关键字自动超级链接的方法

1.一种关键字自动超级链接的方法，其特征在于：用户打开应用程序时，程序根据当前的配置判断是否需要从指定的服务器下载关键字超链数据，如果需要下载，则自动从指定的服务器下载并保存到本地；用户在通过应用程序打开文档时，应用程序解析文档时自动分析关键字，并在关键字超链数据库中搜索匹配关键字，获取对应的超链数据；如果在数据库没有匹配到关键字，则访问指定的服务器，以此来获取指定关键字的超级链接数据，并更新到本地，如果在数据库能够匹配到关键字，根据匹配关键字获取的超级链接数据，在展示文档内容时，在关键字区域展示超级链接；
其中，在所述的应用程序解析文档的方式为：先进行单个文档样本数据收集，也就是根据用户打开的文档进行分析，样本数据先保存在本地，待用户连网之后再把这些数据上传给服务器来完成关键字的提取、分类、权重调整和超链数据的准备；记录样本数据时需要记录文档最近一次打开的时间以及上传之前打开的次数，这两项信息是之后计算关键字权值时需要的；所述的样本数据的存储格式依次为存储数据包大小、最后打开时间、打开次数、文档语言、文件名称长度、文件名称数据、文档标题长度、文档标题数据、首段内容长度、首段内容数据、末段内容长度、末段内容数据、书签条目数量、第一书签条目长度、第一书签条目内容、第二书签条目长度、第二书签条目内容…第n书签条目长度、第n书签条目内容、随机内容数量、第一随机内容长度、第一随机内容数据、第二随机内容长度、第二随机内容数据…第n随机内容长度、第n随机内容数据的数据段；其中n为正整数；在对随机内容进行抽取时，能够采用随机抽取算法或分层抽取法进行抽取；所述的随机抽取算法要随机读取整个文档的内容，该算法具体流程如下，首先确定需要抽取的样本的数量，根据文档内容的大小，生成一组样本数量的随机数列表且不重复，再依照该数列表组中各数值作为文档内偏移，依次读取固定长度的文本内容并保存；所述的分层抽取算法具体流程如下，首先确定需要抽取的样本的数量N，第一层需要抽取的样本数量为总数量的N/H；如果该文档有书签信息，则以书签信息作为第一层样本池，如果没有书签信息，则以分页信息作为第一层样本池；以各书签ID或各分页ID号来构造列表，再以书签的数量或分页数量为基数构造需要的第一层样本列表；接下来根据抽取的第一层样本列表，各自单独抽取H个样本；如果是以书签信息作为样本池的，根据已生成的第一层样本列表，每个表项都是一个书签ID，在单独抽取二层样本的时候，根据书签ID来定位文档的位置，再用随机抽取算法抽取H个文本样本数据开保存；而进行样本数据上传及关键字信息提取的方式为：样本数据会根据用户打开不同的文档进行更新，存储在本地设备中；在用户设备联网的时候，根据策略设置上传本地存储的样本数据到服务器上，以便进行关键字提取及后续工作；在进行客户端ID计算和校验时，其方法包括硬件组合ID的方法或者客户唯一信息的方法，也能够是几种方法的组合；进行关键字提取是用关键字提取算法进行提取的，也就是用户样本数据上传到服务器之后，服务器端就根据这些数据进行关键字提取；对关键字的提取之后，再进一步总结出所属范畴的前几名列表；在进行关键字数据累积、权重调整时，关键字及范畴即可做为用户的标签数据，这些标签数据也会有不同权重，依此来调整超链数据的推送的优先级，标签数据权值的跟关键字命中的时间，命中次数这样的参数相关，原则是，越是近期命中的关键字其标签权值越大，命中次数越多权值越大；在执行关键字及超链数据推送时，软件打开的时候根据联网的状态判断是否需要从服务更新关键字超链数据，具体规则和上传样本数据的规则一致；从服务器下载超链数据时需要提供软件客户端ID信息，服务器会根据跟ID找到关键字超链数据并返回相关数据大小这样的信息，供软件下载；下载的数据格式具体说来，依次为大小、标签数量、权值、关键字数量、关键字列表、超链数据、标签数据的数据段；下载的数据保存在本地设备中，当用户打开文档时，软件分析文档内容，匹配上述数据的各标签中关键字列表，优先匹配权值比较高的标签，匹配上后则关联文档中关键字和超链数据，在展示文档的时候根据策略展示超链内容。
