[发明专利]基于房地产行业的词库构建方法及系统

权利要求书

1.一种基于房地产行业的词库构建方法，其特征在于，包括以下步骤：

采用网络爬虫技术从网络媒体抓取媒体信息，得到原始数据；所述网络媒体包括微博、网页、论坛和贴吧；所述原始数据包括微博数据、网页数据、论坛数据以及贴吧数据；所述微博数据包括媒体层面数据、企业层面数据、政府层面数据、研究机构数据以及个人层面数据；所述媒体层面数据来源于房产网、官方微信、周刊、栏目节目和信息平台；所述企业层面数据来源于地产公司；所述政府层面数据来源于房产管理处、建设局、交易中心、国土资源规划政府层面；所述研究机构数据来源于协会、研究院、高校研究机构；所述个人层面数据来源于个人的微博平台；

采用文本处理技术对原始数据进行去噪、解析和分词，得到文本数据；

采用数据挖掘技术分析文本数据的属性，得到清洗数据；

对清洗数据进行筛选，得到关键词数据库；

所述对清洗数据进行筛选，得到关键词数据库具体包括：

针对不同地区设置影响因素，根据不同地区的影响因素对所述清洗数据进行筛选，得到初始数据；所述影响因素包括供给层面和需求层面；供给层面包括土地供给与使用、房地产开发投资情况、房地产开发建设情况；所述土地供给与使用包括土地供给、土地使用和土地购置面积；所述房地产开发投资情况包括开发贷款、开发资金、资金结构、各类投资、信贷来源和资金链；所述房地产开发建设情况包括新开工、竣工、待售、供给和建设；所述需求层面包括销售情况和成交需求；所述销售情况包括销售额、销售面积、购房支付能力和购房意愿；所述成交需求投资需求、投机需求、刚性需求和改善性需求；

根据地区下属的管辖区域对初始数据进行扩充，得到扩充数据；

定义扩充数据中的核心词条，针对核心词条在扩充数据中补充长尾关键词和短尾关键词，组合所述初始数据、扩充数据、长尾关键词和短尾关键词，以得到所述关键词数据库；

该方法在对清洗数据进行筛选，得到关键词数据库之后，还包括：

确定所述关键词数据库中每个数据的文档特征；

基于所述文档特征进行情感分析，得到舆情数据库；

所述基于所述文档特征进行情感分析，得到舆情数据库具体包括：

设置情绪词典，情绪词典中包含多种情绪信息；

利用情绪词典、所述文档特征对所述关键词数据库的数据进行分类，将关键词数据库的数据归类到对应的情绪信息下，得到舆情数据库。

2.根据权利要求1所述基于房地产行业的词库构建方法，其特征在于，

所述组合所述初始数据、扩充数据、长尾关键词和短尾关键词，以得到所述关键词数据库具体包括：

对所述初始数据、扩充数据、长尾关键词和短尾关键词进行修正，得到修正数据；

根据修正数据得到所述关键词数据库。