[发明专利]从文本中抽取电子邮箱地址的方法在审
| 申请号： | 201910154282.3 | 申请日： | 2019-03-01 |
| 公开（公告）号： | CN109885838A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 陈包容 | 申请（专利权）人： | 陈包容 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 广州市红荔专利代理有限公司 44214 | 代理人： | 吝秀梅 |
| 地址： | 410009 湖南省长*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 抽取 电子邮箱地址 分词 电子邮箱 数据集 名称文本 文本 文本数据挖掘 计算机提取 有效地减少 专用数据库 文本内容 文本数据 文本信息 文字信息 一步检测 预先创建 左右两侧 分隔点 精准度 有效地 检测 剔除 筛选 计算机 | ||
1.从文本中抽取电子邮箱地址的方法，其特征在于，包括以下操作步骤：
S01、预先创建专用数据库群；
S02、将电子邮箱名称文本分为三部分，并获得电子邮箱名称分词数据集；
S03、针对已获得的文本内容进行分词，获得分词数据集；
S04、针对分词数据集，抽取电子邮箱地址。
2.根据权利要求1所述的从文本中抽取电子邮箱地址的方法，其特征在于，所述专用数据库群，包括创建域名后缀库、创建正常空格的数目阈值规则库、创建电子邮箱地址连接符号库，所述正常空格的数目阈值规则库是用户自定义设定空格字符数量阈值。
3.根据权利要求2所述的从文本中抽取电子邮箱地址的方法，其特征在于：所述专用数据库群均支持用户自定义增减数据。
4.根据权利要求1所述的从文本中抽取电子邮箱地址的方法，其特征在于：所述电子邮箱名称分词数据集包括：
电子邮箱第一部分，所述电子邮箱第一部分是指@左侧的文本；
电子邮箱第二部分，所述电子邮箱第二部分是指@与域名之间的文本；
电子邮箱第三部分，所述电子邮箱第三部分是指电子邮箱的域名后缀。
5.根据权利要求1所述的从文本中抽取电子邮箱地址的方法，其特征在于：所述电子邮箱名称文本是指英文、数字、电子邮箱地址连接符号的任意不连续地组合，且电子邮箱第一部分和电子邮箱第二部分中的英文、数字、标点符号之间无任何中文文字和空格。
6.根据权利要求1所述的从文本中抽取电子邮箱地址的方法，其特征在于：所述分词数据集根据已经获得的电子邮箱名称文本进行分词获取，且电子邮箱名称文本为电子格式的面向计算机信息处理的文字组合。
7.根据权利要求1所述的从文本中抽取电子邮箱地址的方法，其特征在于：所述针对分词数据集，抽取电子邮箱地址，包括以下操作步骤：
S0401、检索分词数据集中的@，若有@，则进行下一步推理计算，若否，则系统不再检索；
S0402、检索@左右侧的文字，是否满足正常空格的数目阈值规则库，若是，则继续推理计算，若否，系统则不予计算；
S0403、系统自动将所述电子邮箱第一部分、后面的@、后面的电子邮箱第二部分和后面的电子邮箱第三部分按前后序列组合，抽取为电子邮箱地址。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于陈包容，未经陈包容许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910154282.3/1.html，转载请声明来源钻瓜专利网。
