[發明專利]互聯網數據的提取方法和裝置

在審

• 申請號: 201410081171.1
• 申請日: 2014-03-06
• 公開（公告）號: CN103810295A
• 公開（公告）日: 2014-05-21
• 發明（設計）人: 楊文川;李瑞;商智棟;張志誠;瞿慶義;馬鵬飛;陳賀
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 李志剛;吳貴明

1.一種互聯網數據的提取方法，其特征在于，包括：

獲取用戶的數據樣本庫，其中，所述數據樣本庫包括所述用戶的瀏覽互聯網數據；

按照網頁鏈接信息源對所述數據樣本庫中的數據進行處理，得到所述用戶的第一特性化參數；

按照網頁詞頻特征對所述數據樣本庫中的數據進行處理，得到所述用戶的第二特性化參數；

按照網頁信息類別對所述數據樣本庫中的數據進行處理，得到所述用戶的第三特性化參數；以及

提取互聯網數據中與所述第一特性化參數、所述第二特性化參數和所述第三特性化參數均匹配的數據。

2.根據權利要求1所述的互聯網數據的提取方法，其特征在于，

在提取互聯網數據中與所述第一特性化參數、所述第二特性化參數和所述第三特性化參數均匹配的數據之前，所述互聯網數據的提取方法還包括：

接收所述用戶對所述第一特性化參數、所述第二特性化參數和所述第三特性化參數中任意一個或多個特性化參數的調整指令；

按照所述調整指令對所述第一特性化參數、所述第二特性化參數和所述第三特性化參數中任意一個或多個特性化參數進行調整，得到調整后的特性化參數，

提取互聯網數據中與所述第一特性化參數、所述第二特性化參數和所述第三特性化參數均匹配的數據包括：提取所述互聯網數據中與所述調整后的特性化參數匹配的數據。

3.根據權利要求2所述的互聯網數據的提取方法，其特征在于，在按照所述調整指令對所述第一特性化參數、所述第二特性化參數和所述第三特性化參數中任意一個或多個特性化參數進行調整，得到調整后的特性化參數之后，所述互聯網數據的提取方法包括：

檢查所述調整后的特性化參數是否滿足預設條件；

如果所述調整后的特性化參數滿足所述預設條件，則將按照所述調整后的特性化參數提取所述互聯網數據中與所述調整后的特性化參數匹配的數據；以及

如果所述調整后的特性化參數不滿足所述預設條件，則輸出報警文件。

4.根據權利要求3所述的互聯網數據的提取方法，其特征在于，所述預設條件包括所述調整后的特性化參數的個數、所述特性化參數的參數權值和所述特性化參數的賦值內容，檢查所述調整后的特性化參數是否滿足預設條件包括：

檢查所述調整后的特性化參數的個數是否滿足第一預設條件；

檢查所述調整后的特性化參數中每個參數的參數權值是否滿足第二預設條件；以及

檢查所述調整后的特性化參數中每個參數的賦值內容是否滿足第三預設條件，

其中，如果所述調整后的特性化參數的個數滿足所述第一預設條件，所述調整后的特性化參數中每個參數的參數權值滿足所述第二預設條件且所述調整后的特性化參數中每個參數的賦值內容滿足所述第三預設條件，則確定所述調整后的特性化參數滿足所述預設條件，如果所述調整后的特性化參數的個數不滿足所述第一預設條件，所述調整后的特性化參數中任一參數的參數權值不滿足所述第二預設條件或者所述調整后的特性化參數中任一參數的賦值內容不滿足所述第三預設條件，則確定所述調整后的特性化參數不滿足所述預設條件。

5.根據權利要求1所述的互聯網數據的提取方法，其特征在于，所述互聯網數據的提取方法還包括：

根據所述第一特性化參數、所述第二特性化參數和所述第三特性化參數生成特性化報告；以及

展示所述特性化報告。

6.一種互聯網數據的提取裝置，其特征在于，包括：

獲取單元，用于獲取用戶的數據樣本庫，其中，所述數據樣本庫包括所述用戶的瀏覽互聯網數據；

第一確定單元，用于按照網頁鏈接信息源對所述數據樣本庫中的數據進行處理，得到所述用戶的第一特性化參數；

第二確定單元，用于按照網頁詞頻特征對所述數據樣本庫中的數據進行處理，得到所述用戶的第二特性化參數；

第三確定單元，用于按照網頁信息類別對所述數據樣本庫中的數據進行處理，得到所述用戶的第三特性化參數；以及

第一提取單元，用于提取互聯網數據中與所述第一特性化參數、所述第二特性化參數和所述第三特性化參數均匹配的數據。