專利名稱：一種基于微博的數(shù)據(jù)挖掘方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其涉及一種基于微博的數(shù)據(jù)挖掘方法及系統(tǒng)。
背景技術(shù)：
在餐飲行業(yè)，目前沒有基于微博數(shù)據(jù)挖掘，為企業(yè)經(jīng)營決策或消費者消費決策提供數(shù)據(jù)支持的產(chǎn)品。

發(fā)明內(nèi)容
本發(fā)明解決的技術(shù)問題在于如何提供產(chǎn)品或服務(wù)的評價信息。為了解決以上問題，本發(fā)明實施例提供一種基于微博的數(shù)據(jù)挖掘方法，包括以下過程訓(xùn)練過程依托知識庫體系，對微博樣本數(shù)據(jù)做分詞、特征提取等文本預(yù)處理工作，然后作為機器學(xué)習(xí)算法的輸入，通過機器學(xué)習(xí)算法，創(chuàng)建分類器，并告訴分類器分類判定的標(biāo)準(zhǔn)；判斷過程依托知識庫體系，對微博數(shù)據(jù)進(jìn)行文本預(yù)處理，對微博數(shù)據(jù)做分詞、特征提取等預(yù)處理工作，將預(yù)處理后的微博數(shù)據(jù)發(fā)給分類器，并接收分類器返回的好評或差評結(jié)果。進(jìn)一歩，作為優(yōu)選方案，知識體庫體系為多層次的樹形知識庫體系。進(jìn)ー步，作為優(yōu)選方案，機器學(xué)習(xí)算法為擴(kuò)展貝葉斯算法。本發(fā)明實施例還提供了一種基于微博的數(shù)據(jù)挖掘系統(tǒng)，包括訓(xùn)練模塊依托知識庫體系模塊，先經(jīng)過第一文本預(yù)處理模塊，對微博樣本數(shù)據(jù)做分詞、特征提取等文本預(yù)處理工作，然后作為機器學(xué)習(xí)模塊的輸入，通過機器學(xué)習(xí)算法，創(chuàng)建分類器模塊，并告訴分類器分類模塊判定的標(biāo)準(zhǔn)；判斷模塊依托知識庫體系，先經(jīng)過第二文本預(yù)處理模塊，對微博數(shù)據(jù)進(jìn)行文本預(yù)處理，對微博數(shù)據(jù)做分詞、特征提取等預(yù)處理工作，將預(yù)處理后的微博數(shù)據(jù)發(fā)給分類器模塊，并接收分類器模塊返回的好評或差評結(jié)果在顯示終端顯示；知識庫體系模塊為第一文本預(yù)處理模塊、第二文本預(yù)處理模塊和機器學(xué)習(xí)模塊提供數(shù)據(jù)。由于采用了微博數(shù)據(jù)挖掘技術(shù)，提供產(chǎn)品或服務(wù)的評價信息，幫助餐飲企業(yè)發(fā)現(xiàn)自身產(chǎn)品或服務(wù)的優(yōu)缺點，為企業(yè)經(jīng)營決策提供數(shù)據(jù)支持。


當(dāng)結(jié)合附圖考慮時，通過參照下面的詳細(xì)描述，能夠更完整更好地理解本發(fā)明以及容易得知其中許多伴隨的優(yōu)點，但此處所說明的附圖用來提供對本發(fā)明的進(jìn)ー步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定，其中
圖I為本發(fā)明挖掘方法實施例流程圖；圖2為本發(fā)明挖掘系統(tǒng)實施例框圖。
具體實施例方式以下參照圖1-2對本發(fā)明的實施例進(jìn)行說明。如圖I所示，一種基于微博的數(shù)據(jù)挖掘方法，包括以下過程SI、訓(xùn)練過程依托知識庫體系，對微博樣本數(shù)據(jù)做分詞、特征提取等文本預(yù)處理工作，然后作為機器學(xué)習(xí)算法的輸入，通過機器學(xué)習(xí)算法，創(chuàng)建分類器，并告訴分類器分類判定的標(biāo)準(zhǔn)； S2、判斷過程依托知識庫體系，對微博數(shù)據(jù)進(jìn)行文本預(yù)處理，對微博數(shù)據(jù)做分詞、特征提取等預(yù)處理工作，將預(yù)處理后的微博數(shù)據(jù)發(fā)給分類器，并接收分類器返回的好評或差評結(jié)果。知識體庫體系為多層次的樹形知識庫體系。機器學(xué)習(xí)算法為擴(kuò)展貝葉斯算法。