[发明专利]用于对数据库中的信息进行修正及补充的方法及系统

权利要求书

1.一种用于对数据库中的信息进行修正及补充的方法，每个数据库信息条目与一个对象相关，其特征在于，所述方法包括：

从预先选定的目标网站将与所述数据库中的信息相关的网页页面爬取到本地；

从所述网页页面中提取与所述对象相关的互联网信息；

将所述数据库中的信息与所述互联网信息进行匹配；以及

根据所述匹配的结果对所述数据库中的信息进行修正及补充。

2.如权利要求1所述的方法，其特征在于，每个所述数据库信息条目包括至少一个精确标识字段和至少一个模糊标识字段；并且

从网页页面提取互联网信息包括：

从所述网页页面提取与所述对象相关的特征字段并且按对象将所述特征字段存储为互联网信息条目，其中所述特征字段包括所述至少一个精确标识字段和所述至少一个模糊标识字段。

3.如权利要求2所述的方法，其特征在于，所述匹配包括：

将每个数据库信息条目中的所述至少一个精确标识字段与所有所述互联网信息条目中的所述至少一个精确标识字段进行匹配；

当对于该数据库信息条目存在精确标识字段相同的互联网信息条目时，计算该数据库信息条目中的所述至少一个模糊标识字段与所有精确标识字段相同的互联网信息条目中的所述至少一个模糊标识字段的相似度；以及

将所述相似度最高并且超过相似度预定阈值的互联网信息条目确定为与该数据库信息条目匹配的互联网信息条目；并且

所述方法还包括根据该匹配的互联网信息条目对该数据库信息条目进行修正及补充。

4.如权利要求3所述的方法，其特征在于，所述匹配还包括：

当对于所述数据库信息条目不存在精确标识字段相同的互联网信息条目时，将该数据库信息条目中的两个或更多个模糊标识字段合并为第一匹配字段；

计算该第一匹配字段与由每个互联网信息条目中对应的模糊标识字段同样地构成的第二匹配字段的相似度；以及

将相似度最高并且超过相似度预定阈值的互联网信息条目确定为与所述数据库信息条目匹配的互联网信息条目；并且

所述方法还包括根据该匹配的互联网信息条目对所述对象的数据库信息条目进行修正及补充。

5.如权利要求4所述的方法，其特征在于，对所述数据库中的信息进行修正及补充包括在数据库信息条目中的所述至少一个精确标识字段为空时将所述与其匹配的互联网信息条目中的所述至少一个精确标识字段信息填入该数据库信息条目中。

6.如权利要求4所述的方法，其特征在于，对所述数据库中的信息进行修正及补充包括从未匹配的互联网信息条目中选择数据库中尚未包含的对象，并且根据所选定对象的互联网信息条目为该对象在所述数据库中创建相应的数据库信息条目。

7.如权利要求4所述的方法，其特征在于，所述互联网信息条目还包括数据库信息条目所没有的其他信息字段，并且对所述数据库中的信息进行修改及补充包括将与数据库信息条目匹配的互联网信息条目中的所述其他信息字段添加到该数据库信息条目中。

8.如权利要求1所述的方法，其特征在于，每个对象在数据库中被标识为一种数据库类别，所述方法还包括：在匹配完成之后，确定每种数据库类别的对象在匹配的互联网信息中被标识的互联网类别；

计算该数据库类别的对象被标识为每种互联网类别的概率；以及

对于所述概率小于预定阈值的、数据库类别与互联网类别的匹配，将相应的数据库信息条目判断为分类错误。

9.如权利要求2所述的方法，其特征在于，所述对象为商户，并且所述至少一个精确标识字段包括商户的通信号码，而所述至少一个模糊标识字段包括商户名称以及商户地址。

10.如权利要求2所述的方法，其特征在于，所述对象为产品，并且所述至少一个精确标识字段包括产品的型号，而所述至少一个模糊标识字段包括产品名称以及产品描述。

11.如权利要求1所述的方法，其特征在于，从预先选定的目标网站爬取网页页面包括使用针对不同的目标网站定制的网页爬取器。