[發(fā)明專利]一種大數(shù)據(jù)環(huán)境下業(yè)務(wù)標(biāo)簽的擴(kuò)展方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510162777.2
• 申請(qǐng)日: 2015-04-08
• 公開(kāi)（公告）號(hào): CN104699851A
• 公開(kāi)（公告）日: 2015-06-10
• 發(fā)明（設(shè)計(jì)）人: 周敏杰;胡忠順;丁富強(qiáng);裴國(guó)才;羅京衛(wèi);李戰(zhàn)克;蔣潤(rùn)青
• 申請(qǐng)（專利權(quán)）人: 上海理想信息產(chǎn)業(yè)（集團(tuán)）有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 上海國(guó)智知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31274
• 代理人: 潘建玲

1.一種大數(shù)據(jù)環(huán)境下業(yè)務(wù)標(biāo)簽的擴(kuò)展方法，其特征在于，包括如下步驟：

步驟一、獲取實(shí)際業(yè)務(wù)的內(nèi)容，再根據(jù)業(yè)務(wù)的類型、目的和范圍抽取出一個(gè)代表該業(yè)務(wù)的標(biāo)簽；

步驟二、通過(guò)搜索引擎對(duì)所述步驟一中抽取出的標(biāo)簽進(jìn)行檢索，獲取與該標(biāo)簽相關(guān)的關(guān)鍵詞和網(wǎng)頁(yè)地址URL的初始集合；

步驟三、根據(jù)K中心距、樸素貝葉斯、點(diǎn)互信息算法對(duì)初始集合中的每一個(gè)關(guān)鍵詞和URL進(jìn)行計(jì)算，得出每一個(gè)關(guān)鍵詞和URL對(duì)于該標(biāo)簽的權(quán)重大小；

步驟四、判斷所有權(quán)重大小是否都符合某一閾值，該閾值為擴(kuò)展任務(wù)開(kāi)始之前的預(yù)設(shè)值，如關(guān)鍵詞或URL的權(quán)重值大于某一預(yù)先規(guī)定的閾值，則將此關(guān)鍵詞或URL加入到該標(biāo)簽的結(jié)果集合下，否則將該關(guān)鍵詞或URL丟棄；

步驟五、判斷所述步驟四中結(jié)果集合的規(guī)模是否滿足要求，該規(guī)模要求為擴(kuò)展任務(wù)開(kāi)始之前的預(yù)設(shè)值，如結(jié)果集合規(guī)模大于或等于規(guī)模閾值，則結(jié)束所有步驟，否則根據(jù)結(jié)果集合中已有的關(guān)鍵詞，通過(guò)搜索引擎中所搜這些關(guān)鍵詞獲得更多的關(guān)鍵詞及URL，重復(fù)所述步驟三至五的步驟。

2.根據(jù)權(quán)利要求1所述的一種大數(shù)據(jù)環(huán)境下業(yè)務(wù)標(biāo)簽的擴(kuò)展方法，其特征在于，所述步驟三中的K中心距算法是指，一個(gè)關(guān)鍵詞或URL與該標(biāo)簽共同出現(xiàn)的頻數(shù)越高，則其權(quán)重越大，故需要通過(guò)搜索引擎獲得該關(guān)鍵詞或URL與該標(biāo)簽共同出現(xiàn)的頻數(shù)。

3.根據(jù)權(quán)利要求1所述的一種大數(shù)據(jù)環(huán)境下業(yè)務(wù)標(biāo)簽的擴(kuò)展方法，其特征在于，所述步驟三中的樸素貝葉斯算法是指，一個(gè)關(guān)鍵詞或URL與該標(biāo)簽共同出現(xiàn)的頻數(shù)越高，且與其他標(biāo)簽共同出現(xiàn)的頻數(shù)越低，則其權(quán)重越大，故需要通過(guò)搜索引擎獲得該關(guān)鍵詞或URL與搜索已知所有標(biāo)簽共同出現(xiàn)的頻數(shù)。

4.根據(jù)權(quán)利要求1所述的一種大數(shù)據(jù)環(huán)境下業(yè)務(wù)標(biāo)簽的擴(kuò)展方法，其特征在于，所述步驟三中的點(diǎn)互信息算法是指，一個(gè)關(guān)鍵詞或URL與該標(biāo)簽及其所屬的其他關(guān)鍵詞和URL共同出現(xiàn)的頻數(shù)越高，且與其他標(biāo)簽及其所屬的其他關(guān)鍵詞和URL共同出現(xiàn)的頻數(shù)越低，則其權(quán)重越大，故需要通過(guò)搜索引擎獲得該關(guān)鍵詞或URL與搜索已知所有標(biāo)簽及已知所有關(guān)鍵詞和URL共同出現(xiàn)的頻數(shù)。