[发明专利]高质量版本的筛选方法及系统

说明书

技术领域

本发明涉及互联网技术领域，尤其涉及一种高质量版本的筛选方法及系统。

背景技术

随着互联网的普及，每天都有大量的新闻、事件等消息通过网络被迅速传播，人们对于各种信息的传播热情与共享程度达到了空前的高度，为方便人类不断积累知识，沉淀并传承文明，一种通过电子大百科全书记录信息的方式应运而生。人们可以对已有知识或刚刚形成的智力成果进行梳理和积累，或者在自己感兴趣的领域，凭借自身的知识能力对相关知识主题进行创建、编辑和完善。不断完善的电子大百科全书不仅对知识体系进行了有效的梳理和保存，还有利于人们进行知识检索与查阅。

由于大量的用户参与到百科数据的加工中来，用户创建的百科版本和后续用户编辑的百科版本形成海量版本数据，传统的人工筛选审核方式远不能满足快速筛选百科版本数据的需要，而且在筛选版本中的判断过程还可能由于筛选者的主观随意性而造成误判；此外，单一的机器筛选方式(如仅仅通过百科版本的字节数、有无图片或敏感词汇等因素进行判断)没有对专业性的百科数据的具体分析，使得自动筛选操作缺乏针对性，不能根据百科数据的特点对百科版本进行分级筛选，从而造成大量误判，不利于筛选出高质量版本数据作为优质版本评选的基础；同时也不利于根据版本质量挖掘和管理不同级别的用户，而且也不利于筛选出非高质量版本以推动用户进一步完善该词条，引导用户持续优化词条信息。

如何在海量的百科数据中，通过技术手段有效的对百科版本数据进行多维度的分级筛选审核，从而快速准确筛选出高质量版本和非高质量版本，有针对性地引导用户持续完善词条信息，加快百科数据库的建设成为本领域亟待解决的技术问题。

发明内容

本发明要解决的一个技术问题是提供一种高质量版本的筛选方法及系统，其能够在降低人工投入的前提下，有效提高对复杂编辑的百科版本数据的筛选效率，有利于为高质量版本数据的审核提供评选基础。

本发明的一个方面提供了一种高质量版本的筛选方法，该方法包括：读取用户创建的百科版本数据，并对百科版本数据进行解析；对解析后得到的信息进行统计分析；根据统计分析的结果，过滤百科版本数据，并对符合预定标准的百科版本执行简单编辑版本进程或复杂编辑版本进程。

本发明提供的高质量版本的筛选方法的一个实施例中，对符合预定标准的百科版本执行复杂编辑版本进程的步骤进一步包括：判断过滤后的百科版本是否含有参考资料，如果没有，则进行二次过滤，过滤后的百科版本数据被转入高质量版本审核区。

本发明提供的高质量版本的筛选方法的一个实施例中，对解析后得到的信息进行统计分析的步骤进一步包括：统计信息的段落数、总字节数；分析信息是否含有图片、参考资料和目录信息；以及根据预定规则评估百科版本数据的变化量是否高于复杂版本变化量阈值。

本发明提供的高质量版本的筛选方法的一个实施例中，该方法还包括：对于用户编辑的百科版本数据进入简单编辑版本进程，判断之前的版本是否存在连续的相同用户编辑同名词条版本，如果不存在，则直接过滤百科版本数据；如果之前存在连续的、与版本数据具有相同编辑用户的同名词条版本，则执行连续版本过滤进程。

本发明提供的高质量版本的筛选方法的一个实施例中，该方法还包括：对于用户编辑的百科版本数据进入复杂编辑版本进程，判断之前相邻版本是否是不同用户编辑的同名词条版本或者含有高质量版本/优质版本标识，如果是，则判断过滤后的百科版本是否含有参考资料；如果过滤后的百科版本不含有参考资料，则进行二次过滤，过滤后的百科版本数据被转入高质量版本审核区；否则，则执行连续版本过滤进程。

本发明提供的高质量版本的筛选方法的一个实施例中，连续版本过滤进程针对由同一用户编辑的连续同名词条版本构成的一组版本，判断之前是否存在获得高质量版本/优质版本标识的百科版本数据，如果不存在，则选取一组版本中最后提交的版本数据与之前不同用户编辑的版本进行对比，先按复杂编辑版本策略过滤，找出符合复杂版本变化量的版本；随后判断过滤后的百科版本是否含有参考资料，如果没有，则进行二次过滤，过滤后的百科版本数据被转入高质量版本审核区；如果之前存在获得高质量版本/优质版本标识的版本，则选取一组版本中最后提交的版本数据与之前含有高质量版本/优质版本标识的版本进行对比，先按复杂编辑版本策略过滤，找出符合复杂版本变化量的版本；随后判断过滤后的百科版本是否含有参考资料，如果没有，则进行二次过滤，过滤后的百科版本数据被转入高质量版本审核区。