【摘要】 本发明公开了一种基于内容的问题自动分类方法及其系统，该系统包括：问题关键字获取模块，用于根据模板中的关键字标签和/或可填充内容标签获取新问题的问题关键字，为问题关键字设置权值，并得到新问题的问题向量；特征空间构造模块，用于根据已有所有类别的问题及所述权值获取每一类别的特征向量，构造特征空间；及语义映射模块，连接特征空间构造模块、问题关键字获取模块，用于将新问题的问题向量映射到特征空间，根据新问题映射后的问题向量、每一类别的特征向量计算新问题与每一类别之间的相似度，并根据相似度返回最相关的类别。本发明实现了对用户所提出的新问题自动分类，并把最可能的结果返回给用户供其选择。 【专利类型】发明授权 【申请人】北京百问百答网络技术有限公司 【申请人类型】企业 【申请人地址】100872 北京市海淀区中关村大街59号文化大厦1207F室 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810102710.X 【申请日】2008-03-25 【申请年份】2008 【公开公告号】CN101251862B 【公开公告日】2010-06-09 【公开公告年份】2010 【授权公告号】CN101251862B 【授权公告日】2010-06-09 【授权公告年份】2010.0 【IPC分类号】G06F17/30; G06F17/27 【发明人】刘文印 【主权项内容】1.一种基于内容的问题自动分类方法，其特征在于，包括： 问题关键字获取步骤，用于根据模板中的关键字标签和/或可填充内容标签获取新问题的问题关键字，为所述问题关键字设置权值，并根据所述权值得到所述新问题的问题向量； 特征空间构造步骤，用于根据已有所有类别的问题及所述权值获取每一类别的特征向量，并构造特征空间； 语义映射步骤，用于将所述新问题的问题向量映射到所述特征空间，根据所述新问题映射后的问题向量、每一类别的特征向量计算所述新问题与每一类别之间的相似度，并根据所述相似度返回最相关的类别； 所述问题关键字获取步骤中，进一步包括： 根据词频为所述新问题中的每个单词设置初始权值，并在获取所述问题关键字后，将所述问题关键字的权值设置为该初始权值乘以λ的步骤； 当λ为1时，所述新问题中的所有单词的重要性相同，当λ大于1时，对所述问题关键字已被设置为较高的权值； 所述获取每一类别的特征向量的步骤进一步包括： 由每一类别中的所有单词表示该类别初始的特征向量； 根据单词的权值对每一类别中的所有单词按降序排序，第j个单词在第i个类别中的的权值由tfij和idfj的乘积来计算； 根据所有类别中单词的集合WS、所有类别的集合C以如下公式获取满足下面条件的前ki个词作为第i个类别ci的特征向量： |WS|：WS中单词的总数； tfij：第j个单词在第i个类别中的词频； idfj：第j个单词的逆向类别频率，是所有类别的数目与包含第j个单词的类别的数目的比值或该比值的函数； δ：权值覆盖参数，在0和1之间。 【当前权利人】广东东华发思特软件有限公司 【当前专利权人地址】广东省珠海市横琴新区环岛东路创意谷1889号20栋B座512室 【引证次数】7.0 【被引证次数】7 【自引次数】1.0 【他引次数】6.0 【被自引次数】1.0 【被他引次数】6.0 【家族引证次数】7.0 【家族被引证次数】37
