[发明专利]一种文本模式识别方法及系统

权利要求书

1.一种文本模式识别方法，其特征在于，包括以下步骤：

S1、根据二分法算法，将文本文件的一预设位置作为基点，记录每个关键词在所述文本文件中出现的次数和相对于所述基点的位置；

S2、根据记录的关键词在所述文本文件中出现的次数和位置，将所述文本文件映射为星形有向加权图，其中，所述星形有向加权图的中心节点为所述基点，图中的每个节点代表一个关键词，图中每个节点至中心节点的有向边的权值表示对应的关键词的位置至所述基点的距离；

S3、根据二分法算法，将所述星形有向加权图化为简化星形有向加权图；

S4、根据所述简化星形有向加权图的属性和记录的关键词出现次数，将所述文本文件映射为文本特征向量；

其中，步骤S1包括：

计算所述文本文件的长度；

根据所述文本文件的长度，将文本文件的二分之一的位置作为基点，记录每个关键词在所述文本文件中出现的次数和相对于所述基点的位置；

步骤S2包括：

所述星形有向加权图中，若一关键词在所述文本文件中出现的次数大于1，那么所述关键词对应所述星形有向加权图中的多个节点；

若所述文本文件的关键词集为K＝[k₁,k₂,……,k_n]，

用F＝[f₁,f₂,……,f_n]表示所有关键词出现的次数，其中，n大于等于1，且小于所述文本文件的长度，

用Wi＝[wi₁,wi₂,…,wi_n]表示每个关键词到所述文本文件基点的距离的权值集合，其中，n＝f_i，

所述星形有向加权图中的每个节点代表一个关键词k_i，若所述关键词k_i在所述文本文件中相对于所述基点的位置p_i出现，则在所述星形有向加权图中加一条有向边wi₁，所述有向边wi₁的权值为所述位置p_i相对于所述基点的距离，若关键词k_i在所述文本文件中多次出现，则在所述星形有向加权图中用同样的法则将这些在所述文本文件中不同位置出现的关键词k_i，映射为多条有向边wi_n，所述有向边wi_n对应为所述不同位置p_i相对于所述基点的距离。

2.如权利要求1所述的文本模式识别方法，其特征在于，步骤S2具体还包括：

若所述关键词k_i在所述文本文件的基点的前面出现，则所述关键词的位置p_i到所述基点的距离权值wi_n为负值，且在所述星形有向加权图中加一条由各节点指向所述中心节点的有向边；

若所述关键词k_i在所述文本文件的基点的后面出现，则所述关键词的位置p_i到所述基点的距离权值wi_n为正值，且在所述星形有向加权图中加一条由所述中心节点指向各节点的有向边。

3.如权利要求2所述的文本模式识别方法，其特征在于，所述步骤S3具体包括：

获取所述星形有向加权图中的相同节点对应的各有向边的权值，并将各有向边的权值按照从小到大的顺序排列，得到所述相同节点对应的关键词在所述星形有向加权图中各有向边的权值集合；

获取所述权值集合中权值大小处于中间位置的中间权值，并将所述权值集合中的最大权值和该中间权值相加后再除以2得到第一新权值，将所述权值集合中的最小权值和该中间权值相加后再除以2得到第二新权值，然后将所述第一新权值、第二新权值以及所述权值集合中剩余的其它权值进行从小到大的顺序排列，得到一新的权值集合，根据相同的法则对新的权值集合进行计算，依次类推，直至获取到所述关键词对应唯一的权值，所述权值为所述关键词对应的节点在简化的星形有向加权图的有向边权值，获取到简化星形有向加权图。