[發(fā)明專利]異構(gòu)信息知識(shí)挖掘與可視化分析系統(tǒng)及方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210025598.0
• 申請(qǐng)日: 2012-02-07
• 公開(kāi)（公告）號(hào): CN102609512A
• 公開(kāi)（公告）日: 2012-07-25
• 發(fā)明（設(shè)計(jì)）人: 李春梅;李艾丹;薛中玉;郭秋梅;楊思維;張志朋;桑道靜
• 申請(qǐng)（專利權(quán)）人: 北京中機(jī)科?？萍及l(fā)展有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種異構(gòu)信息知識(shí)挖掘與可視化分析系統(tǒng)，包括用于提供豐富的人機(jī)交互接口的用戶層，用于分析語(yǔ)料、挖掘知識(shí)和可視化分析的系統(tǒng)工具層，用于存儲(chǔ)和提供最初語(yǔ)料、中間產(chǎn)物和分析結(jié)果的數(shù)據(jù)資源層；其中系統(tǒng)工具層包括用于接收和處理用戶提供相關(guān)資料的語(yǔ)料預(yù)處理子系統(tǒng)、用于分析和挖掘語(yǔ)料中相關(guān)知識(shí)的知識(shí)挖掘子系統(tǒng)和用于動(dòng)態(tài)顯示和統(tǒng)計(jì)分析檢索結(jié)果的可視化分析子系統(tǒng)。

2.根據(jù)權(quán)利要求1所述的異構(gòu)信息知識(shí)挖掘與可視化分析系統(tǒng)，其特征在于，所述的用戶層包括信息檢索和動(dòng)態(tài)知識(shí)展示。其中信息檢索包括目錄導(dǎo)航、語(yǔ)義查詢、相關(guān)資源、相關(guān)概念和擴(kuò)展概念；動(dòng)態(tài)知識(shí)展示包括本體知識(shí)圖、資源分布圖、Web知識(shí)圖、文檔知識(shí)圖和統(tǒng)計(jì)分析圖。

所述的目錄導(dǎo)航，用于顯示系統(tǒng)自動(dòng)聚類的某一領(lǐng)域的層次結(jié)構(gòu)信息，每個(gè)節(jié)點(diǎn)后顯示節(jié)點(diǎn)下的網(wǎng)頁(yè)資源個(gè)數(shù)。

所述的語(yǔ)義查詢，用于支持用戶對(duì)關(guān)鍵詞、詞組和簡(jiǎn)單語(yǔ)句的查詢，并通過(guò)本體推理查詢，形成語(yǔ)義查詢檢索式，返回語(yǔ)義索引庫(kù)中的相關(guān)信息，支持對(duì)查詢結(jié)果中各條信息的語(yǔ)義關(guān)系圖形化預(yù)覽。

所述的相關(guān)資源，用于顯示每一個(gè)查詢結(jié)果的相關(guān)資源，根據(jù)用戶最終選擇查看的網(wǎng)頁(yè)特點(diǎn)，進(jìn)行聚類，并向用戶推薦相同類別的網(wǎng)頁(yè)資源。

所述的相關(guān)概念，用于提供語(yǔ)義查詢中形成的查詢語(yǔ)義向量中各維概念的同義詞和相關(guān)詞匯列表，有利于用戶發(fā)散思維，提供更全的視角和更相關(guān)的檢索結(jié)果。

所述的擴(kuò)展概念，用于顯示用戶輸入關(guān)鍵詞在本體中的上下位概念。

所述的本體知識(shí)圖，用于圖形化顯示領(lǐng)域本體的概念、概念間關(guān)系、屬性、實(shí)例等知識(shí)體系。

所述的資源分布圖，用于圖形化顯示系統(tǒng)自動(dòng)聚類的某領(lǐng)域?qū)哟谓Y(jié)構(gòu)信息每個(gè)節(jié)點(diǎn)的網(wǎng)頁(yè)資源個(gè)數(shù)，以及與用戶輸入檢索內(nèi)容相關(guān)資源的分布情況。

所述的Web知識(shí)圖，用于圖形化預(yù)覽檢索結(jié)果中各網(wǎng)頁(yè)的知識(shí)結(jié)構(gòu)圖，并可以查看相關(guān)網(wǎng)頁(yè)所在網(wǎng)站的整體知識(shí)網(wǎng)絡(luò)圖。

