类分析器：

分析所述分类内的所述相关文档以确定所述相关文档中的所述单词的单词稀缺性；

归类文档处理器，所述归类文档处理器：

接收归类文档；

从所述归类文档中确定词汇表，所述词汇表包括在所述归类文档中包含的单词；以及

对于所述归类文档中的所述单词的每一个，确定使用度量；

分类爬行器，所述分类爬行器：

标识所述分类中的当前节点；

确定所述当前节点与所述归类之间的相似性，所述相似性是从所述使用度量和所述稀缺性度量中确定的；

对于与所述当前节点相关的每一节点，确定相关节点相似性，所述相关节点相似性是从所述使用度量和所述稀缺性度量中确定的；

将所述当前节点的所述相似性与所述相关节点相似性作比较以确定下一个当前节点；以及

将所述当前节点设置成所述下一个当前节点。