[發明專利]一種大數據覆蓋率采集分析方法

在審

• 申請號: 201810444688.0
• 申請日: 2018-05-10
• 公開（公告）號: CN108664606A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 高強
• 申請（專利權）人: 北京鼎泰智源科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京中企鴻陽知識產權代理事務所(普通合伙) 11487
• 代理人: 郭鴻雁

1.一種大數據覆蓋率采集分析方法，其特征在于，包括如下步驟：

步驟S1，對目標領域數據源進行分析，根據分析結果劃分為常備通用領域數據或客戶定制領域數據；

步驟S2，在所述常備通用領域中，根據數據量的數據源、權威性、收集難易度和主站及子站的優先級，將數據源的收集優先級劃分為五級；

步驟S3，在所述客戶定制領域中，根據客戶需求高低、需求明確程度和數據量，將數據源的收集優先級劃分為兩級；

步驟S4，根據所述步驟S2和步驟S3劃分的優先級，采用智能引擎搜索的方式對數據源進行收集，其中，采用智能引擎搜索對數據源進行搜索，完成對數據源的初步收集，包括如下步驟：配置URL規則、名稱Name規則和主體body規則，然后開始采集任務；

步驟S5，計算常備通用領域數據的覆蓋率或者客戶定制領域數據的覆蓋率，其中，

常備通用領域數據覆蓋率總分值＝國家級數據源分值*國家級權值+大省大市級數據源分值*大省大市級權值+全省大市級數據源*全省大市級權值+全部地市級數據源分值*全部地市級權值+全部區縣級數據源*全部區縣級權值；

客戶定制領域數據覆蓋率總分值＝定向定制級數據源分值*定向定制級權值+非必需級數據源分值*非必需級權值。

2.如權利要求1所述的大數據覆蓋率采集分析方法，其特征在于，在所述步驟S2中，所述將數據源的收集優先級劃分為五級，由高到低依次為：

國家級：最高院、最高主管部門、最高機構發布的數據源；

大省大市級：十大省份/直轄市/副省級市的法院、主管部門、主管機構發布的數據源；

全省大市級：大省大市以外的全部省級和省會城市級的法院、主管部門、主管機構發布的數據源；

全部地市級：大市以外的全部地級市的法院、主管部門、主管機構發布的數據源；

全部區縣級：全部縣級市、縣、鎮級的法院，主管部門、主管機構發布的數據源。

3.如權利要求1所述的大數據覆蓋率采集分析方法，其特征在于，在所述步驟S3中，將數據源的收集優先級劃分為兩級，由高到低依次為：

定向定制級：客戶已明確提出的數據源；

非必需級：非客戶提出，存在的其他數據源。

4.如權利要求1所述的大數據覆蓋率采集分析方法，其特征在于，在所述步驟S4中，當監控出現新的數據源時，設置定期檢測任務，由系統自動進行檢測，自動補齊增量數據源，根據目標領域數據源整體變化的頻繁度，設置不同的檢測周期。

5.如權利要求4所述的大數據覆蓋率采集分析方法，其特征在于，所述檢測周期，包括：

1)數據源頻繁增加的領域設置為每周全網域搜索檢測一次；

2)數據源偶爾增加的領域設置為每月全網域搜索檢測一次。

6.如權利要求1所述的大數據覆蓋率采集分析方法，其特征在于，所述步驟S4，還包括：在智能引擎搜索的基礎上，采用人工作業方式對數據源進行補充收集，以及由人工方式對所述智能引擎搜索得到的數據判斷是否有效。