[发明专利]一种数据标签的挖掘方法及系统

权利要求书

1.一种数据标签的挖掘方法，其特征在于，该方法包括：

统计预先从互联网中获得的开放数据标签和预先构建的基础数据标签体系中基础数据标签的出现次数，并统计所述开放数据标签与基础数据标签的共现次数；

利用统计的出现次数和共现次数获得置信度，当共现次数大于预设第一阈值时或所述置信度大于预设第二阈值时或所述置信度大于平均置信度与置信度标准差的和值时，将所述开放数据标签作为所述基础数据标签的特征标签添加到基础数据标签体系。

2.根据权利要求1所述的方法，其特征在于，构建基础数据标签体系的方法为：

依据预先对网页标注时所标示出的tab页和标签，获得网页中tab页和标签的位置；依据标签的位置从互联网网页中获得数据标签，并利用地点词库对获得的数据标签进行筛选；依据tab页的位置从互联网网页中提取tab页，依据所述tab页中数据标签的先后顺序获得数据标签之间的上下位关系；

依据预设的数据标签体系以及从互联网网页中获得的数据标签之间的上下位关系对数据标签进行组合，得到数据标签序列，利用得到的数据标签序列组成基础数据标签体系。

3.根据权利要求1所述的方法，其特征在于，从互联网中获得的开放数据标签的方法为：

依据预先进行网页的标注时所标示出的短文本，获得互联网网页中短文本的位置，依据所述位置从互联网网页中获得短文本；

对从互联网网页中获得的短文本进行分词处理，统计分词处理后每个词语在所有互联网网页中的出现次数，依据预设的过滤阈值从所述词语中过滤掉低频词，得到开放数据标签。

4.根据权利要求1所述的方法，其特征在于，该方法还包括：依据所述开放数据标签的获取位置对所述开放数据标签进行分类，并在数据标签体系中保存所述开放数据标签及对应的类型。

5.根据权利要求1所述的方法，其特征在于，所述置信度等于开放数据标签和基础数据标签的共现次数除以所述开放数据标签的出现次数。

6.根据权利要求1所述的方法，其特征在于，所述平均置信度等于与所述开放数据标签共现的基础数据标签的置信度的和值除以与所述开放数据标签共现的基础数据标签的总数。

7.根据权利要求1所述的方法，其特征在于，所述置信度标准差利用如下公式获得：

pdv=[(pavg-p1)2+(pavg-p2)2+......+(pavg-pn)2]/n]]>

其中，pdv表示置信度标准差，n表示与开放数据标签共现的基础数据标签的总数，p_i表示与所述开放数据标签共现的基础数据标签i的置信度，i＝1,2,……，n；pavg表示与开放数据标签共现的n个基础数据标签的平均置信度。

8.根据权利要求1所述的方法，其特征在于，该方法还包括：利用开放数据标签的出现次数、开放数据标签与基础数据标签的共现次数，获得开放数据标签对基础数据标签的支持度，将所述支持度添加到基础数据标签体系。