基于网络数据分析的潜在用户挖掘方法.pdfVIP

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN105279191A

(43)申请公布日2016.01.27

(21)申请号CN201410348303.2

(22)申请日2014.07.22

(71)申请人吴晨

地址100191北京市海淀区知春路甲48号C317B

(72)发明人吴晨

(74)专利代理机构

代理人

(51)Int.CI

G06F17/30

权利要求说明书说明书幅图

(54)发明名称

基于网络数据分析的潜在用户挖掘

方法

(57)摘要

本发明公开了一种基于网络数据分

析的潜在用户挖掘方法，该方法包括：采

集互联网网页；网页初始化，获取网页中

的正文信息；抽取网页正文信息中可能存

在的邮件地址、手机号码；针对存在邮件

地址或者手机号码的网页正文信息，识别

可能存在的人物描述信息；针对存在邮件

地址或者手机号码的网页正文信息，进行

分词，获取关键词组，并对每一关键词进

行权重计算；对关键词进行权重排序，生

成关键词特征向量，用于描述偏好信息；

将邮件地址、手机号码、人物描述信息以

及关键词特征向量保存至潜在用户数据

库。本发明通过对网络数据的分析，挖掘

潜在用户及其特点与偏好，据此可以实现

针对性邮件、短信精准营销。

法律状态

法律状态公告日法律状态信息法律状态

权利要求说明书

1.一种基于网络数据分析的潜在用户挖掘方法，其特征在于，包括：

采集互联网网页；

网页初始化，获取网页中的正文信息；

抽取网页正文信息中可能存在的邮件地址、手机号码；

针对存在邮件地址或者手机号码的网页正文信息，识别可能存在的人物描述信息；

针对存在邮件地址或者手机号码的网页正文信息，进行分词，获取关键词组，并对

每一关键词进行权重计算；

对关键词进行权重排序，生成关键词特征向量，用于描述偏好信息；

将邮件地址、手机号码、识别的可能存在的人物描述信息以及所生成的关键词特征

向量保存至潜在用户数据库。

2.如权利要求1所述的方法，其特征在于：所述步骤采集互联网网页进一步包括：

根据输入的预定网址，采集该网址下的所有网页。

3.如权利要求1所述的方法，其特征在于：所述抽取网页正文信息中可能存在的邮

件地址、手机号码进一步包括：

在网页正文信息中匹配邮件地址正则表达式；

抽取成功匹配的邮件地址；

在网页正文信息中匹配手机号码正则表达式；

抽取成功匹配的手机号码。

4.如权利要求3所述的方法，其特征在于：邮件地址正则表达式为：

Image/Image。

5.如权利要求3所述的方法，其特征在于：手机号码正则表达式为：

Image/Image。

6.如权利要求1所述的方法，其特征在于：所述人物描述信息包括：姓名、性别、

出生年月、职务、职称。

Claim7.如权利要求1、6所述的方法，其特征在于：所述识别可能存在的人物描

述信息进一步包括：

判断网页正文信息中是否存在人物描述信息特征词；

判断网页正文信息中是否存在人名特征；

抽取人名；

判断网页正文中是否存在性别特征词；

抽取性别信息；

判断网页正文内容中是否存在出生日期信息；

抽取出生日期信息；

判断网页正文中是否存在职务信息；

抽取职务信息；

判断网页正文中是否存在职称信息；

抽取职称信息；

将上述步骤抽取到的人物描述信息整体输出。

8.如权利要求7所述的方法，其特征在于：存在人名特征的条件进一步为：在网页

正文内容中匹配到人名特征字符串，并且仅匹配到一次，人名特征字符串的匹配正

则表达式为：

Image/Image。

9.如权利要求7所述的方法，其特征在于：存在出生日期信息条件进一步为：在网

页正文内容中匹配到出生日期特征字符串，并且仅匹配到一次，出生日期特征字符

串的匹配正则表达式为：

Image/Image。

10.如权利要求1所述的方法，其特征在于：对每一关键