Klasyfikator treści, automatyczny dobór pokategorii Opcje

[nimda]

Witam,
zabiram się do napisania skryptu, a właściwie systemu ekspertowego, do klasyfikowania wpisów na podkategorie wg ich treści. Założenia są ogólnie proste, dodajemy wpisy, wpis zawiera treść, temat oraz kategorie główną, np. Rodzina. Po dodaniu wpisu dokonywana jest analiza treści i tematu, w zależności od kategorii (wstępna klasyfikacja podana przez uzytkownika) wybierany jest zestaw podkategorii (np. dla kategorii Rodzina byłoby to mama, tata, dziadek, babcia itd.) i wśród nich odpowiednio do treści wybieranybyłby najbardziej pasujący. Zastanawiam się jak się do tego zabrać, na pewno potrzebna będzie duża baza słownikowa, mam 10 kategorii głównych, no i sam algorytm będzie rzeczą najtrudniejszą. Jeśli ktoś z Was spotkał się z takim problemem, albo ma jakis pomysł na rozwiązanie tego zagadnienia, byłbym bardzo wdzięczny za pomoc,

pozdrawiam

[nimda]

ogolnie strukture w bazie widziałbym mniej więcej tak

Kod

kategoria     podkategoria   słownik
rodzina         Matka       mama, mamy, mamie ...
rodzina         Tata        tata, tacie, taty, tatą ...
.
.
.

podkategorii będzie około 10 dla każdej kategorii głównej, ale co do słownika to nie mam pojęcia, pewnie mniej jak 20 dla jednej pozycji to na pewno nie... zastanawiałem się też nad rozwiązaniem które zaproponowałeś, Twoje rozwiązanie tak na prawdę nasuwa się na myśl jako pierwsze, tylko czy jest najbardziej skuteczne? ja wiem, że sie czepiam ; ) ale algorytm zliczający słowa nie zawsze będzie działał poprawnie, z drugiej strony nie mam pojęcia co mozna by było zrobić wzamian..