[发明专利]用于从网络数据中生成词汇的系统和方法

摘要

在一个示例中提供了一种方法，该方法包括接收在网络环境中传播的数据，并将数据分离成一个或者多个字段。评估这些字段中的至少一些以便识别这些字段内的名词和名词短语。该方法还包括基于白名单和黑名单识别在名词和名词短语内所选择的词。白名单包括要被加标记的多个指定的词，黑名单包括将不被加标记的多个拒绝的词。为所选择的加标记的名词和名词短语而生成合成物。如果合成物准许则将合成物合并在白名单中。

主权项

一种用于从网络数据生成词汇的方法，包括：接收在网络环境中传播的数据；将所述数据分离为一个或者多个字段；评估所述字段的至少一些字段以便识别在所述字段中的名词和名词短语；基于白名单和黑名单识别所述名词和名词短语中被选择的词，其中所述白名单包括要被加标记的多个指定的词，并且所述黑名单包括将不被加标记的多个拒绝的词；如果所述数据包括所述黑名单中的词，则丢弃所述数据；生成被加标记的选择的名词和名词短语的合成物；以及如果所述合成物被准许，则将所述合成物加入到所述白名单中。