[發明專利]一種古詩詞收集和數據分析方法

在審

• 申請號: 201711280142.8
• 申請日: 2017-12-06
• 公開（公告）號: CN107944003A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 鄭銳韜;季統凱
• 申請（專利權）人: 國云科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27;G06Q10/10
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 湯東鳳

技術領域

本發明涉及數據分析應用技術領域，特別是一種古詩詞收集和數據分析方法。

背景技術

隨著大數據分析的普及，相關人員對于各領域的分析越來越多。對特定領域的大數據分析，可使各領域的人員對其領域的具體情況的了解更加深入，具體的情況具體分析；從而實現總體上的分析。對于古詩詞的分析，如果對于某個詩人的相關作品進行分析，可得出其使用的詞語的頻率，其作品的主要產出時間等；從而可分析出詩人的人生情況及人生軌跡；但是要對古詩詞進行分析，主要的難點在于：

1.古詩詞的收集：古詩詞的數量多，范圍廣，完整、正確的收集是一個很大的問題，特別是對于作者、古詩詞、年代等關聯關系的設計，需要有專門的人員進行錄入及數據關聯關系的維護，需通過一定的機制實現多人參與。

2.數據分析算法應用：大數據分析的算法，涉及主要的有分詞算法、關聯算法、時序算法等，其各算法的應用涉及專業的計算機知識、高等數學等門檻比較高，對于普通的人員來說進行相關的數據分析有較大的難度。但對于古詩詞的數據分析，我們可以通過基于已定的數據格式，定式編寫具體的分析過程，從而實現在特定的古詩詞領域，定向開發具體的相關分析。

基于以上的兩個難點，各領域的相關人員，沒有大數據分析的專業人員的協助，無法實現相關數據的收集及分析算法的應用，同時古詩詞的范圍廣，內容多，關聯關系復雜，要保證數據的準確獲取，需要有相應的獎勵機制，發動廣大的用戶來實現數據的錄入與校正。

發明內容

本發明解決的技術問題在于提供一種古詩詞收集和數據分析方法；形成完整的古詩詞收集方法，對按照作者情況、創作情況、時間分布、關鍵詞分析、與著名景點關聯等相關細節進行分析。

本發明解決上述技術問題的技術方案是：

所述的方法包括以下幾個步驟：

步驟1：建立一個古詩詞特點的數據存儲保存系統，用于古詩詞數據的錄入保存；

步驟2：從網上抓取古詩詞數據，并錄入到系統上；或是由相關的用戶錄入沒有抓取錄入的古詩詞，錄入新的古詩詞的用戶獲取相應的積分獎勵；

步驟3：對存在錯誤或對應關系不明確的錄入的古詩詞，用戶可提出修改或指定其對應關系；相關審核通過后，獲得相應的積分；

步驟4：在錄入的古詩詞的基礎上，建立相關的業務邏輯的分析維度，包括：整體上的分析、個體詩人的分析、某個時期的分析、多個詩人的分析等，分析的維度可在后續的實現過程不斷完善；

步驟5：在各分析維度上，建立起多種分析算法，包括：時間軸的分析、分詞分析、關鍵詞分析、詞語關聯分析等，各分析算法用于各種分析維度的調用；

步驟6：需要使用古詩詞分析的用戶，支付相應的費用后，在系統上依賴于建立的分析維度、分析算法，對選定的分析范圍進行分析，形成分析報告和報表；

步驟7、對同一個詩人或是同一個時期的內容可以進行多次的分析，通過多個分析報告的內容，最終形成一個完整的對一個某個維度的分析結果，用于專業的應用支撐。

所述的方法由古詩詞數據收集模塊和古詩詞數據分析模塊實現；

所述古詩詞數據收集模塊通過數據抓取等方式收集古詩詞；對于其中存在的錯誤、對應關系不明確；可以由用戶進行修改；

所述古詩詞數據分析模塊實現各維度、多種算法的分析。

所述的方法中，對抓取或用戶輸入的古詩詞進行差別數據核對、正確性校對，避免重復數據錄入或錯誤。

所述的時間軸的分析：包括分析個體詩人在一生上的創作分布，整體分析查看歷史時間軸的古詩詞創作分析；

所述的分詞分析：包括個體詩人喜歡使用的詞語分布，歷史各時間分布喜歡使用的詞語統計等；

所述的關鍵詞分析：包括輸入相關的著名景點，分析在古詩詞中出現的頻率，出現的歷史分布等；

所述的詞語關聯分析：通過分詞統計后，分析各類詞語關聯出現的頻率，統計出相關性等。

所述的方法中，對獲取的古詩詞進行結構化處理；包括依照作者、產生時間、產生地點等因數進行定義。

本發明的有益效果是：

通過分析古詩詞的特點及其收集、校正過程中可能出現的問題，設計出一個通用的方法，通過獎勵用戶的錄入與校正、收取分析用戶的相關費用，從而實現對古詩詞的收集與分析的完整過程。