[發(fā)明專利]一種數(shù)據(jù)挖掘處理系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201410174489.4
• 申請日: 2014-04-28
• 公開（公告）號(hào): CN104615608A
• 公開（公告）日: 2015-05-13
• 發(fā)明（設(shè)計(jì)）人: 余建興;高瀚;司徒志遠(yuǎn);黃華偉;高巖;賀鵬;陳川
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 蔣雅潔;張穎玲

1.一種數(shù)據(jù)挖掘處理系統(tǒng)，其特征在于，所述系統(tǒng)包括：數(shù)據(jù)獲取單元、數(shù)據(jù)分類單元、數(shù)據(jù)處理單元；其中，

所述數(shù)據(jù)獲取單元，用于從多個(gè)數(shù)據(jù)源獲取數(shù)據(jù)，輸出所述數(shù)據(jù)給所述數(shù)據(jù)分類單元，所述數(shù)據(jù)分為用于揭示用戶社交拓?fù)浣Y(jié)構(gòu)的多種數(shù)據(jù)類型，能從不同維度上表征用戶關(guān)系鏈中具有指示特征的用戶關(guān)系；

所述數(shù)據(jù)分類單元，用于對所述多種數(shù)據(jù)類型按照分類策略進(jìn)行綜合分析，對短文本數(shù)據(jù)進(jìn)行所述具有指示特征的用戶關(guān)系的識(shí)別時(shí)，以隨機(jī)提取種子詞的方式或構(gòu)造種子詞的方式，從所述數(shù)據(jù)中分析得到具有指示特征的用戶關(guān)系，輸出所述具有指示特征的用戶關(guān)系給所述數(shù)據(jù)處理單元，其中，所述構(gòu)造種子詞的方式包括：將在多個(gè)維度同時(shí)識(shí)別為具有指示特征的用戶關(guān)系形成的用戶關(guān)系數(shù)據(jù)對作為正樣本種子詞，將沒有在任何一個(gè)維度識(shí)別為具有指示特征的用戶關(guān)系形成的用戶關(guān)系數(shù)據(jù)對作為負(fù)樣本種子詞，以向量空間中的向量來表示所述正樣本種子詞和所述負(fù)樣本種子詞，生成正樣本種子詞和負(fù)樣本種子詞分別對應(yīng)的語義向量，將正樣本種子詞和負(fù)樣本種子詞分別對應(yīng)的語義向量輸入訓(xùn)練分類器進(jìn)行分類訓(xùn)練后對用戶關(guān)系進(jìn)行識(shí)別分類，識(shí)別出具有指示特征的用戶關(guān)系；其中，所述短文本數(shù)據(jù)包括：表征用戶個(gè)人屬性的數(shù)據(jù)中，數(shù)據(jù)量大，文本內(nèi)容短的數(shù)據(jù)類型；

所述數(shù)據(jù)處理單元，用于根據(jù)所述具有指示特征的用戶關(guān)系收集信息，以根據(jù)對所述信息的分析結(jié)果來發(fā)送推薦信息；

所述多種數(shù)據(jù)類型包括表征用戶個(gè)人屬性、表征用戶社交拓?fù)浣Y(jié)構(gòu)、表征用戶互動(dòng)行為中的至少兩種數(shù)據(jù)類型。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述數(shù)據(jù)分類單元，包括：

策略選擇子單元，用于解析所述多種數(shù)據(jù)類型的特性參數(shù)，當(dāng)所述多種數(shù)據(jù)類型中每一種數(shù)據(jù)類型的特征參數(shù)皆低于預(yù)設(shè)的閾值時(shí)，確定所述數(shù)據(jù)類型為短文本數(shù)據(jù)，選擇第一策略作為所述分類策略；

策略執(zhí)行子單元，用于采用所述第一策略對所述短文本數(shù)據(jù)進(jìn)行所述具有指示特征的用戶關(guān)系的識(shí)別時(shí)隨機(jī)提取所述種子詞，所述種子詞能表征具有指示特征的用戶關(guān)系，將所述種子詞作為參考基準(zhǔn)，將具有所述多種數(shù)據(jù)類型的所述數(shù)據(jù)作為待分析的訓(xùn)練樣本與所述種子詞進(jìn)行比對來實(shí)現(xiàn)分類訓(xùn)練，以從所述數(shù)據(jù)中識(shí)別出所述具有指示特征的用戶關(guān)系。

3.根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于，所述策略執(zhí)行子單元，包括：

向量生成模塊，用于根據(jù)向量空間模型將所述數(shù)據(jù)表示為向量空間中的向量；所述數(shù)據(jù)中的每一個(gè)詞作為所述向量的一個(gè)維度，所述向量的總維度為所述數(shù)據(jù)的總詞數(shù)；

分類訓(xùn)練模塊，用于根據(jù)所述向量與所述種子詞對應(yīng)的向量在所述向量空間中的分布位置確定出分割平面，以識(shí)別出所述具有指示特征的用戶關(guān)系；

分析結(jié)果輸出模塊，輸出識(shí)別出的所述具有指示特征的用戶關(guān)系。

4.根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于，所述策略執(zhí)行子單元，包括：

向量生成模塊，用于根據(jù)預(yù)設(shè)的固定維度和向量空間模型將所述數(shù)據(jù)表示為向量空間中的向量；所述固定維度基于所述數(shù)據(jù)中每個(gè)詞的上下文語境信息得到；

分類訓(xùn)練模塊，用于根據(jù)所述向量與所述種子詞對應(yīng)的向量在所述向量空間中的分布位置確定出分割平面，以識(shí)別出所述具有指示特征的用戶關(guān)系；

分析結(jié)果輸出模塊，輸出識(shí)別出的所述具有指示特征的用戶關(guān)系。

5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述數(shù)據(jù)分類單元，包括：

策略選擇子單元，用于解析所述多種數(shù)據(jù)類型的特性參數(shù)，當(dāng)所述多種數(shù)據(jù)類型中部分?jǐn)?shù)據(jù)類型的特征參數(shù)低于預(yù)設(shè)的閾值時(shí)，確定所述數(shù)據(jù)類型為短文本數(shù)據(jù)，部分?jǐn)?shù)據(jù)類型的特征參數(shù)高于預(yù)設(shè)的閾值時(shí)，確定所述數(shù)據(jù)類型為長文本數(shù)據(jù)，選擇第二策略作為所述分類策略；

策略執(zhí)行子單元，用于采用所述第二策略對所述長文本數(shù)據(jù)進(jìn)行所述具有指示特征的用戶關(guān)系的識(shí)別時(shí)，將采用第一策略對所述短文本數(shù)據(jù)進(jìn)行識(shí)別得到的所述具有指示特征的用戶關(guān)系來構(gòu)造所述種子詞，將所述種子詞作為參考基準(zhǔn)，將具有所述多種數(shù)據(jù)類型的所述數(shù)據(jù)作為待分析的訓(xùn)練樣本與所述種子詞進(jìn)行相似度比對來實(shí)現(xiàn)分類訓(xùn)練，以從所述數(shù)據(jù)中識(shí)別出所述具有指示特征的用戶關(guān)系。