[發明專利]基于區域編碼的網絡信息歸屬地索引標記方法

在審

• 申請號: 201710298793.3
• 申請日: 2017-04-28
• 公開（公告）號: CN107133311A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 董鄭江;周銀行;楊東;胡淦;陳煥;鄭中華
• 申請（專利權）人: 安徽博約信息科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 沈尚林

1.基于區域編碼的網絡信息歸屬地索引標記方法，包括以下步驟：

一、CODE碼字符串定義

行政區劃代碼，也稱行政代碼，它是國家行政機關的識別符號，一般執行兩項國家標準：《中華人民共和國行政區劃代碼》(GB/T2260-2007)和《縣以下行政區劃代碼編制規則》(GB/T10114-2003)；行政代碼由6位到9位阿拉伯數字組成，行政代碼從左至右的含義是：

第一、二位表示省(自治區、直轄市、特別行政區)；

第三、四位表示市(地區、自治州、盟及國家直轄市所屬市轄區和縣的匯總碼)；其中，01-20，51-70表示省直轄市；21-50表示地區(自治州、盟)；

第五、六位表示縣(市轄區、縣級市、旗)；01-18表示市轄區或地區(自治州、盟)轄縣級市；21-80表示縣(旗)；81-99表示省直轄縣級市。

第七至九位表示鄉、鎮(街道辦事處)。

示例：

安徽省的行政代碼：340000；

合肥市的行政代碼：340100；

肥西縣的行政代碼：340123；

三河鎮的行政代碼：340123101；

那么，三河鎮CODE碼字符串的定義則是由上級行政代碼與三河鎮的行政代碼組合而成，即為“340000340100340123340123101”。

同理，肥西縣的CODE碼為：340000340100340123；則，合肥市的CODE碼為：340000340100；安徽省CODE碼為行政代碼本身。

二、構建地域詞典庫

手動創建地域詞典庫映射表，初始化錄入行政地區數據，根據上述CODE碼字符串定義方法，將行政代碼轉化為CODE碼，并存入地域詞典庫中。

地域詞典庫包含主鍵id、地域名areaName、簡稱shortName、上級行政區parentId、經度Ing、緯度lat、區域層級leve1和CODE碼八個字段。

三、待標記文本解析

選取任意網站中的一則報道內容，下載超文本標記語言源碼，然后過濾掉所有的標簽和特殊字符，最終形成干凈的文本內容；通過條件隨機場分詞技術對文本進行分詞，分成若干等分；利用隱馬爾科夫模型，對熟語料自動角色標注，統計單詞的角色頻次和角色的轉移概率，訓練出地域詞，并用“/ns”進行標記；多個地名詞取頻率最高的地名詞，頻率一樣的取最后一個，如果沒有則可以通過網站IP的備案查詢到歸屬地，作為文中提及地域的歸屬地。

四、創建索引標記

獲取網站信息中的地域后，從創建的地域詞典庫中讀取出相應的CODE碼，并給此篇內容標記上此歸屬地標識碼，存入到索引中，為后期提供數據查詢和統計使用。