[发明专利]一种数据挖掘处理系统及方法

权利要求书

1.一种数据挖掘处理系统，其特征在于，所述系统包括：数据获取单元、数据分类单元、数据处理单元；其中，

所述数据获取单元，用于从多个数据源获取数据，输出所述数据给所述数据分类单元，所述数据分为用于揭示用户社交拓扑结构的多种数据类型，能从不同维度上表征用户关系链中具有指示特征的用户关系；

所述数据分类单元，用于对所述多种数据类型按照分类策略进行综合分析，对短文本数据进行所述具有指示特征的用户关系的识别时，以随机提取种子词的方式或构造种子词的方式，从所述数据中分析得到具有指示特征的用户关系，输出所述具有指示特征的用户关系给所述数据处理单元，其中，所述构造种子词的方式包括：将在多个维度同时识别为具有指示特征的用户关系形成的用户关系数据对作为正样本种子词，将没有在任何一个维度识别为具有指示特征的用户关系形成的用户关系数据对作为负样本种子词，以向量空间中的向量来表示所述正样本种子词和所述负样本种子词，生成正样本种子词和负样本种子词分别对应的语义向量，将正样本种子词和负样本种子词分别对应的语义向量输入训练分类器进行分类训练后对用户关系进行识别分类，识别出具有指示特征的用户关系；其中，所述短文本数据包括：表征用户个人属性的数据中，数据量大，文本内容短的数据类型；

所述数据处理单元，用于根据所述具有指示特征的用户关系收集信息，以根据对所述信息的分析结果来发送推荐信息；

所述多种数据类型包括表征用户个人属性、表征用户社交拓扑结构、表征用户互动行为中的至少两种数据类型。

2.根据权利要求1所述的系统，其特征在于，所述数据分类单元，包括：

策略选择子单元，用于解析所述多种数据类型的特性参数，当所述多种数据类型中每一种数据类型的特征参数皆低于预设的阈值时，确定所述数据类型为短文本数据，选择第一策略作为所述分类策略；

策略执行子单元，用于采用所述第一策略对所述短文本数据进行所述具有指示特征的用户关系的识别时随机提取所述种子词，所述种子词能表征具有指示特征的用户关系，将所述种子词作为参考基准，将具有所述多种数据类型的所述数据作为待分析的训练样本与所述种子词进行比对来实现分类训练，以从所述数据中识别出所述具有指示特征的用户关系。

3.根据权利要求2所述的系统，其特征在于，所述策略执行子单元，包括：

向量生成模块，用于根据向量空间模型将所述数据表示为向量空间中的向量；所述数据中的每一个词作为所述向量的一个维度，所述向量的总维度为所述数据的总词数；

分类训练模块，用于根据所述向量与所述种子词对应的向量在所述向量空间中的分布位置确定出分割平面，以识别出所述具有指示特征的用户关系；

分析结果输出模块，输出识别出的所述具有指示特征的用户关系。

4.根据权利要求2所述的系统，其特征在于，所述策略执行子单元，包括：

向量生成模块，用于根据预设的固定维度和向量空间模型将所述数据表示为向量空间中的向量；所述固定维度基于所述数据中每个词的上下文语境信息得到；

分类训练模块，用于根据所述向量与所述种子词对应的向量在所述向量空间中的分布位置确定出分割平面，以识别出所述具有指示特征的用户关系；

分析结果输出模块，输出识别出的所述具有指示特征的用户关系。

5.根据权利要求1所述的系统，其特征在于，所述数据分类单元，包括：

策略选择子单元，用于解析所述多种数据类型的特性参数，当所述多种数据类型中部分数据类型的特征参数低于预设的阈值时，确定所述数据类型为短文本数据，部分数据类型的特征参数高于预设的阈值时，确定所述数据类型为长文本数据，选择第二策略作为所述分类策略；

策略执行子单元，用于采用所述第二策略对所述长文本数据进行所述具有指示特征的用户关系的识别时，将采用第一策略对所述短文本数据进行识别得到的所述具有指示特征的用户关系来构造所述种子词，将所述种子词作为参考基准，将具有所述多种数据类型的所述数据作为待分析的训练样本与所述种子词进行相似度比对来实现分类训练，以从所述数据中识别出所述具有指示特征的用户关系。