[發明專利]一種基于混合數據類型數據的挖掘方法

有效

• 申請號: 201510867137.1
• 申請日: 2015-12-01
• 公開（公告）號: CN106815253B
• 公開（公告）日: 2020-04-10
• 發明（設計）人: 周柳陽;何超;梁穎琪
• 申請（專利權）人: 慧科訊業有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/35;G06F16/583
• 代理公司: 北京市君合律師事務所 11517
• 代理人: 王昭林;唐宇

1.一種數據挖掘方法，用于挖掘混合數據類型數據，所述混合數據類型數據包括圖像數據和文本數據，所述圖像數據中至少包括主體信息，所述文本數據中至少包括場景信息或情感信息，其特征在于所述數據挖掘方法包括步驟：

a建立主體信息庫，建立場景或情感信息庫；

b獲取多個數據單元，至少部分所述數據單元包括圖像數據以及文本數據，所述圖像數據中至少包括所述主體信息，所述文本數據中至少包括所述場景信息或情感信息；

c將每一個所述數據單元分解成圖像數據以及文本數據；

d基于所述主體信息庫，對每一個數據單元的圖像數據采用自動化圖像識別方法從而識別圖像數據的主體信息；

e對每一個數據單元按主體信息進行分類，從而形成至少一個主體域，每一個所述主體域對應數個數據單元；

f基于所述場景或情感信息庫，對每一個主體域中的每一個數據單元的文本數據采用自動化文本識別方法來識別文本數據的場景信息或情感信息，從而得到至少一個按照特定主體信息分類的場景域或情感域；

g對每一個所述場景域或情感域中的元素，按場景信息或情感信息進行分類，從而獲得數個特定域，每個所述特定域包含相同的主體信息以及相同的場景信息，或包含相同的主體信息以及相同的情感信息。

2.如權利要求1所述的數據挖掘方法，其特征在于：

所述數據單元設有數據標識碼，屬于同一數據單元的圖像數據以及文本數據具有相同的數據標識碼并通過數據標識碼相互關聯。

3.如權利要求1所述的數據挖掘方法，其特征在于：

所述自動化圖像識別方法，包括步驟：

提取需要識別的圖像數據的識別特征；

將所述圖像數據的識別特征輸入主體信息庫進行計算，從而判斷是否包含特定主體信息。

4.如權利要求1所述的數據挖掘方法，其特征在于：

所述自動化文本識別方法，包括步驟：

提取文本數據的識別特征；

將所述文本數據的識別特征輸入場景或情感信息庫進行計算，從而判斷是否包含特定場景信息或情感信息。

5.如權利要求1所述的數據挖掘方法，其特征在于：

所述自動化文本識別方法，包括步驟：

對目標文本提取關鍵字；

將關鍵字輸入場景或情感信息庫，通過句法規則判斷目標文本是否包含特定場景信息或情感信息。

6.如權利要求1-5中任意一項所述的數據挖掘方法，其特征在于，所述數據挖掘方法還包括步驟：

h將所有具有同一特定主體信息的特定域按其中元素的數量多少進行排序。

7.如權利要求1-5中任意一項所述的數據挖掘方法，其特征在于，所述數據挖掘方法還包括步驟：

h將所有具有同一特定場景信息或情感信息的特定域按其中元素數量多少進行排序。

8.如權利要求1-5中任意一項所述的數據挖掘方法，其特征在于，所述數據挖掘方法還包括步驟：

h對所有的特定域按篩選條件進行篩選，將篩選后的特定域按其中的元素數量多少進行排序。

9.一種數據挖掘方法，用于挖掘混合數據類型數據，其特征在于所述數據挖掘方法包括步驟：

a建立主體信息庫，建立場景或情感信息庫；

b獲取多個數據單元，至少部分所述數據單元包括圖像數據以及文本數據，所述圖像數據中至少包括主體信息，所述文本數據中至少包括場景信息或情感信息；

c將每一個所述數據單元分解成圖像數據以及文本數據；

d基于所述主體信息庫，對每一個數據單元的圖像數據采用自動化圖像識別方法從而識別圖像數據的主體信息；

e基于所述場景或情感信息庫，對每一個數據單元的文本數據采用自動化文本識別方法從而識別文本數據的場景信息或情感信息；

f對主體信息進行分類，從而形成至少一個主體域；

g對每一個主體域，找出其中每一個主體信息所對應數據單元的場景信息或情感信息，從而得到按照特定主體信息分類的場景域或情感域；

h對每一個所述場景域或情感域，按場景信息或情感信息進行分類，從而獲得數個特定域，每個所述特定域包含相同的主體信息以及相同的場景信息，或包含相同的主體信息以及相同的情感信息。