[发明专利]基于trie和LCS算法的文献分类方法和系统

摘要

本发明公开了一种基于trie和LCS算法的文献分类方法，包括以下步骤：步骤一、预编初始分类字典和初始排除字典；步骤二、将初始分类字典中的每一个字符串扩展得到扩展字符串，根据初始排除字典对得到的扩展字符串过滤后构建字典树；步骤三、调用字典树查找待分类文献中的每一个句子中出现的所有的字符串，取其中含有的属于初始分类字典中的最长的字符串作为最长公共子序列，最长公共子序列及其对应的类作为该一个句子的最终字符串及最终类，将一篇文献中出现频率最多的最终类作为其所属的类。本发明还公开了一种基于trie和LCS算法的文献分类系统。本发明省略了分词过程，以稳定的字符串为特征，准确度高，降低了对上下文的依赖。

主权项

1.基于trie和LCS算法的文献分类方法，其特征在于，包括以下步骤：步骤一、预编初始分类字典和初始排除字典，初始分类字典中编排多个类，每个类中设置至少一个字符串，初始排除字典中设置至少一个不属于初始分类字典中的字符串；步骤二、将初始分类字典中的每一个字符串扩展得到扩展字符串，根据初始排除字典对得到的扩展字符串过滤后构建字典树，其中，扩展字符串包括将每一个字符串分割形成的字符个数为1到N的子字符串，N为对应的字符串的字符总个数；步骤三、读取待分类文献，调用字典树查找待分类文献中的每一个句子中出现的所有的字符串，对于一个句子，取其中含有的属于初始分类字典中的最长的字符串作为最长公共子序列，最长公共子序列及其对应的类作为该一个句子的最终字符串及最终类，将一篇文献中出现频率最多的最终类作为其所属的类，完成对待分类文献的分类。