[发明专利]基于领域知识模型的文本情报关联聚类汇集处理方法

摘要

本发明提出的一种基于领域知识模型的文本情报关联聚类汇集处理方法，包括如下步骤：搜集文本情报训练集进行提取词干预处理，通过中文命名实体识别与领域字典查询的方式提取情报训练集文本分词序列的特征词汇向量；采用主题图模型学习训练提取目标事件的代表性特征词汇，并计算主题关联归属的权重值；然后根据训练计算的特征词汇的主题关联归属权重值，构建特征词汇集合，建立事件主题词汇模板；再通过中文命名实体识别与领域字典查询的方式提取实时接入文本的分词序列的特征词汇向量；然后计算特征词汇向量与所有目标事件知识模板的相似度距离；根据相似度阈值确定多个文本对同一主题目标事件的关联关系，利用相似度距离排序规则进行分类整编。

主权项

1.一种基于领域知识模型的文本情报关联聚类汇集处理方法，其特征在于包括如下步骤：步骤S1文本情报预处理：搜集文本情报训练集进行分词、词性标注，去停用词，保留名词与动词，提取词干预处理，得到文本情报训练集规范化的文本分词序列；步骤S2特征词汇向量提取：通过中文命名实体识别与领域字典查询的方式提取情报训练集文本分词序列的特征词汇向量；步骤S3事件主题词汇学习：采用主题图模型学习训练提取目标事件的代表性特征词汇，并计算其主题关联归属的权重值；步骤S4事件主题词汇模板建立：根据训练计算的特征词汇的主题关联归属权重值，构建以人物、地点、装备、行为、组织和事件名称代号类概念词汇组成的特征词汇集合，作为表达目标事件知识模板，以及与主题类别归属的索引关系，建立事件主题词汇模板；步骤S5文本情报预处理：对新接入文本情报进行步骤S1中的预处理，得到接入文本情报规范化的文本分词序列；步骤S6特征词汇向量提取：通过中文命名实体识别与领域字典查询的方式提取步骤S5中实时接入文本的分词序列的特征词汇向量；步骤S7主题相似度距离计算比对：计算特征词汇向量与所有目标事件知识模板的相似度距离，并比对上述相似度距离；步骤S8情报主题分类整编：根据相似度阈值确定多个文本对同一主题目标事件的关联关系，利用相似度距离排序规则进行文本情报的分类整编。