技术文档 - 澜科语言科技：智能文本内容计算，以自然语言处理服务于.doc

文献情报自动标引 一、 训练篇 1 词表管理（可选，如果没有新词就忽略此步） 1 训练集 2 训练 2 二、 应用篇 4 参数设置 4 分类体系 4 重新读入分类资源（可选） 5 类别比较 5 标引 6 三、 测试篇 7 操作说明 7 训练篇 词表管理（可选，如果没有新词就忽略此步） 如果需要在原有分词词表中加入新词语，如叙词、自由词、关键词等，可参照如下方法进行： 1、单击“资源—词表管理” 2、在文本框中输入新词语及是否叙词标志（1是，0否），格式：新词语+制表符+1/0，回车，再输入下一条。单击“加入”按钮，即可，程序会将之加入到原词表中，并判断有几条是新词语。 训练集 请提供“.txt”格式文本文件。 每一三级类是一个文件夹，文件夹名即为类名，如“a”（注意不是“03_A_a”），里面存放该类文本文件。每一二级类是一文件夹，名为类名，如“A”，里面放有该类的所有三级类的文件夹。一级类也如此。如果某一二级类或一级类只有一个下级类，那就不设三级类。 训练 单击“工具—分类训练” 在系统询问对话框单击确定。选择结果存储路径，并输入文件名，确定。 在系统询问对话框单击确定。在打开对话框中找到训练集所在文件夹，确定，等待训练完成。注意应该是单击树节点，直到各大类的上位文件夹，如txt文件下放有“03、30、12、07”四个大类文件夹，哪么点到txt，再单击确定。 对18443篇文献文章训练（每篇文章约8000字，共4大类，80个三级类），系统训练过程约需6分钟。 应用篇 参数设置 1、系统第一次启动时，会询问您设置参数，每一参数都有详细说明，将鼠标放在参数上，会有显示。 在任何时候，您都可以更改参数设置，非常自由灵活。方法是单击“工具—参数设置”： 在系统界面的右上角会显示最新设置的参数： 分类体系 1、单击“资源—分类体系” 2、查看分类体系树，单击树节点即可。注意，体系树是自由生成的，不是固定某一领域的，也就是说，对于其他领域也可以。 3、单击节点的同时，还会显示该类聚类的词语及其权重，如上图。 4、添加新类：考虑到分类训练的基本原理是通过比较不同类之间的词语来进行的，而且训练的速度比较快，因此，添加新类时，直接将新类（可包含层级类）的文件夹（含文本文件）置入原有训练文档集的恰当位置，重新训练即可。 5、删除类别：在程序启动文件夹下打开result文件夹，删除类别文件或文件夹即可，如需删除30类，则删除文件夹30和30.txt即可；如需删除02_B_D类，则只需删除02_B_D.txt即可。 重新读入分类资源（可选） 如果有多个分类模型，请重新读入分类资源。 单击“工具—更改资源” 在打开对话框中找到新的分类资源所在文件夹，确定即可。 类别比较 单击“工具—类别比较” 输入需要比较两个以上的类名的相似度， 在上面文本框中输入待比较的类名，类名之间用“|”隔开，单击按钮“计算上面文本框中的类别之间的相似度”： 标引 单篇标引：在下面的文本框中输入待处理的文本，单击“标引—单篇综合标引”即可。类目和主题词显示在上面的文本框中，摘要会显示在下面那个文本框中。 多篇标引： 单击“标引—多篇综合标引”，在系统询问对话框单击确定。选择结果存储路径，并输入文件名，确定。打开待处理的文件夹，单击确定即可。标引结果保存在：自定义保存路径+文件名中，按原来文件的类名分类存放，文件名就是原来的文件名，文件中首行是程序分的类名，次行是程序标引的主题词，第三行开始是摘要。 多篇摘要： 单击“标引—多篇自动文摘”，在系统询问对话框单击确定。选择结果存储路径，并输入文件名，确定。打开待处理的文件夹，单击确定即可。标引结果保存在：自定义保存路径+文件名中，按原来文件的类名分类存放，文件名就是原来的文件名，文件内容即摘要。 多篇分类： 单击“标引—多篇自动分类”，在系统询问对话框单击确定。选择结果存储路径，并输入文件名，确定。打开待处理的文件夹，单击确定即可。标引结果保存在：自定义保存路径+文件名的文本文件中，格式为：文件名 + 制表符 + 类名。 多篇标主题词： 单击“标引—多篇标主题词”，在系统询问对话框单击确定。选择结果存储路径，并输入文件名，确定。打开待处理的文件夹，单击确定即可。标引结果保存在：自定义保存路径+文件名的文本文件中，格式为：文件名 + 制表符 + 主题词。 快捷栏 类似office的快捷按钮的工具栏，将菜单栏的功能快捷到图标，鼠标移到图标即显示工具提示。 测试篇 操作说明 单击“工具—分类测试”按钮 打开待测试文件夹，请确保每一文本文件名是如下格式：30_A_B_1145，30_A_342，30_2343，最后面的数字是文本文件原来的文件名，前面的部分即类名，如30_A_B。 单击确定即可。