[发明专利]一种规则约束下的文本信息质量度量方法

权利要求书

1.规则约束下的文本数据质量度量方法，其特征是：(1)被度量的文本具有规定的书写格式且可被解析为XML格式；(2)对解析为XML格式的文本数据度量其数据质量；(3)文本数据具有很强的上下文相关性，且表征某个概念的语义集合边界不固定；(4)文本的数据质量可以通过其包含信息的信息质量来反映；(5)通过六元组客观信息论定义文本信息质量的九个评价指标；(6)使用粗糙集理论对九个指标进行数学建模。

2.据权利要求1所述的一种规则约束下的文本信息质量度量方法，其特征是依据文本书写的规则可将其解析为XML格式的文本文件，根据规则可将用户关心的数据字段提取出来作为信息集，数据质量的度量是在XML格式的半结构化文本基础上进行的。文本的数据质量通过文本的信息质量反映，因此可基于六元组客观信息论和粗糙集理论对文本的信息质量进行度量，从而反映文本的数据质量。该方法从九个维度定义了数据质量：适配性、广阔性、细致性、遍及性、持续性、包容性、延迟性、丰富性、真实性。

3.据权利1，2所述的一种规则约束下的文本信息质量度量方法，其特征是具体步骤如下：

1)依据规则将文本解析为XML格式的半结构化文本。

2)文本集合可依据概念划分为许多类，每一类的文本都有其特征字段，在每一类下将用户关心的关键字段提取出来，构成该类下的规则集。

3)结合规则集和具体文本内容，依据九个维度的信息质量度量指标对文本信息质量进行计算。