[发明专利]数据挖掘处理方法、系统及存储介质

权利要求书

1.一种数据挖掘处理方法，其特征在于，所述方法包括：

获取原始数据；

使用五层结构模型对所述原始数据进行分类，以将所述原始数据分为核心层数据、策略层数据、操作层数据、生态层数据以及政策层数据，并基于已分类的所述五层数据，提取其中的关键词；

基于所述五层结构模型构建生成知识图谱；

基于所述知识图谱及所述关键词，生成原始创新方案；

对所述原始创新方案进行价值评估，确定最终创新方案。

2.根据权利要求1所述的方法，其特征在于，

所述原始数据包括用户数据和/或企业数据。

3.根据权利要求2所述的方法，其特征在于，

所述用户数据至少包括话题、评论、创意或活动中的一种；

所述企业数据至少包括公告、资讯、产品、项目、培训素材或营销案例中的一种。

4.根据权利要求1所述的方法，其特征在于，

所述核心层数据至少包括业务或产品数据中的一种；

所述策略层数据至少包括营销方案、营销活动、业务流程或业务规则数据中的一种；

所述操作层数据至少包括信息系统或信息技术数据中的一种；

所述生态层数据至少包括市场动态或市场资讯数据中的一种；

所述政策层数据至少包括市场准则、监管政策或法律法规数据中的一种。

5.根据权利要求1所述的方法，其特征在于，所述通过五层结构模型对所述原始数据进行分类，还包括：

对所述原始数据进行分词处理，形成向量化词语；

通过所述五层结构模型对所述向量化词语进行分层识别而形成五层的分类向量词语；

其中，所述五层结构模型通过已标注的企业信息数据作为先验知识进行训练后而获得。

6.根据权利要求5所述的方法，其特征在于，所述提取其中的关键词，还包括：

使用TextRank算法对所述分类向量词语进行处理，从而获得所述关键词。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

使用TextRank算法对所述分类向量词语进行处理后获得初始关键词；

使用kmeans算法对所述初始关键词进行聚类，从而获得所述关键词。

8.根据权利要求7所述的方法，其特征在于，所述使用kmeans算法对所述初始关键词进行聚类包括：

使用的聚类模型至少包括两类；将所述五层的分类向量词语中的每一层的初始关键词均进行聚类形成至少两类属性。

9.根据权利要求6-8任一项所述的方法，其特征在于，

所述TextRank处理过程中的滑动窗口为5。

10.根据权利要求6-8任一项所述的方法，其特征在于，还包括：

对所述原始数据使用自然语言处理，获取所述原始数据中每句话的创新意图分值。

11.根据权利要求10所述的方法，其特征在于，还包括：

分离所述原始数据中的每句话，并对分离后的每句话进行分词处理，形成分词列表；

对所述分词列表进行创新意图分析，从而确定所述一句话的创新意图分值。

12.根据权利要求11所述的方法，其特征在于，还包括：

所述创新意图分析包括使用BosonNLP词典对所述分词列表进行分析，确定其中的创新意图词语以及所述创新意图词语的分值；

所述一句话的创新意图分值为该句话中的创新意图词语的分值之和。

13.根据权利要求10所述的方法，其特征在于，还包括：

对于创新意图分值高于预定阈值的一句话，将其与所述关键词取交集，获得的结果作为创新数据。