[发明专利]一种科技文献大数据分类方法

权利要求书

1.一种科技文献大数据分类方法，其特征在于：包括以下步骤：

S1、构建拓扑关系图：拓扑关系图由节点和边组成，节点分别为：文献、句子和关键词；其中，文献节点由文献的标题、文献关键词及摘要组成，句子节点为由文献摘要中提取的具有语序特征的句子，关键词节点为STKOS中的术语，其中STKOS为国家图书文献中心研发的超级词典；边为节点之间的关系，分别是：文献和句子，文献和关键词，句子和句子，句子和关键词以及关键词和关键词；

S2、将拓扑关系图转化成拓扑关系矩阵；

S3、使用训练数据以及基于训练数据通过S1和S2构建的拓扑关系矩阵对分类模型进行训练得到训练好的分类模型；

S4、待分文献分类：将批量的待分类文献采用步骤1构建拓扑关系图，然后采用步骤2将拓扑关系图转化成矩阵，然后将矩阵和待分文献输入到通过步骤3训练好的分类模型中进行分类，得到待分文献归属于不同类别的概率，从中选取最大概率对应到类别作为文献分类。

2.根据权利要求1所述的方法，其特征在于：所述句子抽取算法采用LSTM方法。

3.根据权利要求1所述的方法，其特征在于：所述文献和句子之间的关系采用word2vec后的相似度描述；文献和关键词之间的关系采用TFIDF描述；句子和句子之间的关系采用word2vec后的相似度描述；句子和关键词之间的关系采用CHI描述；关键词和关键词之间的关系采用PMI描述。

4.根据权利要求1所述的方法，其特征在于：所述分类模型采用FASTGCN模型，卷积层为3层；激活函数选择RELU；分类函数选择SOFTMAX函数；误差函数选择交叉熵函数，通过将模型分类结果与输入带有标签的文献分类对比获得误差，采用梯度下降方法反传误差对模型参数进行训练，直到误差在预设阈值范围。

5.根据权利要求1-4任一所述的方法，其特征在于：为了提高效率，对各卷积层输入的数据先进行采样再输入。

6.根据权利要求5所述的方法，其特征在于：所述采样选用马尔科夫算法进行采样。