[发明专利]互联网信息链式存储方法、装置、计算机设备及存储介质

权利要求书

1.一种互联网信息链式存储方法，其特征在于，包括：

获取待监控网页的网址信息，根据待监控网页的网址信息对待监控网页中所发布的数据信息进行实时监控以获取新增数据信息；

对新增数据信息中的文件是否为文字文件进行判断；

若新增数据信息中的文件为非文字文件，通过预设信息识别模型将非文字文件转换为文字文件；

将新增数据信息中的文字文件和/或转换得到的文字文件保存至预设数据链表中。

2.根据权利要求1所述的互联网信息链式存储方法，其特征在于，所述根据待监控网页的网址信息对待监控网页中所发布的数据信息进行实时监控以获取新增数据信息，包括：

若监控到待监控网页中发布数据信息，根据待监控网页的网址信息及所述数据信息的发布人生成发布源信息；

根据所述数据信息的发布时间生成发布时间戳；

获取所述发布数据信息中的所有文件及发布源信息、发布时间戳以得到新增数据信息。

3.根据权利要求1所述的互联网信息链式存储方法，其特征在于，所述通过预设信息识别模型将非文字文件转换为文字文件，包括：

获取所述非文字文件的格式信息并判断该文件是否为音频文件，若该文件为音频文件则通过信息识别模型中的音频识别模型对该文件进行识别以得到相应的文字文件；

获取所述非文字文件的格式信息并判断该文件是否为图片，若该文件为图片则通过信息识别模型中图片识别模型的对该文件进行识别以得到相应的文字文件；

获取所述非文字文件的格式信息并判断该文件是否为视频文件，若该文件为视频文件则通过信息识别模型中的音频识别模型及图片识别模型对该文件进行识别以得到相应的文字文件。

4.根据权利要求3所述的互联网信息链式存储方法，其特征在于，所述若该文件为音频文件则通过信息识别模型中的音频识别模型对该文件进行识别以得到相应的文字文件，包括：

根据音频识别模型中的声学模型对音频文件中的语音信息进行切分以得到语音信息中所包含的多个音素；

根据音频识别模型中的语音特征词典对所得到的音素进行匹配以将所有音素转换为拼音信息；

根据音频识别模型中的语义解析模型对所得到的拼音信息进行语义解析以得到包含文字信息的文字文件。

5.根据权利要求2所述的互联网信息链式存储方法，其特征在于，所述将新增数据信息中的文字文件和/或转换得到的文字文件保存至预设数据链表中，包括：

获取待监控网页中新增数据信息的发布源信息及发布时间戳；

根据发布源信息将新增数据信息中所包含的文字文件和/或转换得到的文字文件进行分类；

根据发布时间戳将新增数据信息中所包含的文字文件和/或转换得到的文字文件保存至预设数据链表中与发布源信息对应的子链表。

6.一种互联网信息链式存储装置，其特征在于，包括：

网页监控单元，用于获取待监控网页的网址信息，根据待监控网页的网址信息对待监控网页中所发布的数据信息进行实时监控以获取新增数据信息；

判断单元，用于对新增数据信息中的文件是否为文字文件进行判断；

信息转换单元，用于若新增数据信息中的文件为非文字文件，通过预设信息识别模型将非文字文件转换为文字文件；

信息存储单元，用于将新增数据信息中的文字文件和/或转换得到的文字文件保存至预设数据链表中。

7.根据权利要求6所述的互联网信息链式存储装置，其特征在于，所述网页监控单元，包括：

发布源信息生成单元，用于若监控到待监控网页中发布数据信息，根据待监控网页的网址信息及所述数据信息的发布人生成发布源信息；

发布时间戳生成单元，用于根据所述数据信息的发布时间生成发布时间戳；

新增数据信息获取单元，用于获取所述发布数据信息中的所有文件及发布源信息、发布时间戳以得到新增数据信息。