所述的文檔知識(shí)圖，用于圖形化顯示用戶上傳文檔的知識(shí)結(jié)構(gòu)圖，顯示文檔中核心概念以及概念之間關(guān)系。

所述的統(tǒng)計(jì)分析圖，用于采用餅狀圖、柱狀圖和折線圖顯示系統(tǒng)聚類體系中各節(jié)點(diǎn)資源比例、系統(tǒng)新增資源比例、查詢結(jié)果中各節(jié)點(diǎn)資源比例等等。

3.根據(jù)權(quán)利要求1所述的異構(gòu)信息知識(shí)挖掘與可視化分析系統(tǒng)，其特征在于，所述的語(yǔ)料預(yù)處理子系統(tǒng)包括語(yǔ)料管理模塊、網(wǎng)絡(luò)爬蟲(chóng)模塊、信息抽取模塊、信息去噪模塊。

所述的語(yǔ)料管理模塊，用于管理網(wǎng)絡(luò)抓取資料和用戶上傳的各類語(yǔ)料資源，包括對(duì)上傳語(yǔ)料的添加、刪除、分類，并實(shí)現(xiàn)對(duì)單篇、多篇、單文件夾、多文件夾以及全部資源的選擇，以便進(jìn)行下一步的分析處理。

所述的網(wǎng)絡(luò)爬蟲(chóng)模塊，用于對(duì)網(wǎng)頁(yè)抓取引擎的設(shè)置和對(duì)網(wǎng)頁(yè)抓取資源的監(jiān)控，并實(shí)現(xiàn)對(duì)與用戶設(shè)置的初始網(wǎng)址、前綴、關(guān)鍵詞等相關(guān)的網(wǎng)頁(yè)的鏡像抓取和定期更新。

所述的信息抽取模塊，用于對(duì)選中的多種格式(包括pdf、word、ppt、txt、xls和網(wǎng)頁(yè)等)的文檔文件中的信息進(jìn)行抽取，解決pdf文件內(nèi)容為掃描格式或軟件識(shí)別格式時(shí)出錯(cuò)問(wèn)題，提高文檔內(nèi)容為分欄或有插圖、插表時(shí)提取結(jié)果的準(zhǔn)確性。

所述的信息去噪模塊，用于去除各類文件中的無(wú)用信息(包括亂碼、標(biāo)簽、頁(yè)眉、頁(yè)腳等)，并確保有用信息完整保留。

4.根據(jù)權(quán)利要求1所述的異構(gòu)信息知識(shí)挖掘與可視化分析系統(tǒng)，其特征在于，所述的知識(shí)挖掘子系統(tǒng)包括核心概念識(shí)別、概念關(guān)系抽取、摘要關(guān)鍵詞和信息分類聚類。

所述的核心概念識(shí)別，用于基于智能分詞中擴(kuò)展詞性標(biāo)識(shí)，識(shí)別領(lǐng)域概念，記錄包含領(lǐng)域概念的句子，用于統(tǒng)計(jì)語(yǔ)料中的單詞概念和組合概念的權(quán)重和領(lǐng)域相關(guān)性，最終識(shí)別和確定領(lǐng)域的核心概念，形成領(lǐng)域相關(guān)概念集。

所述的概念關(guān)系抽取，用于抽取核心語(yǔ)句中有用的、領(lǐng)域相關(guān)的概念間關(guān)系，具體包括上下位繼承關(guān)系、同義關(guān)系、屬性關(guān)系和實(shí)例關(guān)系等。

所述的摘要關(guān)鍵詞，用于基于領(lǐng)域概念識(shí)別結(jié)果，參考統(tǒng)計(jì)等關(guān)鍵詞抽取算法，提取2至4個(gè)最能體現(xiàn)文檔主題的詞語(yǔ)；基于分詞結(jié)果和領(lǐng)域概念識(shí)別結(jié)果，以句為單位計(jì)算每句中領(lǐng)域概念出現(xiàn)次數(shù)，選擇2至4句出現(xiàn)領(lǐng)域概念最多的句子作為文檔摘要。

所述的信息分類聚類，用于基于文檔中識(shí)別出的領(lǐng)域詞匯并重點(diǎn)考慮文檔的關(guān)鍵詞，根據(jù)詞匯出現(xiàn)頻率，設(shè)置一定的權(quán)重，映射到導(dǎo)航目錄體系中，每篇文檔可以映射體系中多個(gè)節(jié)點(diǎn)。