0, d i c j σ ij = 1, d i ∈ c j
否则 σ ij
(1)
1. 前言
网路的发达改变了们取得资讯的方式及习 惯,以往得在浩瀚的书籍与报章之间奔波查找,现 今透过网路只要在弹指之间即可取得数量庞大的 资讯.然而,当大量电子文件透过网路出版,传播
其,σ ij 为特徵函数,若 d i 属於 c j ,则 σ ij
= 1,
= 0 .由於 σ ij 的值非 0 即 1,所以又称为
值分类法,简称分法.不论图书馆采用何种分 类法(杜威十进分类法,美国国会分类法或国图 书分类法) ,皆属此种分类法,适用此数学模式.
2.2 模糊分类模式
若 被 分 类 对象 之 主 题 涵盖 了 好 几 个学 科 领 域,且有轻重程度之别,则明确分类模式便不适 用.此时,属於软性分类模式的模糊分类法便可派 用场.若将 d i 视为个定义在论域 C 的离散 型模糊集合,且将 d i 归属於某个类别 c j 的程度以
由此可知, d i 与 c j 之间具备种「模糊归属关 系」 ,从语意的观点而言可描述成「 d i 归属於 c j 的 程度为 ij 」 .因此,述的模糊关系矩阵实际等 同於图所示的模糊语意网路.我们可以很清楚的 看出,模糊归属函数值在此网路,扮演了个将 相关概念以不同的强度加以连结的重要角色.
d1
12 11 21
ij (介於 0 ~ 1)表示,则此模糊集合可记为:
d i = ∑ ij / c j
j =1 m
d2
1n 22
......
n1
dn
(2)
nm n2
亦即:
c1 c2
.............
cm
d1=11/c1 + 12/c2 + … + 1m/cm d2=21/c1 + 22/c2 + … + 2m/cm : dn=n1/c1 + n2/c2 + … +nm/cm 举例而言,d1=11/c1+ 12/c2+………1m/cm 代表 d1 此则电子新闻在 c1 这类别里的归属值是11 在 , c2 这类别里的归属值是12,在 cm 这类别里的 归属值是1m.若将其归属函数画成离散式模糊集 合,则如图 1所示.图显示出 d1 新闻分别在 c1, c2…cm 类别所占的归属函数值高低,愈接近於 1, 表示属於某类别的程度愈高,反之,愈接近於 0, 表示属於某类别的程度愈低.
d1
图3 电子文件与类别之模糊语意网路
3.模糊诠释资料
在解释模糊诠释资料的意涵之前 我们先对模 , 糊诠释资料个简单的定义: 「所谓模糊诠释资 料,乃是指描述事物之模糊性质或彼此间之模糊关 系的资料而言」 . 综观目前大多数诠释资料的发展而言 其目的 , 大都在於「明确的」描述事物,对於各项资料之著 录皆有定的规范以供遵循,极少具有模糊带, 或涉及「模糊化」资讯者.然而,在真实世界, 模糊概念到处存在,许多事物的性质是模糊的,关 系是模糊的,甚至类有许多语言和思维也都是模 糊的.因此,若要让电脑可以处理这些模糊概念, 便必须藉助模糊理论的原理,将这些模糊语意转换 成电脑能理解的模糊诠释资料,以便使得所描述之 事物,能更广泛的涵盖无法明确描述的模糊资讯. 总而言之 模糊诠释资料使得自然直觉与电脑 , 世界之间搭起了座交流的桥梁,更符合类软性 思维的本质.
1m 12 11 13 …….
c1 c2 c3 cm
C
图1 将电子文件以离散型模糊集合表示 再者,我们可将各电子新闻(d1~ dn)在各个类别(c1~ cm)分属的归属函数值(11~nm),以个 n× m 的 模糊关系矩阵表达如:
c1 d1
: : :
4.系统实验结果
4.1 电子新闻管理系统

上一页下一页