[發明專利]一種多數據源數據的歸類方法及服務器

有效

• 申請號: 201710433356.8
• 申請日: 2017-06-09
• 公開（公告）號: CN107656958B
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 余良靈;戴從建;方黃威;葉偉偉;李孝華
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/43
• 分類號: G06F16/43;G06F16/35
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 官建紅

1.一種多數據源數據的歸類方法，其特征在于，包括：

根據預設方式從多媒體信息平臺展示的數據中確定各個目標數據；所述各個目標數據包括多個多媒體文件；

從所述各個目標數據中提取各個關鍵字；

分別統計各個所述關鍵字在所述各個目標數據中標題位置出現的第一詞頻；

分別統計各個所述關鍵字在所述各個目標數據中內容位置出現的第二詞頻；

根據所述第一詞頻、所述第二詞頻以及與所述第一詞頻對應的預設第一權重、與所述第二詞頻對應的預設第二權重分別計算各個所述關鍵字的詞語熱度值；

將詞語熱度值最高的所述關鍵字確定為新的分類標簽；

采用所述新的分類標簽對所述各個目標數據進行匹配，并為匹配成功的所述目標數據貼上所述新的分類標簽。

2.根據權利要求1所述的多數據源數據的歸類方法，其特征在于，所述根據預設方式從多媒體信息平臺展示的數據中確定各個目標數據包括：

將所述多媒體信息平臺展示的數據中最近獲取的數據確定為所述目標數據，所述最近獲取的數據為所述多媒體信息平臺在距離當前時間的預設時間長度內從第三方數據源處獲取的數據；

和/或

將所述多媒體信息平臺展示的數據中未貼有分類標簽的數據確定為所述目標數據。

3.根據權利要求1所述的多數據源數據的歸類方法，其特征在于，在根據預設方式從多媒體信息平臺展示的數據中確定各個目標數據之前，還包括：

判斷所述多媒體信息平臺上已設定的分類標簽的數目是否達到預設的數目閾值；

若所述多媒體信息平臺上已設定的分類標簽的數目達到預設的數目閾值，則從所述已設定的分類標簽中確定一個播放量最少的分類標簽，所述播放量最少的分類標簽是指其下所有數據的統計播放量最少的分類標簽；

所述根據預設方式從多媒體信息平臺展示的數據中確定各個目標數據包括：將所述播放量最少的分類標簽下的所有數據確定為所述目標數據；

在將詞語熱度值最高的所述關鍵字確定為新的分類標簽之前，所述多數據源數據的歸類方法還包括：從所述多媒體信息平臺上刪除所述播放量最少的分類標簽。

4.根據權利要求1所述的多數據源數據的歸類方法，其特征在于，所述多數據源數據的歸類方法還包括：

獲取來自第三方數據源的新的數據；

采用所述已設定的分類標簽對獲取到的所述新的數據進行匹配；

若所述新的數據匹配成功，則為匹配成功的所述新的數據貼上與所述新的數據對應匹配的所述已設定的分類標簽；

若所述新的數據未匹配成功，則判斷所述多媒體信息平臺上已設定的分類標簽的數目是否達到預設的數目閾值；

若所述多媒體信息平臺上已設定的分類標簽的數目達到預設的數目閾值，則從所述已設定的分類標簽中確定一個播放量最少的分類標簽，所述播放量最少的分類標簽是指其下所有數據的統計播放量最少的分類標簽；然后執行根據預設方式從多媒體信息平臺展示的數據中確定各個目標數據的步驟，并且在將詞語熱度值最高的所述關鍵字確定為新的分類標簽之前，從所述多媒體信息平臺上刪除所述播放量最少的分類標簽；

若所述多媒體信息平臺上已設定的分類標簽的數目未達到預設的數目閾值，則執行根據預設方式從多媒體信息平臺展示的數據中確定各個目標數據的步驟。

5.根據權利要求1至4中任一項所述的多數據源數據的歸類方法，其特征在于，所述從所述各個目標數據中提取各個關鍵字包括：

若所述目標數據為音頻數據，則對所述音頻數據進行音頻識別，得到音頻文本信息；

若所述目標數據為視頻數據，則對所述視頻數據進行圖像識別，得到視頻文本信息；

若所述目標數據為文本數據，則對所述文本數據進行數據清洗，得到清洗后的文本信息；

采用正向最大匹配算法從所述音頻文本信息、所述視頻文本信息和/或所述清洗后的文本信息中提取得到各個關鍵字。

6.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有多數據源數據的歸類程序，其特征在于，所述多數據源數據的歸類程序被至少一個處理器執行時，實現如權利要求1至5中任一項所述的多數據源數據的歸類方法的步驟。