如圖2所示，一種基于微博的數(shù)據(jù)挖掘系統(tǒng)，包括訓(xùn)練模塊I :依托知識庫體系模塊，先經(jīng)過第一文本預(yù)處理模塊11,對微博樣本數(shù)據(jù)做分詞、特征提取等文本預(yù)處理工作，然后作為機器學(xué)習(xí)模塊12的輸入，通過機器學(xué)習(xí)算法，創(chuàng)建分類器模塊13，并告訴分類器分類模塊13判定的標(biāo)準(zhǔn)；判斷模塊2 :依托知識庫體系，先經(jīng)過第二文本預(yù)處理模塊21，對微博數(shù)據(jù)進(jìn)行文本預(yù)處理，對微博數(shù)據(jù)做分詞、特征提取等預(yù)處理工作，將預(yù)處理后的微博數(shù)據(jù)發(fā)給分類器模塊13，并接收分類器模塊13返回的好評或差評結(jié)果在顯示終端22顯示；知識庫體系模塊3 :為第一文本預(yù)處理模塊11、第二文本預(yù)處理模塊21和機器學(xué)習(xí)模塊12提供數(shù)據(jù)。如上所述，對本發(fā)明的實施例進(jìn)行了詳細(xì)地說明，但是只要實質(zhì)上沒有脫離本發(fā)明的發(fā)明點及效果可以有很多的變形，這對本領(lǐng)域的技術(shù)人員來說是顯而易見的。因此，這樣的變形例也全部包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種基于微博的數(shù)據(jù)挖掘方法，其特征在于，包括以下過程訓(xùn)練過程依托知識庫體系，對微博樣本數(shù)據(jù)做分詞、特征提取等文本預(yù)處理工作，然后作為機器學(xué)習(xí)算法的輸入，通過機器學(xué)習(xí)算法，創(chuàng)建分類器，并告訴分類器分類判定的標(biāo)準(zhǔn)； 判斷過程依托知識庫體系，對微博數(shù)據(jù)進(jìn)行文本預(yù)處理，對微博數(shù)據(jù)做分詞、特征提取等預(yù)處理工作，將預(yù)處理后的微博數(shù)據(jù)發(fā)給分類器，并接收分類器返回的好評或差評結(jié)果O
2.如權(quán)利要求I所述基于微博的數(shù)據(jù)挖掘方法，其特征在于，所述知識體庫體系為多層次的樹形知識庫體系。
3.如權(quán)利要求I所述基于微博的數(shù)據(jù)挖掘方法，其特征在于，所述機器學(xué)習(xí)算法為擴(kuò)展貝葉斯算法。
4.一種基于微博的數(shù)據(jù)挖掘系統(tǒng)，其特征在于，包括 訓(xùn)練模塊依托知識庫體系模塊，先經(jīng)過第一文本預(yù)處理模塊，對微博樣本數(shù)據(jù)做分詞、特征提取等文本預(yù)處理工作，然后作為機器學(xué)習(xí)模塊的輸入，通過機器學(xué)習(xí)算法，創(chuàng)建分類器模塊，并告訴分類器分類模塊判定的標(biāo)準(zhǔn)； 判斷模塊依托知識庫體系，先經(jīng)過第二文本預(yù)處理模塊，對微博數(shù)據(jù)進(jìn)行文本預(yù)處理，對微博數(shù)據(jù)做分詞、特征提取等預(yù)處理工作，將預(yù)處理后的微博數(shù)據(jù)發(fā)給分類器模塊，并接收分類器模塊返回的好評或差評結(jié)果在顯示終端顯示； 知識庫體系模塊為第一文本預(yù)處理模塊、第二文本預(yù)處理模塊和機器學(xué)習(xí)模塊提供數(shù)據(jù)。
全文摘要
本發(fā)明提供了一種基于微博的數(shù)據(jù)挖掘方法和系統(tǒng)。涉及餐飲服務(wù)行業(yè)。該方法包括以下過程訓(xùn)練過程依托知識庫體系，對微博樣本數(shù)據(jù)做分詞、特征提取等文本預(yù)處理工作，然后作為機器學(xué)習(xí)算法的輸入，通過機器學(xué)習(xí)算法，創(chuàng)建分類器，并告訴分類器分類判定的標(biāo)準(zhǔn)；判斷過程依托知識庫體系，對微博數(shù)據(jù)進(jìn)行文本預(yù)處理，對微博數(shù)據(jù)做分詞、特征提取等預(yù)處理工作，將預(yù)處理后的微博數(shù)據(jù)發(fā)給分類器，并接收分類器返回的好評或差評結(jié)果。本發(fā)明還提供了一種基于微博的數(shù)據(jù)挖掘系統(tǒng)。
文檔編號G06F17/30GK102819576SQ20121025468
公開日2012年12月12日 申請日期2012年7月23日 優(yōu)先權(quán)日2012年7月23日
發(fā)明者郝文, 白昱 申請人:無錫雅座在線科技發(fā)展有限公司