2.根据权利要求1所述的关键字自动超级链接的方法，其特征在于：样本数据上传的策略为：
(1)没有联网的环境：不进行上传操作；
(2)移动网络环境：不进行上传操作；
(3)固定网络环境：闲时上传，限制上传速度；
(4)用户自己定义策略，包括：移动网络时允许上传、固定网络时限时间内允许上传。
3.根据权利要求2所述的关键字自动超级链接的方法，其特征在于：而关键字超级链接数据更新方法包括如下所示的两种更新方法：
(1)手动更新方法：即管理员手动更新服务器数据库信息，输入<标签、关键字、超级链接数据>组合信息；关键字和标签的对应关系是多对多的关系；推送超级链接数据给客户端时，查找上述标签信息，把匹配的<标签、关键字、超级链接数据>信息发给客户端；
(2)自动获取的更新方法：即管理员设置指定服务器用来自动查找标签、关键字信息，在推送超级链接数据给客户端，根据客户端标签、关键字信息到服务器上自动请求其超级链接数据；这些指定的服务器上的数据一般由第三方提供，或者是大数据自动生成；
另外关键字超级链接数据推送策略，具体如下的三种推送策略：
(1)根据标签设置优先级，默认设置为自动获取链接数据，管理员还手动为标签添加超级链接数据，同一标签的不同的链接数据设置为不同的优先级，推送链接数据给客户端时优先推送优先级比较高的数据；
(2)根据关键字设置优先级，默认设置为自动获取链接数据，管理员还手动为关键字添加超级链接数据，同一关键字的不同的链接数据设置为不同的优先级，推送链接数据给客户端时优先推送优先级比较高的数据，关键字优先级相同时，再比较其标签的优先级，优先推送优先级比较高的数据；
(3)根据<标签、关键字>组合设置优先级，默认设置为自动获取链接数据，管理员还手动为组合添加超级链接数据，同一组合的不同的链接数据设置为不同的优先级，推送链接数据给客户端时优先推送优先级比较高的数据，如果组合的优先级相同，再比较关键字优先级，如果关键字的优先级依然相同，再比较其标签的优先级，优先推送优先级比较高的数据。
4.根据权利要求3所述的关键字自动超级链接的方法，其特征在于：其中关键字提取算法为，其算法描述如下：
(1)对文本进行分词处理；
(2)对不同的位置的文本进行加权处理，上传的样本中包含了文件名、文档标题、书签这样的信息，对这些信息加上不同的权重；
(3)只保留名词、动词和形容词，并计算各词出现的频率，得到各词的<频率、权重>列表；
(4)计算上述列表中的排名靠前的词的词语相似度，对于相似词进行合并；
(5)最终获取关键字列表。
5.根据权利要求1所述的关键字自动超级链接的方法，其特征在于：所述的硬件组合ID的计算方法为：按照固定的顺序获取设备部分硬件的ID信息，无法获取的ID用FF填充，并按照这个顺序组合成一串字符；所述的硬件组合ID的校验方法为：具体校验时，每个硬件信息分析出来单独校验，当所有的硬件信息超过50％匹配上时，就校验通过；同时对于有些硬件在有的设备中可能包括不只一个，这时校验单个硬件信息，只要有同类硬件中一个匹配，即表示该硬件匹配成功；
所述的客户唯一信息的方法为：根据唯一标识用户的信息来做为客户端ID；校验时，要完全匹配才算匹配成功；所述的唯一标识用户的信息能够是电子邮箱或者手机号码。
6.根据权利要求1所述的关键字自动超级链接的方法，其特征在于：针对关键字自动收集，其收集的具体方式如下：
(1)按照所述的关键词提取算法来对样本数据进行提取；
(2)对于没有匹配到标签并且权重比较高的关键字，加入到本客户端ID关联的未归类关键字表中，同时也加入到全局的未归类关键字数据表中；
