[发明专利]一种计算机文本检索分类特征选择方法

摘要

本发明公开了一种计算机文本检索分类特征选择方法，包括四个重要步骤，本发明对词项在所有类别进行科学地排序、估值，考虑了词项在各个类别的差异性，在此过程中把用户的搜索习惯考虑在内，用户初始搜索的词项体现了初始查询意图，有很大的价值，因此，综合考虑这些情况提供一种新的文本检索分类特征选择方法是很有必要的。

主权项

一种计算机文本检索分类特征选择方法，其特征在于，该方法的步骤如下：1)计算机根据词项的外延数量、词项反映的对象、词项反映事物的属性对文本中的词项进行分类，并根据分类的结果定义类别，计算每个词项在各个类别的排序值，所述各个类别的排序值用于词项的排序，用排序功能函数计算，所述排序功能函数p(ti)的定义如下：p(ti)=Σi=1m(v(ti)-r(ti,cj))3]]>式中：i＝1，2，…，m，j＝1，2，…，m，变量m是自然数，表示存放记录词项的数量，cj表示第j个类别，r(ti，cj)用于计算词项ti在类别cj的权重，e(ti，cj)表示词项ti在类别j的出现次数，ti表示第i个词项，v(ti)表示词项ti与初始词项的相邻频度，所述初始词项为用户最初输入的词项，与所述初始词项相邻且出现次数越多，相邻频度越高，该词项越有可能与所述初始词项组成新的词；2)根据每个类别的特点，针对每个词项构造类别调节参数表，所述类别调节参数表的每行记录类别ci、w1(cj)、w2(cj)，构造的原理是以每个类别中词项的分布规则以及词项与初始词项的相邻频度为依据，根据马尔科夫链原理计算，在计算w2(cj)需要将词项在类别cj的权重作为输入，在计算w1(cj)需要将所述排序值与词项的权重作为输入；3)对每个词项在各个类别上的排序值进行处理，得到每个词项在各个类别上的排序评分：score(ti，ci)＝w1(ci)×p(ti)+w2(cj)×r(ti，cj)其中score(ti，cj)表示词项ti在类别cj的排序评分，w1(cj)、w2(cj)为类别调节参数，用于调节p(ti)、r(ti，cj)之间的比例，每个类别的参数都不相同，计算排序评分时，从所述类别调节参数表查取相应的类别调节参数；4)根据所述排序评分大小升序来进行所有词项在各个类别上的排序，建立排序矩阵，根据所述排序矩阵绘制每个词项在各个类别中的排序变化曲线，根据所述排序变化曲线计算排序类别差异值，所述排序类别差异值越大，该词项在各个类别中排序差异越大，选取差异最大的20％数量的词项作为特征集。