[发明专利]一种面向区块链数据共享的元信息提取方法及系统

权利要求书

1.一种面向区块链数据共享的元信息提取方法，其特征在于，所述方法包括以下步骤：

步骤1，采集应用数据并读取来自用户的个性化信息，基于所述用户的个性化信息对于所述应用数据进行填充；

步骤2，采用预定义的分类规则库对填充后的应用数据进行分类，从而分别获取结构化数据、半结构化数据和非结构化数据；

步骤3，对所述结构化数据进行关键词抽取，对所述半结构化数据和所述非结构化数据进行特征提取，通过所述关键词抽取和所述特征提取生成元信息，并将所述元信息上链。

2.根据权利要求1中所述的一种面向区块链数据共享的元信息提取方法，其特征在于：

所述用户的个性化信息和所述填充后的应用数据均包括：数据文件名、数据路径、数据拥有者、数据大小、数据时间、数据类型、数据描述、数据密级、文件后缀、数据标签。

3.根据权利要求2中所述的一种面向区块链数据共享的元信息提取方法，其特征在于：

所述预定义的分类规则库基于MIME标准实现数据类型的定义；并且，

从所述填充后的应用数据中提取文件头，并基于所述预定义的分类规则库对所述文件头进行校验，从而实现对所述填充后的应用数据的分类。

4.根据权利要求3中所述的一种面向区块链数据共享的元信息提取方法，其特征在于：

基于所述预定义的分类规则库对所述文件头进行校验的方法包括：

所述分类规则库中定义有数据后缀、数据类型和数据签名之间的关联关系；

当识别到所述应用数据的文件头中的信息与某一数据签名对应时，将所述应用数据分配至与所述某一数据签名对应的数据类型中。

5.根据权利要求4中所述的一种面向区块链数据共享的元信息提取方法，其特征在于：

所述数据类型分别匹配至结构化数据、半结构化数据和非结构化数据；并且，

所述结构化数据包括csv文件和web表单文件；

所述半结构化数据包括Email文件、xml文件、html文件、json文件、log文件、yaml文件、ini文件；

所述非结构化数据包括文本文件、音频文件、视频文件、图像文件。

6.根据权利要求5中所述的一种面向区块链数据共享的元信息提取方法，其特征在于：

所述文本文件的特征提取过程为：

构建语料库，采用双向匹配算法对所述语料库中的原始语料进行分词，并采用IDF算法提取所述分词的逆文档频率；

对于待提取文本文件中所包含的分词依次计算其重要度，并将排序最高的多个分词作为所述文本文件的关键词；

对所述待提取文本文件中所包含的每个句子依次计算其重要度，并将排序最高的多个句子作为所述文本的摘要。

7.根据权利要求6中所述的一种面向区块链数据共享的元信息提取方法，其特征在于：

所述分词的重要度的计算方法为：

计算所述分词在所述待提取文本文件中的最大距离和出现频率，其中，所述最大距离基于所述分词在所述待提取文本文件中第一次出现和最后一次出现的距离确定；

基于所述最大距离、所述出现频率以及所述分词的逆文档频率计算所述分词的重要度。