[发明专利]一种数据的融合方法及相关系统

权利要求书

1.一种数据的融合方法，其特征在于，包括：

获取包含有同一领域的多个专业词的专业词词表以及每个所述专业词对应的相关词；其中，所述专业词对应的相关词包括所述专业词的同义词；所述专业词对应的相关词通过预先构建的信息栏抽取模块以及文本抽取模块，分别从爬取到的所述专业词对应的专业词汇解释网页的信息栏的信息和段落文本中抽取得到；

将所述专业词词表中的所有所述专业词作为样本集合，并利用聚类算法DBSCAN对所述样本集合进行聚类，得到聚类结果；其中，同一种专业词所对应的样本被聚成同一个类簇；所述同一种专业词指代：对应的同义词存在交集的专业词；

针对所述聚类结果中的每个类簇，将所述类簇中的每个样本所对应的专业词以及每个专业词对应的相关词，融合为一条数据进行存储。

2.根据权利要求1所述的方法，其特征在于，所述聚类算法DBSCAN的领域半径为0，密度阈值为1；其中，所述利用聚类算法DBSCAN对所述样本集合进行聚类，得到聚类结果，包括：

利用所述聚类算法DBSCAN，基于所述专业词间对应的同义词集是否有交集，计算得到所述样本集合中的每两个样本间的距离，并将所述样本集合中的两个样本间的距离为0的样本聚成同一个类簇，且将所述样本集合中的与任意样本间的距离都为1的样本作为噪音样本；

其中，所述样本集合中的属于同一种样本的每两个样本间的距离为0，所述样本集合中不属于同一种样本的每两个样本间的距离为1。

3.根据权利要求2所述的方法，其特征在于，所述利用聚类算法DBSCAN对所述样本集合进行聚类，得到聚类结果之后，还包括：

为所述聚类结果中的每个类簇中的每个样本对应的所述专业词以及每个噪音样本对应的所述专业词，分别配置ID；其中，同一类簇中的样本对应的所述专业词配置相同的ID；

基于所述专业词的ID，将对应相同ID的专业词以及所述专业词对应的相关词组成一个集合。

4.根据权利要求3所述的方法，其特征在于，所述针对所述聚类结果中的每个类簇，将所述类簇中的每个样本所对应的专业词以及每个专业词对应的相关词，融合为一条数据进行存储，包括：

针对每个所述集合，从所述集合中的所有的专业词中，确定出一个专业词；

将所述专业词存储到词条的标签字段中，以及将所述集合中其余的专业词以及所述集合中的每个专业词对应的相关词，存储到所述词条的相关词字段中，并存储所述词条。

5.一种数据的融合装置，其特征在于，包括：

获取单元，用于获取包含有同一领域的多个专业词的专业词词表以及每个所述专业词对应的相关词；其中，所述专业词对应的相关词包括所述专业词的同义词；所述专业词对应的相关词通过预先构建的信息栏抽取模块以及文本抽取模块，分别从爬取到的所述专业词对应的专业词汇解释网页的信息栏的信息和段落文本中抽取得到；

聚类单元，用于将所述专业词词表中的所有所述专业词作为样本集合，并利用聚类算法DBSCAN对所述样本集合进行聚类，得到聚类结果；其中，同一种专业词所对应的样本被聚成同一个类簇；所述同一种专业词指代：对应的同义词存在交集的专业词；

融合单元，用于针对所述聚类结果中的每个类簇，将所述类簇中的每个样本所对应的专业词以及每个专业词对应的相关词，融合为一条数据进行存储。

6.根据权利要求5所述的装置，其特征在于，所述聚类算法DBSCAN的领域半径为0，密度阈值为1；其中，所述聚类单元，包括：

聚类子单元，用于利用所述DBSCAN，基于所述专业词间对应的同义词集是否有交集，计算得到所述样本集合中的每两个样本间的距离，并将所述样本集合中的两个样本间的距离为0的样本聚成同一个类簇，且将所述样本集合中的与任意样本间的距离都为1的样本作为噪音样本；

其中，所述样本集合中的属于同一种样本的每两个样本间的距离为0，所述样本集合中不属于同一种样本的每两个样本间的距离为1。