[发明专利]一种基于多维矢量数据的网络数据挖掘方法和系统

权利要求书

1.一种基于多维矢量数据的网络数据挖掘方法，其特征在于，包括：

将多个网络信息数据源中的网络信息矢量化，形成多个多维矢量数据源，

根据设定条件搜索所述多个多维矢量数据源，并汇总搜索结果，

对汇总的搜索结果进行聚类分析，产生信息数据族集合，

对所述信息数据族集合中的每一个信息数据族统计其空间矢量分布，通过关联度分析获得网络数据的关联性，计算每两个信息数据族之间的关联度，确定与事件关联度高的信息族，以及信息族中主要的信息元素，统计信息数据族中行为、关系和位置分量的分布情况，确定与事件关联度高的行为、关系和/或位置信息，从而对事件作出正确的研判；

其中，将行为、关系和位置分别作为三维空间的X、Y和Z轴，所述多维矢量数据源表示为DATA(a，r，p)，a为行为信息分量，r为关系信息分量，p为位置信息分量。

2.如权利要求1所述的数据挖掘方法，其特征在于，还包括：计算信息数据族中代表行为、关系和/或位置分量的多个关键词与事件中代表行为、关系和/或位置分量的多个关键词的重合度，并进行归一化处理，将归一化后重合度大的关键词作为与事件关联度高的行为、关系和/或位置信息。

3.一种基于多维矢量数据的网络数据挖掘系统，其特征在于，包括：

矢量化模块，用于将多个网络信息数据源中的网络信息矢量化，形成多个多维矢量数据源，

搜索模块，用于根据设定条件搜索所述多个多维矢量数据源，并汇总搜索结果，

聚类分析模块，用于对汇总的搜索结果进行聚类分析，产生信息数据族集合，

关联度分析模块，用于对所述信息数据族集合中的每一个信息数据族统计其空间矢量分布，通过关联度分析获得网络数据的关联性，计算每两个信息数据族之间的关联度，确定与事件关联度高的信息族，以及信息族中主要的信息元素，统计信息数据族中行为、关系和位置分量的分布情况，确定与事件关联度高的行为、关系和/或位置信息，从而对事件作出正确的研判；

其中，将行为、关系和位置分别作为三维空间的X、Y和Z轴，所述多维矢量数据源表示为DATA(a，r，p)，a为行为信息分量，r为关系信息分量，p为位置信息分量。

4.如权利要求3所述的数据挖掘系统，其特征在于，所述关联度分析模块还用于计算信息数据族中代表行为、关系和/或位置分量的多个关键词与事件中代表行为、关系和/或位置分量的多个关键词的重合度，并进行归一化处理，将归一化后重合度大的关键词作为与事件关联度高的行为、关系和/或位置信息。