[發明專利]基于房地產行業的詞庫構建方法及系統

有效

• 申請號: 201810146272.0
• 申請日: 2018-02-12
• 公開（公告）號: CN108491374B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 董紀昌;鄭長敬;董志;劉穎;李秀婷
• 申請（專利權）人: 鄭長敬
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F16/33;G06F16/338;G06F16/35
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 高江玲

1.一種基于房地產行業的詞庫構建方法，其特征在于，包括以下步驟：

采用網絡爬蟲技術從網絡媒體抓取媒體信息，得到原始數據；所述網絡媒體包括微博、網頁、論壇和貼吧；所述原始數據包括微博數據、網頁數據、論壇數據以及貼吧數據；所述微博數據包括媒體層面數據、企業層面數據、政府層面數據、研究機構數據以及個人層面數據；所述媒體層面數據來源于房產網、官方微信、周刊、欄目節目和信息平臺；所述企業層面數據來源于地產公司；所述政府層面數據來源于房產管理處、建設局、交易中心、國土資源規劃政府層面；所述研究機構數據來源于協會、研究院、高校研究機構；所述個人層面數據來源于個人的微博平臺；

采用文本處理技術對原始數據進行去噪、解析和分詞，得到文本數據；

采用數據挖掘技術分析文本數據的屬性，得到清洗數據；

對清洗數據進行篩選，得到關鍵詞數據庫；

所述對清洗數據進行篩選，得到關鍵詞數據庫具體包括：

針對不同地區設置影響因素，根據不同地區的影響因素對所述清洗數據進行篩選，得到初始數據；所述影響因素包括供給層面和需求層面；供給層面包括土地供給與使用、房地產開發投資情況、房地產開發建設情況；所述土地供給與使用包括土地供給、土地使用和土地購置面積；所述房地產開發投資情況包括開發貸款、開發資金、資金結構、各類投資、信貸來源和資金鏈；所述房地產開發建設情況包括新開工、竣工、待售、供給和建設；所述需求層面包括銷售情況和成交需求；所述銷售情況包括銷售額、銷售面積、購房支付能力和購房意愿；所述成交需求投資需求、投機需求、剛性需求和改善性需求；

根據地區下屬的管轄區域對初始數據進行擴充，得到擴充數據；

定義擴充數據中的核心詞條，針對核心詞條在擴充數據中補充長尾關鍵詞和短尾關鍵詞，組合所述初始數據、擴充數據、長尾關鍵詞和短尾關鍵詞，以得到所述關鍵詞數據庫；

該方法在對清洗數據進行篩選，得到關鍵詞數據庫之后，還包括：

確定所述關鍵詞數據庫中每個數據的文檔特征；

基于所述文檔特征進行情感分析，得到輿情數據庫；

所述基于所述文檔特征進行情感分析，得到輿情數據庫具體包括：

設置情緒詞典，情緒詞典中包含多種情緒信息；

利用情緒詞典、所述文檔特征對所述關鍵詞數據庫的數據進行分類，將關鍵詞數據庫的數據歸類到對應的情緒信息下，得到輿情數據庫。

2.根據權利要求1所述基于房地產行業的詞庫構建方法，其特征在于，

所述組合所述初始數據、擴充數據、長尾關鍵詞和短尾關鍵詞，以得到所述關鍵詞數據庫具體包括：

對所述初始數據、擴充數據、長尾關鍵詞和短尾關鍵詞進行修正，得到修正數據；

根據修正數據得到所述關鍵詞數據庫。