[发明专利]交通科技数据标引方法及系统

权利要求书

1.交通科技数据标引方法，包括：

加载需要进行标引的数据；

确定所述数据的数据类型，将所述数据类型根据标准数据库结构进行转换并导入处理数据库；

对导入处理数据库的所述数据进行分词处理，获取N个第一关键词；

根据M个所述第一关键词，进行自动标引；

其中M和N为正整数，且M≤N。

2.如权利要求1所述的交通科技数据标引方法，在进行自动标引之前，对经过分词处理的N个所述第一关键词进行聚类，得到聚类词表，计算聚类词表中各个词的先验概率和对应的TF-IDF值得乘积，并根据得出的结果进行排序，抽取序列中前M个第一关键词，进行自动标引。

3.如权利要求1所述的交通科技数据标引方法，，所述M为选自3到8之间的正整数。

4.如权利要求1所述的交通科技数据标引方法，该方法还包括：

计算关键词中的共现组合情况，与已有标准数据进行比对后，提取频次最高的中图分类号；

检索中图专业词表，抽取有效匹配数据的分类号；

将预设专业词表的分类号数据作为标准点加入聚类词表，计算各关键词的组合特征向量，并计算与其最接近的标准点，抽取该标准点数据的分类号作为学科相似分类号；

使用中图-学科分类号映射表，得出学科映射分类号；

对学科相似分类号和学科映射分类号取交集作为学科分类号结果。

5.如权利要求4所述的交通科技数据标引方法，，计算学科分类号时，通过以下优先级进行处理：

检索学科专业词表，抽取有效匹配数据的分类号；

将专业词表的有效匹配数据的分类号加入聚类词表。

6.交通科技数据标引系统，该系统包括：

数据输入单元，其配置为加载需要进行标引的数据；

数据处理单元，其配置为确定所述数据的数据类型，将所述数据类型根据标准数据库结构进行转换并导入处理数据库；对导入处理数据库的所述数据进行分词处理，获取N个第一关键词；

数据标引单元，根据M个所述第一关键词，进行自动标引；其中M和N为正整数，且M≤N。

7.如权利要求6所述的交通科技数据标引系统，所述数据处理单元还配置为：在进行自动标引之前，对经过分词处理的N个所述第一关键词进行聚类，得到聚类词表，计算聚类词表中各个词的先验概率和对应的TF-IDF值得乘积，并根据得出的结果进行排序，抽取序列中前M个第一关键词，进行自动标引。

8.如权利要求6所述的交通科技数据标引系统，所述M为选自3到8之间的正整数。

9.如权利要求6所述的交通科技数据标引系统，所述数据处理单元还配置为：

计算关键词中的共现组合情况，与已有标准数据进行比对后，提取频次最高的中图分类号；

检索中图专业词表，抽取有效匹配数据的分类号；

将预设专业词表的分类号数据作为标准点加入聚类词表，计算各关键词的组合特征向量，并计算与其最接近的标准点，抽取该标准点数据的分类号作为学科相似分类号；

使用中图-学科分类号映射表，得出学科映射分类号；

对学科相似分类号和学科映射分类号取交集作为学科分类号结果。

10.如权利要求9所述的交通科技数据标引系统，计算学科分类号时，通过以下优先级进行处理：

检索学科专业词表，抽取有效匹配数据的分类号；

将专业词表的有效匹配数据的分类号加入聚类词表。