申请/专利权人：中国烟草总公司四川省公司

申请日：2020-08-06

公开（公告）日：2024-04-23

公开（公告）号：CN111858946B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/216;G06F40/289;G06F40/30

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明公开了一种烟草专卖市场监管大数据E‑R模型的构建方法，包括如下步骤：步骤一：以烟草专卖市场历史涉烟数据为对象，构建用于涉烟数据元聚类的涉烟数据样本集；步骤二：利用基于涉烟关键词的信息熵，从样本数据集中抽取并生成涉烟数据元；步骤三：通过烟草专卖领域的内容结构视图，为数据元代入涉烟语义；步骤四：通过涉烟数据元，构建烟草专卖市场监管大数据E‑R模型；步骤五：通过大数据E‑R模型指导并生成对应的涉烟大数据数据管理系统，为市场监管和涉烟案件信息化研判提供数据支持。通过本发明，可以为烟草市场监管和公安部门涉烟违法犯罪的数据分析、各级烟草专卖行政执法部门的信息化监管，提供数据。

主权项：1.一种烟草专卖市场监管大数据E-R模型的构建方法，其特征在于，包括如下步骤：步骤一：以烟草专卖市场历史涉烟数据为对象，构建用于涉烟数据元聚类的涉烟数据样本集；步骤二：利用基于涉烟关键词的信息熵，从样本数据集中抽取并生成涉烟数据元；步骤三：通过烟草专卖领域的内容结构视图，为数据元代入涉烟语义；步骤四：通过涉烟数据元，构建烟草专卖市场监管大数据E-R模型；步骤五：通过大数据E-R模型指导并生成对应的涉烟大数据数据管理系统，为市场监管和涉烟案件信息化研判提供数据支持；所述的涉烟数据样本集构建包括如下步骤：采集涉烟数据，对数据进行清洗，将数据中的空白数据进行去除，得到清洗后的数据；判断清洗后的数据的时间戳是否有效，若有效，则按照时间先后进行排序；对排序后的数据进行噪声数据修正，对修正后的数据进行格式转换并对齐，得到涉烟数据集；建模方法包括如下步骤：Step1：以涉烟样本数据集为对象，通过Elasticsearch引擎的涉烟敏感词结构化检索库，进行关键字检索和统计，构建涉烟词云；Step2：将词云中的关键词聚合为涉烟数据元，通过ANSJ中文分词算法对关键词进行提取和聚类；Step3：计算涉烟关键词的信息熵，采用的信息熵计算公式如下所示：Hw＝-∑plogp其中w代表关键词；Hw为关键词的信息熵；p代表关键词左侧或右侧出现不同词的统计数；Step4：Hw表征ANSJ算法抽取出的关键词的信息熵，不同的关键词所构成的信息熵值序列，通过熵值序列的泛函空间距离对不同的涉烟数据进行聚类，得到涉烟大数据模型中的基本数据元，熵值聚类算法如下所示： 其中Xt，Yt为关键词集合中的两个同类关键词序列的熵值；t为同一类型中不同的关键词序号；P为关键词出现频数；a，b为同类关键词序列的下确界和上确界；dpxt，Yt为两个涉烟关键词在样本空间中的泛函空间距离；Step5：选取临界值r＝0.5，对Step4中的熵值序列进行聚类，抽取出涉烟数据元；Step6：采用delphi法，将涉烟数据中具有某一共同特性的信息集合，构建内容结构视图；Step7：按照完整性和合理性约束，内容结构视图中的语义代入到step5中抽取出的数据元中，并利用E-R建模技术，生成数据元体系对应的逻辑模型和物理模型，得到涉烟大数据模型。

全文数据：

权利要求：

百度查询： 中国烟草总公司四川省公司 一种烟草专卖市场监管大数据E-R模型的构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD