[发明专利]从文本中抽取社交账号的方法

说明书

本发明涉及文本抽取技术领域，且公开了从文本中抽取社交账号的方法，所述从文本中抽取社交账号的方法，包括以下操作步骤，第一步，预先创建专用数据库群；第二步，针对已获得的文本内容，进行分词，获得分词数据集；第三步，针对分词数据集，抽取社交账号。通过获得分词数据集，把文本整理成电子格式的面向计算机信息处理的文字组合，使得文本中的社交账号能被直接提取，无需再对文本进行编辑，通过检索分词数据集中不低于2个英文和数字和社交账号连接符号的任意组合的字符串和检索首字符和其右侧的字符的连续序列组合，提高了社交账号在抽取时的便捷性，同时能增加社交账号在提取时的精准率。

技术领域

本发明涉及文本提取技术领域，具体为从文本中抽取社交账号的方法。

背景技术

文本数据挖掘是一种利用计算机处理技术从文本数据中抽取有价值的信息和知识的应用驱动型学科，文本数据挖掘处理的数据类型是文本数据，属于数据挖据的一个分支，与机器学习、自然语言处理、数理统计等学科具有紧密联系，文本挖掘在很多应用中都扮演重要角色，例如数据采集、信息抽取(例如互联网搜索)等。

文本信息抽取是文本数据挖掘的一个基础技术，文本信息抽取是从文本数据中抽取特定信息的一种技术，文本数据是由一些具体的单位构成的，例如句子、段落、篇章，文本信息正是由一些小的具体的单位构成的，例如字、词、词组、句子、段落或是这些具体的单位的组合，抽取文本数据中的联系方式、邮箱地址、社交号码、短语、人名、地名等都是文本信息抽取，当然，文本信息抽取技术所抽取的信息可以是各种类型的信息。

抽取文本数据中的社交账号，通过目前已有的技术方案实现，社交账号在抽取时，受到字符和文本的影响，导致提取的社交账户不准确，且在文本中抽取社交账户，精准率比较低，会导致提取信息出错、用户无法使用的问题。

发明内容

针对上述背景技术的不足，本发明提供了从文本中抽取社交账号的方法，具备精准提取、误差小的优点，解决了背景技术提出的问题。

本发明提供如下技术方案：从文本中抽取社交账号的方法，所述从文本中抽取社交账号的方法包括以下操作步骤：

第一步，预先创建专用数据库群，所述专用数据库群均支持用户自定义增减数据；

第二步，针对已获得的文本内容，进行分词，获得分词数据集，所述文本为电子格式的面向计算机信息处理的文字组合；

第三步，针对分词数据集，抽取社交账号。

优选的，所述专用数据库群包括：社交账号名称库、社交账号名称后缀词库、社交账号连接符号库、括号符号库、正常空格的数目阈值规则库。

优选的，根据所述分词数据，然后检索分词数据集中不低于2个英文和数字和社交账号连接符号的任意组合的字符串，字符之间，允许有低于正常空格的数目阈值规则库中用户自定义设定空格字符数量阈值的空格，如有，系统自动删除所述空格和间隔符，将剩下的数字汇总成社交账号文本组合，如有高于正常空格的数目阈值规则库中用户自定义设定空格字符数量阈值的空格，则系统自动将空格两侧的字符串切分为单独的社交账号文本组合。

优选的，根据所述从社交账号文本组合的第一个字符开始，检索首字符和其右侧的字符的连续序列组合，如组合内容符合下列组合规则，则判断所述英文和数字社交账号连接符号的任意组合为社交账号名称的账号。

本发明具备以下有益效果：