【技术实现步骤摘要】
从互联网中识别分析企业主体信息方法、装置及存储介质
本专利技术涉及企业主体信息的识别和分析
，具体涉及一种从互联网中识别分析企业主体信息方法、装置及存储介质。
技术介绍
数据作为大数据时代重要的资源，分散在各行业，其中互联网上的数据资源尤为巨大，并以惊人的速度增长，数据中存在大量的、有价值的信息，如新闻、企业招聘信息、自媒体信息、招投标信息等。国家市场监督总局2019年2月发布信息，全国市场主体数量1.11亿户，其中企业3500万户，而与之关联的数据大量存在互联网中，目前对互联网信息的识别常用的有以下几种技术：A、正则表达式正则表达式只适合匹配文本字面，不适合匹配文本意义，写一个复杂的HTML信息匹配识别的正则比较麻烦，不如使用针对特定意义的处理器来处理。优势在于：只要熟练应用正则表达式，而且匹配的目标是纯文本，那么相比于写分析器来说，正则可以更快速的完成工作。还有在捕获字符串的能力，正则也可以很好的完成工作。不足之处：写法复杂，替换功能差、容易引起性能问题，可读性差等。B、DO...
【技术保护点】
1.一种从互联网中识别分析企业主体信息方法，其特征在于，该方法包括以下步骤：/n将N个企业主体信息划分为M个不同的区域，利用字典树算法对每个所述区域中的所有所述企业主体信息构建字典树，得到M个字典树；/n以I个所述字典树为一个小组，将M个字典树分为J个小组；/n将所述J个小组聚合为一个企业主体信息识别服务；/n将所述企业主体信息识别服务封装为统一的远程过程调用接口；/n调用所述远程过程调用接口，同时使用多线程对所述J个小组进行并行查询；/n存储所识别的企业主体信息及相应的查询结果。/n
【技术特征摘要】
1.一种从互联网中识别分析企业主体信息方法，其特征在于，该方法包括以下步骤：
将N个企业主体信息划分为M个不同的区域，利用字典树算法对每个所述区域中的所有所述企业主体信息构建字典树，得到M个字典树；
以I个所述字典树为一个小组，将M个字典树分为J个小组；
将所述J个小组聚合为一个企业主体信息识别服务；
将所述企业主体信息识别服务封装为统一的远程过程调用接口；
调用所述远程过程调用接口，同时使用多线程对所述J个小组进行并行查询；
存储所识别的企业主体信息及相应的查询结果。
2.根据权利要求1所述的一种从互联网中识别分析企业主体信息方法，其特征在于，所述构建字典树时，采用多线程进行并行构建。
3.根据权利要求1或者2所述的一种从互联网中识别分析企业主体信息方法，其特征在于，所述字典树算法采用ac自动机算法，所述ac自动机算法中在构建失败指针之后，还包括以下步骤：
对失败指针的二次处理：在同时满足以下条件时，直接把尾节点的失败指针修改为其父节点的失败指针的失败指针中的子节点:
条件1：某一尾节点的所代表的字符串和其父节点所代表的字符串相同；
条件2：该尾节点的失败指针不是根节点，且其失败指针的父节点是根节点；
条件3：该尾节点的父节点的失败指针的失败指针不是指向根节点，且其父节点的失败指针的失败指针中的子节点中具有和该尾节点所代表的字符串相同的节点。
4.根据权利要求3所述的一种从互联网中识别分析企业主体信息方法，其特征在于，所述把尾节点的失败指针修改为其父节点的失败指针的失败指针中的子节点之后，还包括：为每个节点添加是否为一个词的结尾的属性。
5.根据权利要求1所述的一种从互联网中识别分析企业主体信息方法，其特征在于，在所述为每个节点添加是否为一个词的结尾的属性之后，还包括：
若某一节点向其根节点回溯的过程中所产生的关键词和该根节点的某个分支的关键词完全相同，则把所述节点的branch列表中添加一个指向所述分支的尾节点的指针。
6.一种从互联网中识别分析企业主体信息装置...
【专利技术属性】
技术研发人员：贾新，李善平，朱红生，晋梁昊，
申请(专利权)人：河南拓普计算机网络工程有限公司，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。