(3)自动定期或者手动启动处理上述未归类关键字数据表过程，依据出现频率从高到低的顺序依次处理表中的关键字:
a)查找该关键字是否有同义词或近义词已经归类了，若有，则使用其标签，并从未归类关键字表删除该关键字，完成该关键字的处理过程，否则继续下面的步骤；
b)从指定网站或者服务器获取该关键字的标签信息，如果获取成功，则使用该信息，并从未归类关键字表中删除该关键字，完成该关键字的处理过程,否则，继续下面的步骤；
c)提示管理员手动更新关键字标签数据,完成该关键字处理过程；
(4)对于已经处理了的未归类关键字信息，更新对应的客户端标签信息及这些客户端的未归类关键字表。
7.根据权利要求1所述的关键字自动超级链接的方法，其特征在于：所述的用户打开应用程序时程序根据当前的配置判断是否需要从指定的服务器下载关键字超链数据的判断机制至少包括以下几点：
1)当本地没有超级链接数据的时候，需要从服务器下载超级链接数据；
2)联系服务器检测该客户端的关键字标签是否更新，如果已经更新则需要下载超级链接数据；
3)联系服务器检测该客户端对应的关键字标签关联的超级链接数据是否更新了，如果已经更新则需要下载超级链接数据。

关键字自动超级链接的方法\n技术领域\n[0001] 本发明涉及一种超级链接技术领域，尤其是一种关键字自动超级链接的方法。\n背景技术\n[0002] 超级链接在本质上属于一个网页的一部分，它是一种允许我们同其他网页或站点之间进行连接的元素。各个网页链接在一起后，才能真正构成一个网站。所谓的超链接是指从一个网页指向一个目标的连接关系，这个目标可以是另一个网页，也可以是相同网页上的不同位置，还可以是一个图片，一个电子邮件地址，一个文件，甚至是一个应用程序。而在一个网页中用来超链接的对象，可以是一段文本或者是一个图片。当浏览者单击已经链接的文字或图片后，链接目标将显示在浏览器上，并且根据目标的类型来打开或运行。\n[0003] 而目前来看这种超级链接还无法在远程通过关键词实现自动形成超链的形式，由此极大的局限了它的作用效果。\n发明内容\n[0004] 本发明的目的在于提供一种关键字自动超级链接的方法，用户打开应用程序时，程序根据当前的配置判断是否需要从指定的服务器下载关键字超链数据，如果需要下载，则自动从指定的服务器下载并保存到本地；用户在通过应用程序打开文档时，应用程序解析文档时自动分析关键字，并在关键字超链数据库中搜索匹配关键字，获取对应的超链数据；如果在数据库没有匹配到关键字，则访问指定的服务器，以此来获取指定关键字的超级链接数据，并更新到本地，如果在数据库能够匹配到关键字，根据匹配关键字获取的超级链接数据，在展示文档内容时，在关键字区域展示超级链接。避免了超级链接还无法在远程通过关键词实现自动形成超链的形式而由此极大的局限了它的作用效果的问题。\n[0005] 为了达到上述目的，本发明的技术方案是：一种关键字自动超级链接的方法，用户打开应用程序时，程序根据当前的配置判断是否需要从指定的服务器下载关键字超链数据，如果需要下载，则自动从指定的服务器下载并保存到本地；用户在通过应用程序打开文档时，应用程序解析文档时自动分析关键字，并在关键字超链数据库中搜索匹配关键字，获取对应的超链数据；如果在数据库没有匹配到关键字，则访问指定的服务器，以此来获取指定关键字的超级链接数据，并更新到本地，如果在数据库能够匹配到关键字，根据匹配关键字获取的超级链接数据，在展示文档内容时，在关键字区域展示超级链接。\n[0006] 采用上述方法后，本发明就能够自动从指定的服务器下载关键字超链数据并保存到本地，由此根据分析并获取的超链数据，在展示文档内容时，在关键字区域展示超级链接。\n附图说明\n[0007] 图1是本发明的流程图。\n[0008] 图2是本发明的随机内容抽取算法的流程图。\n[0009] 图3是本发明的分层内容抽取算法的流程图。