[发明专利]一种基于规则的信息相关性判定方法

摘要

本发明公开了一种基于规则的信息相关性判定方法，首先判断规则与信息的标题的相关性。当规则与标题相关，规则与信息相关，判断结束；否则继续判断规则与信息正文的相关性。根据规则的核心词、规则类型及正文类型，划分正文句子，获取最短距离句子集，判断规则与最短距离句子集的相关性，得到规则与正文的相关性。再根据规则与正文的相关性，获得规则与信息的相关性。本发明通过判定信息的类型，规则中的关键词，规则的类型，并基于条件的最短距离句子，进行相关性判定，得到判定结果。通过对规则及信息的分析，可以提高规则在信息中的匹配准确度，提高了信息相关性判定能力，具有很强的实用性。

主权项

1.一种基于规则的信息相关性判定方法，其特征在于：其步骤如下：A、判断标题Title与规则Rule的相关性R_T；R_T为真，则表示规则Rule与信息Info相关，判断结束；否则执行步骤B；B、判断正文Content与规则Rule的相关性R_C；步骤B的具体操作步骤如下：B1、判断正文类型T_C；当正文Content的字符数小于字符阈值，设定正文为短文本类型ShortText；否则正文为长文本类型LongText；B2、确定规则类型T_R；判定规则Rule中规则词的全部个数，得到T_R值；当规则词个数为1，设定规则为单规则OneRule；规则词个数为2，设定规则为短规则ShortRule；规则词个数大于3，设定规则为长规则LongRule；B3、确定规则核心词K_W；当规则Rule中规则词个数为1，则将规则词w₁作为核心词K_W；否则提取标题Title中出现的规则词，将Title中首个出现的规则词作为核心词K_W；当标题中没有出现规则词，则规则词中第一个词w₁作为核心词K_W；B4、根据核心词K_w、规则类型T_R及正文类型T_C，获取最短距离句子集S＝{S₁，S₂，S₃，…S_m}；B5、判断最短距离句子集S与规则Rule的相关性R_S；当R_S为真，则规则Rule与正文Content相关，R_C为真；否则为不相关，R_C为假；当规则Rule与正文Content相关性R_S为真，则规则Rule与信息Info相关；否则为不相关；所步骤B4的具体操作步骤如下：正文类型T_C及规则类型T_R，最短距离的范围阈值ValidLen各不相同：B41、单规则词处理：当规则Rule中只有1个规则词，则最短距离句子为整个正文Content，最短距离句子集S提取结束；否则执行步骤B42；B42、正文Content分段：利用段落分段标识符，将正文Content分为若干段落P＝{P₁，P₂，P₃…，P_n}；B43、提取段落最短距离句子集S＝{S₁，S₂，S₃…，S_m}；依次提取段落P_i(1<＝i<＝n)内最短句子集S_j，直到正文Content提取结束；所述步骤B43中所述的提取段落最短距离句子集S，其操作步骤如下：B431、按照规则核心词K_W对文本段落P_i(1<＝i<＝n)中查找包含该规则核心词K_W的中心句；其中，句子以中文标点“。！？；”，英文标点“！？；”为标识符分割；B432、依次查找中心句相临近的ValidLen个句子内的字符串，组成最短句子集S_j；B433、当前中心句提取完毕后，依次获取当前段P_i的下一个包含该规则核心词K_W的句子更新为当前中心句进行提取，直到段落P提取结束。