[发明专利]基于互联网的组织机构信息整合与更新方法

摘要

一种基于互联网的组织机构信息整合与更新方法，具体为：①获取包含指定组织机构的组织机构信息的网页；②抽取组织机构信息；③判断待匹配组织机构信息是否与原始组织机构信息一致；④如果步骤③的结果不一致，则进一步判断获取到待匹配组织机构信息的网页是否为主页，如果不是主页，则执行步骤⑤；如果是主页，执行步骤⑥；如果步骤③的结果为一致，则不更新数据库。⑤人工核实方式进一步判断待匹配组织机构信息是否需要更新，如果判断结果为需要更新，则执行步骤⑥；否则，不更新数据库；⑥使用待匹配组织机构信息对原始组织机构信息进行更新。本发明提出的方法与现有技术相比，具有减少信息延迟，提高组织机构数据库的质量以及省时省力等优点。

主权项

一种基于互联网的组织机构信息自动整合与更新方法，用于对组织机构数据库中的组织机构信息进行更新；所述组织机构信息包括但不限于：组织机构的名称、地址、联系人、联系电话、电子邮件；其特征在于：该方法的操作步骤包括步骤1至步骤6，具体为：步骤1：获取包含指定组织机构的组织机构信息的网页，获取到的网页数量用N表示，N为正整数；从互联网上获取包含指定组织机构的组织机构信息的网页，具体为：定时扫描组织机构数据库，依次将组织机构数据库中的组织机构的名称作为搜索关键词，利用搜索引擎在互联网上获取包含搜索关键词的网页；步骤2：抽取组织机构信息；利用网页格式解析技术依次从步骤1获取到的包含指定组织机构的组织机构信息的网页上抽取组织机构信息，从N个网页上得到N条组织机构信息；具体操作为：步骤2.1：对步骤1获取到的包含指定组织机构的组织机构信息的网页进行HTML解析，得到DOM树；即：根据网页标签建立DOM树的节点，将HTML文本转化为DOM树的结构；步骤2.2：对步骤2.1处理的网页进行DOM树分析，提取其中的组织机构信息；步骤3：判断待匹配组织机构信息是否与原始组织机构信息一致；将步骤2抽取得到的组织机构信息称为待匹配组织机构信息，将组织机构数据库中对应的组织机构信息称为原始组织机构信息；设定临时变量k，0＜k≤N，并将k的初始值设为1；依次判断第k个待匹配组织机构信息是否与原始组织机构信息一致，如果结果为不相关，则将第k个待匹配组织机构信息作为新数据补充至组织机构数据库中；如果第k个待匹配组织机构信息与原始组织机构信息不一致，执行步骤4的操作；否则，使k值自增1，然后判断k＞N是否成立，如果不成立，重复步骤3；否则，终止；步骤4：如果步骤3判断的结果为不一致，则进一步判断获取到待匹配组织机构信息的网页是否为该组织机构主页，如果不是，则执行步骤5的操作；如果获取到该组织机构信息的网页是该组织机构主页，执行步骤6的操作；步骤5：通过人工核实方式，进一步判断待匹配组织机构信息是否需要更新， 如果判断结果为需要更新，则执行步骤6的操作；否则，不对组织机构数据库进行更新操作，使k值自增1，然后判断k＞N是否成立，如果不成立，重复步骤3；否则，终止；步骤6：使用待匹配组织机构信息对原始组织机构信息进行更新；然后，使k值自增1，并判断k＞N是否成立，如果不成立，重复步骤3；否则，终止。