[发明专利]号码信息数据库的建立方法及系统

说明书

技术领域

本发明涉及计算机技术领域，特别是涉及号码信息数据库的建立方法及系统。

背景技术

移动通信终端(例如手机等)作为常用的通讯工具，可以极大的方便用户和他人取得联系，建立通话。然而，由于个人号码信息会通过很多渠道被他人知晓，甚至被恶意的泄露和获取，使得用户在使用移动电话的过程中，受到很多陌生号码的来电打扰。

移动电话的用户在收到陌生来电显示时，在未通话之前，无法了解此联系人的通话目的。在一些情况下，陌生通话的内容可能涉及保险推销，房屋中介，甚至是恶意诈骗等，用户在接听这些电话时，会使正常的生活受到干扰，甚至会侵害到自身的财产安全。同时，在另一些情况下，陌生通话的内容可能涉及到用户关心的信息，比如需要他签收的邮件已经送到，更换了新号码的朋友主动联系等，在这些情况下，陌生来电的通话内容对用户是有用，甚至是意义重大的。因此，一般情况下，用户只能冒着被干扰等风险来接听陌生来电，但对于骚扰电话或者恶意诈骗电话而言，一旦用户接听了，就使得正常生活被干扰成为既定事实，同时也给来电者留下了可乘之机，使得用户的自身财产安全遭受侵害的可能性大大上升。但如果不接听陌生来电，又会担心错过了一些重要的信息。

现有技术中存在为用户提供号码归属地等信息的应用，例如，一些手机自身或者手机软件产品，采用在预先在手机本地保存的数据库，主动地为用户标记出陌生号码的归属地信息。比如当用户收到158XXXX1078的来电提醒时，会同时获得此号码的归属地信息：XX省XX市，同时，可能还会包含运营商信息：中国移动、中国联通，等。或者，也可以为用户提供查询的网络入口(例如在网页中提供查询输入框等形式)，用户可以在发现未接的陌生电话之后，通过在查询输入框中输入陌生号码，得到号码的归属地或者运营商信息等等。

这种提供号码归属地或运营商信息的方式，虽然能够帮助用户在一定程度上识别陌生来电，但是，只能为用户提供简单的参考，并不能帮助用户准确的识别陌生来电的身份。

发明内容

本发明提供了号码信息数据库的建立方法及系统，能够在用户使用移动通信终端的过程中遇到陌生的电话号码时，降低被骚扰或者自身财产安全等被侵害的概率。

本发明提供了如下方案：

一种号码信息数据库的建立方法，包括：

对网络中的网页进行抓取；

根据预置的抽取规则从抓取到的网页中抽取出目标号码及其对应的使用者身份信息；

保存所述抽取出的目标号码及其对应的使用者身份信息，建立号码信息数据库。

其中，所述对网络中的网页进行抓取包括：

对网络中特定站点下的网页进行抓取；

所述根据预置的抽取规则从抓取到的网页中抽取出目标号码及其对应的使用者身份信息包括：

针对同一特定站点下的网页，根据预置的该特定站点对应的抽取规则，从该特定站点下的网页中抽取出目标号码及其对应的使用者身份信息。

其中，还包括：

通过机器学习的方式获取所述特定站点对应的抽取规则。

其中，所述通过机器学习的方式获取所述特定站点对应的抽取规则包括：

从一特定站点中提取预置数量的网页作为训练样本；

根据预置的电话号码特征，判断训练样本网页中是否存在电话号码；

如果存在，则根据训练样本网页的HTML代码创建DOM树；

通过计算DOM树中各个节点之间的编辑距离，获取其中的最小循环单元；

将所述最小循环单元的父节点确定为用户评论列表节点；

记录DOM树中从根节点到所述用户评论列表节点的路径，生成路径抽取规则，将所述路径抽取规则确定为该特定站点对应的抽取规则。

其中，所述根据预置的抽取规则从抓取到的网页中抽取出目标号码及其对应的使用者身份信息包括：

根据所述路径抽取规则，从所述站点的其他网页中抽取出目标号码，以及用户评论信息；

根据所述用户评论信息中包含的特征词，确定所述目标号码对应的使用者身份信息。

其中，还包括：

使用正则表达式，对相同的路径抽取规则对应的网页的统一资源定位符URL进行归一化，生成URL抽取规则；

所述根据预置的抽取规则从抓取到的网页中抽取出目标号码及其对应的使用者身份信息包括：

根据所述URL抽取规则，从所述站点的其他网页中抽取URL特征相匹配的网页；

根据所述路径抽取规则，从所述相匹配的网页中抽取出目标号码，以及用户评论信息；