[发明专利]网络信息数据的处理方法及装置

权利要求书

1.一种网络信息数据处理方法，其中，被处理的每条信息数据包括关于该信息相关内容的一项或多项信息项目，其特征在于，所述方法包括：

针对各预定分类采集多条初始信息数据，从所述初始信息数据中获取分别与每个所述预定分类相对应的所述一项或多项信息项目作为用于将待分类信息数据进行分类的分类项目，并获取对应于所述分类项目的一个或多个关键词作为将待分类信息数据归类到相应的预定分类中的依据；

采集所述待分类信息数据；

将所述分类项目中包含与所述分类项目对应的所述关键词的所述待分类信息数据归类到相应的预定分类中；

按照所述预定分类发布信息数据。

2.根据权利要求1所述的网络信息数据处理方法，其特征在于，从所述初始信息数据中获取所述分类项目及所述关键词的步骤包括：

从所述初始信息数据中筛选符合预定分类的信息数据；

针对各预定分类的所述初始信息数据的每个信息项目应用分词技术获取多个词组；

在每个信息项目中分别统计该多个词组在所述初始信息数据中的出现频率；

根据统计结果选取所述分类项目及关键词。

3.根据权利要求2所述的网络信息数据处理方法，其特征在于，根据统计结果选取所述分类项目及关键词的步骤包括：

在每个信息项目中计算所有词组出现频率的中位数；

选取预定数量的出现频率高于中位数的所述词组作为关键词，并选取包含出现频率高于所述中位数的词组的一项或多项信息项目为所述分类项目。

4.根据权利要求2所述的网络信息数据处理方法，其特征在于，根据统计结果选取所述分类项目获取所述关键词的步骤包括：

计算每个信息项目中所述多个词组中每一个词组的出现频率与该信息项目中所拆分出的全部词组的数目的比值；

将所述多个信息项目中的全部词组按照所述比值排序；

选取比值排序位于前预定数目的词组对应的一项或多项信息项目为所述分类项目，选取所述词组作为关键词。

5.根据权利要求1所述的网络信息数据处理方法，其中，被处理的每条信息数据包括反映所述信息数据的发布及状态的一个或多个信息参数，其特征在于，所述方法还包括：

根据所述预定分类中各项信息参数及信息文本内容的预定权重对各预定分类中的每条信息数据进行排序。

6.根据权利要求5所述的网络信息数据处理方法，其特征在于，根据所述预定分类中各项信息参数的预定权重对各预定分类中的每条信息数据进行排序的步骤包括：

根据文本内容、评论、转发、图片和发布时间中的一个或多个的预定权重为各预定分类中的信息数据评分；

根据所述评分对数据进行排序。

7.根据权利要求5所述的网络信息数据处理方法，其特征在于，还包括过滤掉排序后的信息数据中重复信息数据的步骤，该步骤包括：

提取信息数据中的图片；

将所述图片转换为直方图，并计算每两张直方图的相似系数；

若所述相似系数大于预定阈值，则删除所述两张直方图对应的两条信息数据中排序靠后的信息数据。

8.一种网络信息数据处理装置，其中，被所述网络信息数据处理装置处理的每条信息数据包括关于该信息相关内容的一项或多项信息项目，其特征在于，该网络信息数据处理装置包括：

分类项目及关键词获取模块，用于针对各预定分类采集多条初始信息数据，从所述初始信息数据中获取分别与每个所述预定分类相对应的所述一项或多项信息项目作为用于将待分类信息数据进行分类的分类项目，并获取对应于所述分类项目的一个或多个关键词作为将待分类信息数据归类到相应的预定分类中的依据；

采集模块，用于所述待分类信息数据；

分类模块，用于将所述分类项目中包含与所述分类项目对应的所述关键词的所述待分类信息数据归类到相应的预定分类中；

发布模块，按照所述预定分类发布信息数据。