基于机器学习的类目映射方法

doi:10.3724/SP.J.1087.2011.01781

计算机应用 ›› 2011, Vol. 31 ›› Issue (07): 1781-1784.DOI: 10.3724/SP.J.1087.2011.01781

基于机器学习的类目映射方法

靳雪茹¹,齐建东¹,王立臣²,周林志³

1. 北京林业大学信息学院，北京 100083
2. 北京信息科技大学自动化学院，北京 100192
3. 北京航空航天大学网络信息与计算中心，北京 100191

收稿日期:2011-01-18 修回日期:2011-03-07 发布日期:2011-07-01 出版日期:2011-07-01
通讯作者: 靳雪茹
作者简介:靳雪茹（1986-）,女,河北邢台人,硕士研究生,主要研究方向：分类法映射;齐建东（1976-）,男,内蒙古赤峰人,副教授,博士,主要研究方向：计算机网络、智能信息处理;王立臣（1982-）,男,吉林敦化人, 硕士研究生, 主要研究方向：虚拟现实、智能信息处理;周林志(1984-),男,浙江台州人,硕士研究生,主要研究生方向：计算机网络、智能信息处理。

Approach of classification mapping between international patent classification and chinese library classification based on machine learning

Xue-ru JIN¹,Jian-dong QI¹,Li-chen WANG²,Lin-zhi ZHOU³

1. School of Information Science and Technology,Beijing Forestry University,Beijing 100083,China
2. School of Automation,Beijing Information Science and Technology University,Beijing 100192,China
3. Network Center,Beihang University,Beijing 100191,China

Received:2011-01-18 Revised:2011-03-07 Online:2011-07-01 Published:2011-07-01
Contact: Xue-ru JIN

摘要/Abstract

摘要： 专利和期刊隶属于不同的知识组织体系，要实现专利与期刊文献的交叉浏览和检索必须解决两种分类法(中国图书馆分类法(CLC)和国际专利分类法(IPC))之间的映射问题。在调研现有分类法类目映射方法的基础上，讨论了基于机器学习实现中国图书馆分类法和国际专利分类法之间类目映射的方法。通过对中图法某个类目标识的语料进行训练得到该类目的分类器，然后用其对国际专利分类法标识的语料进行分类，对分类结果进行分析得出类目间的映射关系。对比实验证明了该方法的有效性。

关键词: 类目映射, 国际专利分类法, 中国图书馆分类法, 朴素贝叶斯, 决策树

Abstract: Patents and journals belong to different knowledge organization systems. To achieve the crossbrowsing and crossretrieval between journal literature and patents，the mapping problem between two classifications Chinese Library Classification (CLC) and International Patent Classification (IPC), must be addressed. According to the survey of the existing methods of classification mapping, this paper discussed a method to achieve the mapping between CLC and IPC based on machine learning. The learner was got by training the corpus identified by the CLC category, with which to classify the corpus identified by the IPC category. The mapping relations can be found after analyzing the classification results. And the comparison experiment proves the effectiveness of this method.

Key words: classification mapping, International Patent Classification (IPC), Chinese Library Classification (CLC), Naive Bayes, decision tree

靳雪茹齐建东王立臣周林志. 基于机器学习的类目映射方法[J]. 计算机应用, 2011, 31(07): 1781-1784.

Xue-ru JIN Jian-dong QI Li-chen WANG Lin-zhi ZHOU. Approach of classification mapping between international patent classification and chinese library classification based on machine learning[J]. Journal of Computer Applications, 2011, 31(07): 1781-1784.

[1]	王雅辉, 钱宇华, 刘郭庆. 基于模糊优势互补互信息的有序决策树算法[J]. 计算机应用, 2021, 41(10): 2785-2792.
[2]	周翔, 翟俊海, 黄雅婕, 申瑞彩, 侯璎真. 基于随机森林和投票机制的大数据样例选择算法[J]. 计算机应用, 2021, 41(1): 74-80.
[3]	吴崇数, 林霖, 薛蕴菁, 时鹏. 基于自监督学习的病理图像层次分割[J]. 计算机应用, 2020, 40(6): 1856-1862.
[4]	赵一, 段兴, 谢仕义, 梁春林. 面向特定目标自识别的交通图像语义检索方法[J]. 计算机应用, 2020, 40(2): 553-560.
[5]	赵光华, 赖见辉, 陈艳艳, 孙浩冬, 张野. 基于朴素贝叶斯分类的居民出行起讫点识别方法[J]. 计算机应用, 2020, 40(1): 36-42.
[6]	龚彦鹭, 吕佳. 结合主动学习和密度峰值聚类的协同训练算法[J]. 计算机应用, 2019, 39(8): 2297-2301.
[7]	丁超, 赵海, 司帅宗, 朱剑. 正常衰老的人脑功能网络演化模型[J]. 计算机应用, 2019, 39(4): 963-971.
[8]	王伟, 谢耀滨, 尹青. 针对不平衡数据的决策树改进方法[J]. 计算机应用, 2019, 39(3): 623-628.
[9]	莫赞, 盖彦蓉, 樊冠龙. 基于GAN-AdaBoost-DT不平衡分类算法的信用卡欺诈分类[J]. 计算机应用, 2019, 39(2): 618-622.
[10]	郭冰楠, 吴广潮. 基于改进的代价敏感决策树的网络贷款分类[J]. 计算机应用, 2019, 39(10): 2888-2892.
[11]	颜宏文, 盛成功. 基于层次聚类和极限学习机的母线短期负荷预测[J]. 计算机应用, 2018, 38(8): 2437-2441.
[12]	折蓉蓉, 张丽萍, 侯敏, 闫盛. 基于决策树推荐克隆重构的方法[J]. 计算机应用, 2018, 38(7): 2037-2043.
[13]	徐光宪, 赵越, 赖俊宁. 基于网络编码的确定性逐层构造算法[J]. 计算机应用, 2018, 38(3): 769-775.
[14]	段大高, 盖新新, 韩忠明, 刘冰心. 基于梯度提升决策树的微博虚假消息检测[J]. 计算机应用, 2018, 38(2): 410-414.
[15]	黄宇扬, 董明刚, 敬超. 面向K最近邻分类的遗传实例选择算法[J]. 计算机应用, 2018, 38(11): 3112-3118.

基于机器学习的类目映射方法

Approach of classification mapping between international patent classification and chinese library classification based on machine learning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics