[发明专利]一种提取短信文本标签方法

摘要

本发明涉及一种提取短信文本标签方法，包括：对已有的短信文本，通过编写正则表达式挖掘出通知类短信；将挖掘的XX作为短信文本的身份标签信息；对挖掘出的此种通知类短信文本身份，通过取阈值的方式，取频率最高的身份标签信息来作为该服务号的最终身份标签信息；时间更新。本发明可以实现快速的更新和迭代。

主权项

一种提取短信文本标签方法，包括下列几个方面：正则表达式模块：对已有的短信文本，第一，根据服务号，明确哪些短信是属于通知类短信，通过编写正则表达式挖掘出所有通知类短信；第二，根据通知类短信的身份出现的位置及文本模式，对身份进行挖掘，设挖掘到的身份信息为XX，将挖掘的XX作为短信文本的身份标签信息，如果挖掘不到，则该短信没有对应的身份标签信息；阈值模块：对挖掘出的此种通知类短信文本身份，通过取阈值的方式，取频率最高的身份标签信息来作为该服务号的最终身份标签信息，如果一个服务号对应的短信没有挖掘出身份标签信息，则该服务号没有对应的标签；如果一个服务号发送的短信数量挖掘出的对应身份标签信息的个数与发送的短信数量的比值小于某一个阈值，则也认为该服务号没有对应的身份标签信息；时间更新模块：每隔一段时间，根据最近一段时间该服务号提取的身份标签信息与上一个时间段保存的服务号标签信息进行对比，如果最近一段时间提取的标签信息比较集中为某个标签，同时该标签与上一个时间段提取的标签不同，则自动更新挖掘的服务号身份标签信息，将当前的标签作为该服务号的身份标签，否则保留上一个时间段的服务号身份标签不变。