[發明專利]一種基于搜索引擎的數據優化方法、裝置及設備

在審

• 申請號: 201910709474.6
• 申請日: 2019-08-02
• 公開（公告）號: CN110502685A
• 公開（公告）日: 2019-11-26
• 發明（設計）人: 張洪
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06K9/62
• 代理公司: 11623 北京晉德允升知識產權代理有限公司
• 代理人: 王戈<國際申請>=<國際公布>=<進入國

本說明書實施例公開了一種基于搜索引擎的數據優化方法、裝置以及設備。所述方法包括：基于搜索引擎對待優化數據進行搜索爬取，獲得所述待優化數據的爬取數據；基于所述待優化數據的爬取數據，建立關聯映射數據；對所述關聯映射數據進行特征提取，獲得特征提取數據；基于所述特征提取數據的融合數據，對所述待優化數據進行優化，其中，所述融合數據為將所述特征提取數據進行融合得到的數據。

技術領域

本說明書涉及計算機技術領域，尤其涉及一種基于搜索引擎的數據優化方法、裝置以及設備。

背景技術

企業名稱是一個企業區別于其他企業的文字符號，依次由企業所在地的行政區域、字號、行業或者經營特點、組織形式等四部分組成，并且工商登記、稅務登記會給企業標注唯一的登記編碼。其中，字號是區別不同企業的主要標志。

目前，社會大眾對企業的認知往往是通過企業簡稱或企業產品或品牌形成的，比如“中國建設銀行股份有限公司”、“中國建設銀行股份有限公司北京市分行”和“中國建設銀行股份有限公司上海黃浦支行”在社會認知中都認定為“建設銀行”；同樣，在各個應用場景，比如搜索引擎中，用戶也會通過檢索“建設銀行”進行信息檢索。再比如“中國移動”、“中國人壽”、“肯德基”等大型企業也是基于企業簡稱或企業產品或品牌形成的公眾認知。可見，利用企業簡稱或企業產品或品牌來代稱企業是一種常見的文化現象。對于一個企業而言同樣也會有多個簡稱，或者多個品牌形象，或多個產品推廣，所以對于企業的代稱也有很多，比如，“阿里巴巴中國技術”、“阿里巴巴中國”、“阿里巴巴網絡”、“阿里巴巴”、“Alibaba”等“阿里巴巴網絡技術有限公司”的簡稱，還有“淘寶網”、“零售通”、“天貓”等企業品牌或產品。

由于部分企業的簡稱或企業產品或品牌信息過多，因此存在企業信息表達過量的情況，把不相關的信息掛靠到該企業下面；或者存在部分企業簡稱或企業產品或品牌存在于多個企業下面，由此產生企業簡稱或企業產品或品牌作為企業掛靠信息時，存在企業掛靠不準確的情況；或者由于企業簡稱或企業產品或品牌表意寬泛或在不同場景下的表意變化，使得企業簡稱或企業產品或品牌不適合作為企業掛靠信息。基于上述原因，需要對企業名稱、企業的簡稱、產品或品牌等能夠代指企業的關鍵名詞的集合進行優化。

發明內容

本說明書實施例提供一種基于搜索引擎的數據優化方法、裝置及設備，用于解決以下技術問題：能夠提高待優化數據的準確性及可信度。

為解決上述技術問題，本說明書實施例是這樣實現的：

本說明書實施例提供的一種基于搜索引擎的數據優化方法，包括：

基于搜索引擎對待優化數據進行搜索爬取，獲得所述待優化數據的爬取數據；

基于所述待優化數據的爬取數據，建立關聯映射數據；

對所述關聯映射數據進行特征提取，獲得特征提取數據；

基于所述特征提取數據的融合數據，對所述待優化數據進行優化，其中，所述融合數據為將所述特征提取數據進行融合得到的數據。

本說明書實施例提供的一種基于搜索引擎的數據優化裝置，包括：

爬取單元，基于搜索引擎對待優化數據進行搜索爬取，獲得所述待優化數據的爬取數據；

關聯單元，基于所述待優化數據的爬取數據，建立關聯映射數據；

提取單元，對所述關聯映射數據進行特征提取，獲得特征提取數據；

優化單元，基于所述特征提取數據的融合數據，對所述待優化數據進行優化，其中，所述融合數據為將所述特征提取數據進行融合得到的數據。

本說明書實施例還提供一種基于搜索引擎的數據優化設備，包括：

至少一個處理器；以及，