\n[0010] 图4是本发明的关键词提取的流程图。\n[0011] 图5是本发明的关键词自动收集的流程图。\n具体实施方式\n[0012] 以下结合附图给出的实施例对本发明作进一步详细的说明。\n[0013] 参见图1-图5所示，关键字自动超级链接的方法，用户打开应用程序时，程序根据当前的配置判断是否需要从指定的服务器下载关键字超链数据，如果需要下载，则自动从指定的服务器下载并保存到本地；用户在通过应用程序打开文档时，应用程序解析文档时自动分析关键字，并在关键字超链数据库中搜索匹配关键字，获取对应的超链数据；如果在数据库没有匹配到关键字，则访问指定的服务器，以此来获取指定关键字的超级链接数据，并更新到本地，如果在数据库能够匹配到关键字，根据匹配关键字获取的超级链接数据，在展示文档内容时，在关键字区域展示超级链接。\n[0014] 其中，应用程序解析文档的方式为：\n[0015] 先进行单个文档样本数据收集，也就是根据用户打开的文档进行分析，一般文本数据的关键信息都会保存在以下几个地方：文件名、文档标题、书签、文档第一段内容、文档最后一段内容。鉴于此，本发明也将主要从这些部分抽取样本数据。样本数据先保存在本地，待用户连网之后再把这些数据上传给服务器来完成关键字的提取、分类、权重调整和超链数据的准备；由于上传地时机不确定，记录样本数据时需要记录文档最近一次打开的时间以及上传之前打开的次数，这两项信息是之后计算关键字权值时需要的；所述的样本数据的存储格式如表1所示依次为数据包大小、最后打开时间、打开次数、文档语言、文件名称长度、文件名称数据、文档标题长度、文档标题数据、首段内容长度、首段内容数据、末段内容长度、末段内容数据、书签条目数量、第一书签条目长度、第一书签条目内容、第二书签条目长度、第二书签条目内容…第n书签条目长度、第n书签条目内容、随机内容数量、第一随机内容长度、第一随机内容数据、第二随机内容长度、第二随机内容数据…第n随机内容长度、第n随机内容数据的数据段；其中n为正整数；\n[0016] 表1\n[0017]\n[0018] 上述结构内容的含义描述如表2所示：\n[0019] 表2\n[0020]\n[0021] 而在进行随机内容抽取时，能够采用随机抽取算法或分层抽取法进行抽取；\n[0022] 对于比较小的文档或者没有书签信息和分布信息的文档，采用这个随机抽取算法，所述的随机抽取算法要随机读取整个文档的内容，该算法具体流程如下，首先确定需要抽取的样本的数量，根据文档内容的大小，生成一组样本数量的随机数列表且不重复，再依照该数列表组中各数值作为文档内偏移，依次读取固定长度的文本内容并保存；\n[0023] 对于比较大的文档，采用此分层抽取法算法。该算法可以根据抽取样本的策略是全面抽取还是重点抽取来定义第一层样本的权值系数H。\n[0024] 所述的分层抽取算法具体流程如下，首先确定需要抽取的样本的数量N，第一层需要抽取的样本数量为总数量的N/H。如果该文档有书签信息，则以书签信息作为第一层样本池，如果没有书签信息，则以分页信息作为第一层样本池。以各书签ID或各分页ID号来构造列表，再以书签的数量或分页数量为基数构造需要的第一层样本列表。接下来根据抽取的第一层样本列表，各自单独抽取H个样本。例如：如果是以书签信息作为样本池的，根据已生成的第一层样本列表，每个表项都是一个书签ID，在单独抽取二层样本的时候，根据书签ID来定位文档的位置，再用随机抽取算法抽取H个文本样本数据开保存；\n[0025] 进行样本数据上传及关键字信息提取的方式为：样本数据会根据用户打开不同的文档进行更新，存储在本地设备中；在用户设备联网的时候，根据策略设置上传本地存储的样本数据到服务器上，以便进行关键字提取及后续工作；\n[0026] 用户使用场景多种多样，总体可以分为：没有联网、移动网络、固定网格(LAN、WIFI)，根据不同的使用联网环境，采取不同的样本数据上传策略，具体如下：\n[0027] (1)没有联网的环境：不进行上传操作。