[发明专利]一种基于互联网信息的商业信息挖掘系统

权利要求书

1.一种基于互联网信息的商业信息挖掘系统，其特征在于：包括爬虫模块、数据预处理模块、命名实体识别模块、企业画像模块、新闻挖掘模块和商业信息生成模块，从互联网上通过大规模的分布式爬虫模块，采集相关的新闻论坛各种数据，将采集的网页内容通过数据预处理模块进行数据清洗和融合，在通过命名实体识别模块对信息进行分词和命名实体识别，其间通过企业画像模块针对要挖掘商业信息的客户进行企业画像，商业信息生成模块针对企业的产品、技术特点、用户群体、资金情况进行分析总结，针对网页内容进行分类和聚类，最后将每一个网页的分析结果，和企业用户画像生成的模型进行匹配，将最合适的商业信息推荐给最相关的企业，实现为企业客户提供潜在的商业信息推送。

2.根据权利要求1所述的一种基于互联网信息的商业信息挖掘系统，其特征在于：所述爬虫模块主要利用分布式的爬虫，爬虫分为下载模块、redis URL去重模块、内容去重模块、网页解析模块、集群调度模块、存储模块。

3.根据权利要求1所述的一种基于互联网信息的商业信息挖掘系统，其特征在于：所述数据预处理模块主要针对网络采集的各种模块，进行文本的编码转化，统一为utf8编码，进行繁简转化，去除下载的乱码内容和部分乱码内容，部分数字和字母的格式转换。

4.根据权利要求1所述的一种基于互联网信息的商业信息挖掘系统，其特征在于：所述命名实体识别模块分为数字名识别模块、时间名识别模块、地名识别模块、人名识别模块、组织机构名识别模块和商品名识别模块。

5.根据权利要求1所述的一种基于互联网信息的商业信息挖掘系统，其特征在于：所述企业画像模块是根据爬虫去网络上抓取企业官网，企业搜索引擎上的相关报道，企业相关论坛上的产品和企业口碑数据等，以及一些行业排行榜上的企业相关的数据，对象进数据进行相关的处理，具体针对用户画像。

6.根据权利要求1所述的一种基于互联网信息的商业信息挖掘系统，其特征在于：所述新闻挖掘模块主要是挖掘新闻潜在的内容，比如通过命名实体识别出单篇新闻的报道的人、地名、新闻发生地、公司名、公司产品名，然后根据分类和聚类等算法，进行新闻内容的去重，新闻的分类、聚类、公司产品业务线匹配。

7.根据权利要求1所述的一种基于互联网信息的商业信息挖掘系统，其特征在于：所述商机挖掘匹配模块获取到的商机内容，通过前端界面传递给查询者，该条与输入的该企业相关的各种商机信息。