[发明专利]一种基于多语言的数据挖掘方法

权利要求书

1.一种基于多语言的数据挖掘方法，其特征是，包括以下步骤：

（1）登入载有数据资料的网站；

（2）识别网站语言；

（3）采集网站数据资料；

（4）利用分类器对数据资料进行分类；

（5）将分类后的数据按照类别不同分别存放。

2.根据权利要求1所述的一种基于多语言的数据挖掘方法，其特征是，该方法还包括对分类器进行训练的步骤，具体包括：收集数据，将数据按照一定的比例分为训练集和测试集，利用训练集对分类器进行分类，然后再用测试集对训练结果进行评估，当分类误差和精度达到一定阈值时，判断为训练结束。

3.根据权利要求1所述的一种基于多语言的数据挖掘方法，其特征是，采集网站数据资料具体包括以下步骤：

（3.1）识别数据源；

（3.2）判断该数据源是否已被采集，如果已被采集，则直接存入已采集数据库，如果未被采集，进入下一步；

（3.3）利用Scrapy框架对数据进行采集，并将采集到的数据存入已采集数据库；

（3.4）根据Scrapy框架中的Response数据判断该数据来源的网站是否属于目标类型网站。