\n[0028] (1)移动网络环境：不进行上传操作。\n[0029] (2)固定网络环境：闲时上传，限制上传速度。\n[0030] (4)用户自己定义策略，比如：移动网络时允许上传、固定网络时限时间内允许上传等等。\n[0031] 在进行客户端ID计算和校验时，往往采用的是以下所描述的几种客户端ID的计算和校验方法，但客户端ID不仅限下这几种方法，同时也可以是几种算法组合使用：\n[0032] 1、硬件组合ID的方法\n[0033] 收集的样本信息上传的时候需要标明该样本信息所属的用户，而且软件下载用户关键字信息及超链数据时也需要标明用户ID，即数据是和用户关联的。这个用户ID需要能唯一标明用户。\n[0034] 计算方法：按照固定的顺序获取设备部分硬件的ID信息，无法获取的ID用FF填充，并按照这个顺序组合成一串字符。\n[0035] 校验方法：由于组成ID的各部分信息，每个设备有哪些硬件都不一样，而且不保证各设备的硬盘不会更换。如此校验的方法就不能用简单的完全匹配来校验，具体校验时，每个硬件信息分析出来单独校验，当所有的硬件信息超过50％匹配上时，就校验通过。同时对于有些硬件在有的设备中可能包括不只一个，这时校验单个硬件信息，只要有同类硬件中一个匹配，即表示该硬件匹配成功。\n[0036] 2、客户唯一信息的方法\n[0037] 根据唯一标识用户的信息(比如：电子邮箱、手机号码等)来做为客户端ID。校验时，要完全匹配才算匹配成功。\n[0038] 在进行关键字提取时是用关键字提取算法进行提取的，也就是用户样本数据上传到服务器之后，服务器端就根据这些数据进行关键字提取。算法大体描述如下：\n[0039] 1.对文本进行分词处理。\n[0040] 2.对不同的位置的文本进行加权处理，如之前描述的，上传的样本中包含了文件名、文档标题、书签等信息，这些信息的权重应该不同，所以要对这些信息加上不同的权重。\n如：对文件名加权重5、文档标题加权重3等等。\n[0041] 3.只保留名词、动词和形容词，并计算各词出现的频率，得到各词的<频率、权重>列表。\n[0042] 4.计算上述列表中的排名靠前的词的词语相似度，对于相似词进行合并。\n[0043] 5.最终获取关键字列表。\n[0044] 每个关键字都属于至少一个范畴，比如自行车包含在“交通”、“运动”等多个范畴之内。对关键字的提取之后，再进一步总结出所属范畴的前几名列表。\n[0045] 在进行关键字数据累积、权重调整时，关键字及范畴即可做为用户的标签数据，这些标签数据也会有不同权重，依此来调整超链数据的推送的优先级。\n[0046] 标签数据权值的跟关键字命中的时间，命中次数等参数相关。原则是，越是近期命中的关键字其标签权值越大；命中次数越多权值越大。\n[0047] 在分析样本数据提取关键字的过程中，有可能关键字数据库中并没有对应的关键字信息，如此也就无法匹配该关键字及其标签信息。针对这种情况特设计了本关键字自动收集方法，工作大原理如下：\n[0048] 1.按照所述的关键词提取算法来对样本数据进行提取。\n[0049] 2.对于没有匹配到标签并且权重比较高的关键字，加入到本客户端ID关联的未归类关键字表中，同时也加入到全局的未归类关键字数据表中。\n[0050] 3.自动定期或者手动启动处理上述未归类关键字数据表过程，依据出现频率从高到低的顺序依次处理表中的关键字:\n[0051] a)查找该关键字是否有同义词或近义词已经归类了，有的话则使用其标签，并从未归类关键字表删除该关键字，完成该关键字的处理过程。否则继续下面的步骤。\n[0052] b)从指定网站或者服务器获取该关键字的标签信息，如果获取成功，则使用该信息，并从未归类关键字表中删除该关键字，完成该关键字的处理过程。