[发明专利]一种基于复杂网络的法规检索方法及系统

说明书

本发明提供一种基于复杂网络的法规检索方法及系统，属于文本分类技术领域，法规检索方法包括：对每部待分类法规进行分词，计算每个特征词在各待分类法规中的TF‑IDF值；针对每一待分类法规，根据每个特征词在待分类法规中的TF‑IDF值，确定待分类法规的特征向量；根据各待分类法规的特征向量，构建法规复杂网络；基于社团检测算法，根据法规复杂网络，对各待分类法规进行类别划分，得到多个法规社团；计算检索关键字在各待分类法规中的TF‑IDF值，将TF‑IDF值大于频率阈值的待分类法规作为检索结果集，确定检索结果集中各待分类法规所属的法规社团，并向用户展示对应的法规社团，提高了法规检索结果的精度和检索效率。

技术领域

本发明涉及文本分类技术领域，特别是涉及一种基于复杂网络的法规检索方法及系统。

背景技术

为了解决各种各样的环境问题，根据地方上的实际情况，各地政府颁布了适应自身情况的相关政策法规。这些法规不仅数量庞大，且法规间的关系错综复杂，如何提前对环境法规数据进行类别划分处理、挖掘法规之间的关联关系，从而提高法规的检索效率和精度就成为了急需解决的问题。

从法规的检索来看，大众在生活和工作中遇到相关问题时，往往需要检索相关的法律法规，然而目前市场上的法规检索系统中，用户检索得到的结果中包含大量不相关的法规，并不能达到精确检索的效果，且降低了用户的检索效率，而且检索结果中的各法规之间的相关性不高，降低了用户的检索体验。而目前在法规文本类别划分方面，现有技术一般通过分类或聚类方式实现。分类算法需要事先给定带标签数据构成的训练集，将新法规划分到训练集中已有的某个标签类别中，分类算法虽然可以解决法规类别划分问题，但分类算法属于有监督学习，训练集中的每条数据都必须有标签，而现实中很难以人工方式对环境法规赋予合适的标签，训练集的获取存在困难。kNN算法对噪声数据敏感，鲁棒性较差，参数k也不好确定。神经网络模型调参困难，且模型训练时间长，分类结果的可解释性较差。支持向量机解决多分类问题时存在困难，不适用于环境法规类别划分这种多分类问题。决策树要求数据集中各类别中的样本数目要均衡，否则信息增益会偏向具有更多数值的特征，同时该方法易于过拟合，忽略了属性之间的相关性。

聚类算法属于无监督学习，其本质是根据样本间的某种距离在无监督条件下的聚簇过程，它可以解决分类算法训练集难易获取的问题，不需要训练集就可以实现法规类别划分。例如，通过k-Means算法对环境法规数据进行聚类。但是k-Menas的聚簇数需要人工预先确定，这种人为干涉对聚簇结果的合理性会产生影响，初始质心的选择也会对结果产生影响，算法性能不稳定；虽然聚类算法可以解决诸如法规这类无标签数据的类别划分问题，但聚簇标识名的选取是一个困难的问题。

在相似法规推荐方面，现有技术一般采用局部相似度排序法，计算法规库中任意一对法规的相似度，找出按相似度降序排序后的top-k部法规进行推荐。该方法基于法规与其近邻的相似度实现法规推荐，在近邻范围内根据法规间的相似度完成了相似法规排序，但是此方法没有考虑法规在整个网络中的影响力对相似法规排序的影响。

基于上述问题，亟需一种新的法规分类方法以提高法规检索结果的精度和检索效率。

发明内容

本发明的目的是提供一种基于复杂网络的法规检索方法及系统，可提高法规检索结果的精度和检索效率。

为实现上述目的，本发明提供了如下方案：

一种基于复杂网络的法规检索方法，所述基于复杂网络的法规检索方法包括：

对每部待分类法规进行分词处理，得到法规语料库；所述法规语料库中包括多个特征词；

计算所述法规语料库中每个特征词在各待分类法规中的词频-逆文本频率指数TF-IDF值；

针对每一待分类法规，根据每个特征词在所述待分类法规中的TF-IDF值，确定待分类法规的特征向量；