[发明专利]一种地震灾情信息处理方法及系统

权利要求书

1.一种地震灾情信息处理方法，其特征在于，所述方法包括：

对待抓取种子库中的种子进行权重设置，确定所述种子的抓取顺序；

所述对待抓取种子库中的种子进行权重设置，确定所述种子的抓取顺序具体包括：

根据所述待抓取种子库的种子的实时性、历史可信度和信息量，确定所述待抓取种子库中的种子的优先权和可信度；

根据所述优先权和可信度对所述种子进行权重设置；

删除所述权重低于权重阈值的种子对应的网络地址；

按照从高到低的顺序对所述权重进行排序；

按照所述抓取顺序对相应的所述种子进行信息抓取，获得灾情数据；

所述按照所述抓取顺序对相应的所述种子进行信息抓取，获得灾情数据具体包括：

自动访问中国地震台网网站识别震情，自动触发爬虫程序采集所述灾情数据；

手动启动所述爬虫程序采集所述灾情数据；

对所述灾情数据进行信息提取，得到灾情信息；

所述对所述灾情数据进行信息提取，得到灾情信息具体包括：

对抓取到的网页链接进行标准化处理获得完整链接；

获取所述完整链接的显示内容；

利用行块分布函数对所述显示内容的正文进行抽取，获得所述完整链接的正文内容；

利用正则表达式对所述显示内容进行时间的提取；

利用锚链接和超文本标记语言html标签对所述显示内容进行标题的提取；

结合所述正文内容、所述时间和所述标题，形成所述灾情信息；

对所述灾情信息进行去标签、去重和过滤处理，并分类统计地震震感信息和地震灾情信息；

所述对所述灾情信息进行去标签、去重和过滤处理，并分类统计地震震感信息和地震灾情信息具体包括：

根据正则表达式去除所述灾情信息的所述html标签；

判断原始数据库中是否存在所述灾情信息对应的网站地址，若存在所述网站地址，则去除所述网站对应的重复的信息；

对所述灾情信息进行地震事件相关性判断，若没有相关性则过滤没有相关性的信息；

对经过去标签、去重和过滤处理的所述灾情信息进行统计，得到所述震感信息和所述地震灾情信息；

将所述震感信息和所述地震灾情信息保存至数据库中，完成对所述数据库的更新。

2.一种地震灾情信息处理系统，其特征在于，所述系统包括：

抓取顺序确定单元，用于对待抓取种子库中的种子进行权重设置，确定所述种子的抓取顺序；

所述抓取顺序确定单元具体包括：

优先权和可信度确定模块，用于根据所述待抓取种子库的种子的实时性、历史可信度和信息量，确定所述待抓取种子库中的种子的优先权和可信度；

权重设置模块，用于根据所述优先权和可信度对所述种子进行权重设置；

删除模块，用于删除所述权重低于权重阈值的种子对应的网络地址；

排序模块，用于按照从高到低的顺序对所述权重进行排序；

抓取单元，用于按照所述抓取顺序对相应的所述种子进行信息抓取，获得灾情数据；

所述抓取单元具体包括：

自动访问模块，用于自动访问中国地震台网网站识别震情，自动触发爬虫程序采集所述灾情数据；

手动访问模块，用于手动启动所述爬虫程序采集所述灾情数据；

提取单元，用于对所述灾情数据进行信息提取，得到灾情信息；

所述提取单元具体包括：

标准化处理模块，用于对抓取到的网页链接进行标准化处理获得完整链接；

显示内容获取模块，用于获取所述完整链接的显示内容；

正文抽取模块，用于利用行块分布函数对所述显示内容的正文进行抽取，获得所述完整链接的正文内容；

时间提取模块，用于利用正则表达式对所述显示内容进行时间的提取；

标题提取模块，用于利用锚链接和超文本标记语言html标签对所述显示内容进行标题的提取；

灾情信息形成模块，用于结合所述正文内容、所述时间和所述标题，形成所述灾情信息；

处理单元，用于对所述灾情信息进行去标签、去重和过滤处理，并分类统计地震震感信息和地震灾情信息；

所述处理单元具体包括：

去标签模块，用于根据正则表达式去除所述灾情信息的所述html标签；

去重模块，用于判断原始数据库中是否存在所述灾情信息对应的网站地址，若存在所述网站地址，则去除所述网站对应的重复的信息；

过滤模块，用于对所述灾情信息进行地震事件相关性判断，若没有相关性则过滤没有相关性的信息；

统计模块，用于对经过去标签、去重和过滤处理的所述灾情信息进行统计，得到所述震感信息和所述地震灾情信息；

数据库更新模块，用于将所述震感信息和所述地震灾情信息保存至数据库中，完成对所述数据库的更新。