否则，继续下面的步骤。\n[0053] c)提示管理员手动更新关键字标签数据。完成该关键字处理过程。\n[0054] 4.对于已经处理了的未归类关键字信息，更新对应的客户端标签信息及这些客户端的未归类关键字表。\n[0055] 在执行关键字及超链数据推送时，软件打开的时候根据联网的状态判断是否需要从服务更新关键字超链数据，具体规则和上传样本数据的规则一致；从服务器下载超链数据时需要提供软件客户端ID信息，服务器会根据跟ID找到关键字超链数据并返回相关数据大小这样的信息，供软件下载；\n[0056] 下载的数据格式如表3所示，具体说来，依次为大小、标签数量、权值、关键字数量、关键字列表、超链数据、标签数据的数据段：\n[0057] 表3\n[0058]\n[0059] 下载的数据保存在本地设备中，当用户打开文档时，软件分析文档内容，匹配上述数据的各标签中关键字列表，优先匹配权值比较高的标签，匹配上后则关联文档中关键字和超链数据，在展示文档的时候根据策略展示超链内容。\n[0060] 而关键字超级链接数据更新方法常用的为两种更新方法，但不仅限于这两种方法，同时也可以几种方法组合使用，所述的两种更新方法如下所示：\n[0061] 1.手动更新方法\n[0062] 管理员手动更新服务器数据库信息，输入<标签、关键字、超级链接数据>组合信息；关键字和标签的对应关系是多对多的关系；推送超级链接数据给客户端时，查找上述标签信息，把匹配的<标签、关键字、超级链接数据>信息发给客户端；\n[0063] 2.自动获取方法\n[0064] 管理员设置指定服务器用来自动查找标签、关键字信息，在推送超级链接数据给客户端，根据客户端标签、关键字信息到服务器上自动请求其超级链接数据；这些指定的服务器上的数据一般由第三方提供，或者是大数据自动生成。\n[0065] 另外关键字超级链接数据推送策略，具体如下：\n[0066] 同样的标签和关键字关联的超级链接数据可以有很多条，这种情况下需要一定的策略以便让服务器知道如何选取数据进行推送。\n[0067] 以下仅列举一些策略，但不仅限这几种策略。同时可以是几种策略组合使用。\n[0068] 1.根据标签设置优先级。默认设置为自动获取链接数据，管理员还手动为标签添加超级链接数据，同一标签的不同的链接数据设置为不同的优先级，推送链接数据给客户端时优先推送优先级比较高的数据；\n[0069] 2.根据关键字设置优先级，默认设置为自动获取链接数据，管理员还手动为关键字添加超级链接数据，同一关键字的不同的链接数据设置为不同的优先级，推送链接数据给客户端时优先推送优先级比较高的数据，关键字优先级相同时，再比较其标签的优先级，优先推送优先级比较高的数据；\n[0070] 3.根据<标签、关键字>组合设置优先级。默认设置为自动获取链接数据，管理员还手动为组合添加超级链接数据，同一组合的不同的链接数据设置为不同的优先级，推送链接数据给客户端时优先推送优先级比较高的数据，如果组合的优先级相同，再比较关键字优先级，如果关键字的优先级依然相同，再比较其标签的优先级，优先推送优先级比较高的数据。\n[0071] 所述的用户打开应用程序时程序根据当前的配置判断是否需要从指定的服务器下载关键字超链数据的判断机制至少包括以下几点：\n[0072] 1)当本地没有超级链接数据的时候，需要从服务器下载超级链接数据。\n[0073] 2)联系服务器检测该客户端的关键字标签是否更新，如果已经更新则需要下载超级链接数据。\n[0074] 3、联系服务器检测该客户端对应的关键字标签关联的超级链接数据是否更新了，如果已经更新则需要下载超级链接数据。\n[0075] 以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。