[发明专利]一种数据挖掘方法、装置、电子设备以及存储介质

权利要求书

1.一种数据挖掘方法，包括：

获取待挖掘的当前文章；

基于预设的多种数据识别策略，从当前文章中获得每种数据识别策略所需要的信息值；其中，每种数据识别策略用于识别一种预设类型的数据；其中，所述数据的预设类型，包括：数据低质量、内容低质量和情感分析不准确；所述基于预设的多种数据识别策略，从当前文章中获得每种数据识别策略所需要的信息值的步骤，包括：

基于数据低质量类型的数据识别策略，从当前文章中获得文章标题、文章摘要和文章内容；基于内容低质量类型的数据识别策略，从当前文章中提取关键词；基于情感分析不准确数据识别策略，从当前文章中获得的已发布的情感极性标签；所述数据低质量类型的数据识别策略为基于预设的数据低质量类型的数据规则的识别策略；所述内容低质量类型的数据识别策略为基于关键词匹配分析的识别策略；所述情感分析不准确数据识别策略为基于情感分析算法的识别策略；

分别利用所述每种数据识别策略，基于该识别策略所需要的信息值，对当前文章进行数据类型识别，得到数据类型识别结果；其中，所述分别利用所述每种数据识别策略，基于该识别策略所需的信息值，对当前文章进行数据类型识别，得到数据类型识别结果的步骤，包括： 利用数据低质量类型的数据识别策略及所述文章标题、文章摘要和文章内容，对当前文章进行识别，得到当前文章是否为数据低质量类型的数据的第一识别结果；利用内容低质量类型的数据识别策略及从当前文章中提取关键词，对当前文章进行识别，得到当前文章是否为内容低质量类型的数据的第二识别结果；利用情感分析不准确数据识别策略及所述当前文章的情感极性标签，对当前文章进行识别，得到当前文章是否为情感分析不准确类型的数据的第三识别结果；

根据所述数据类型识别结果，确定当前文章是否属于任一预设类型的数据。

2.根据权利要求1所述的方法，其中，

所述利用数据低质量类型的数据识别策略及所述文章标题、文章摘要和文章内容，对当前文章进行识别，得到当前文章是否为数据低质量类型的数据的第一识别结果的步骤，包括：

判断所述当前文章的文章标题、文章摘要和文章内容，是否满足预设的数据低质量类型的数据规则，如果是则确定所述当前文章是数据低质量类型的数据。

3.根据权利要求2所述的方法，其中，

所述判断所述当前文章的文章标题、文章摘要和文章内容，是否满足预设的数据低质量类型的数据规则，如果是则确定所述当前文章是数据低质量类型的数据的步骤，包括：

判断所述当前文章的文章标题、文章摘要和文章内容，是否满足预设的文字长度规则或乱码规则和文章标题与文章摘要是否匹配规则中的一种或多种规则，如果是则确定所述当前文章是数据低质量类型的数据。

4.根据权利要求3所述的方法，其中，

所述文章标题与文章摘要是否匹配规则，包括：若当前文章符合文章标题与文章摘要的文字不匹配，和文章标题与文章摘要的语义不匹配中的至少一项，则确定所述当前文章为数据低质量类型的数据。

5.根据权利要求2所述的方法，其中，

所述基于预设的多种数据识别策略，从当前文章中获得每种数据识别策略所需要信息值的步骤，还包括：获得所述当前文章的URL信息；

所述利用数据低质量类型的数据识别策略及所述文章标题、文章摘要和文章内容，对当前文章进行识别，得到当前文章是否为数据低质量类型的数据的第一识别结果的步骤，还包括：

基于预设的死链定期检测规则，定期检测当前文章的URL是否出现无法访问的死链现象；若当前文章的URL出现无法访问的死链现象，则确定所述当前文章为数据低质量类型的数据。

6.根据权利要求1所述的方法，其中，

所述利用内容低质量类型的数据识别策略及从当前文章中提取关键词，对当前文章进行识别，得到当前文章是否为内容低质量类型的数据的第二识别结果的步骤，包括：

将从当前文章中提取的关键词与预设的内容低质量类型的数据对应的关键词进行第一次匹配，得到第一关键词匹配结果；

基于第一关键词匹配结果，确定所述当前文章是否为内容低质量类型的数据。