基于组织机构代码信息进行数据挖掘与属性关联分析的方法初探.pdfVIP

· 组织机构代码 · 标 准 科 学 2012年第2期 基于组织机构代码信息进行数据挖掘与 属性关联分析的方法初探 张 业 韩 雪 朱聪慧 (1．全国组织机构代码管理中心，北京 100029；2．哈尔滨工业大学，哈尔滨 150001) 摘 要：本文以涵盖各类单位动态基本信息的全国组织机构代码数据库为基础 ，依托当前 自然语言自动处理技 术的成功经验和研究成果，探究实现大规模机构信息自由文本数据的信息抽取、切分词优化、统计分类推断、 属性关联分析等方法。为 全“国组织机构代码共享平台”实现核心字段动态 自动翻译、知识发现、数据质量提 高，以及信息 自动填补等方面提供关键技术支撑，进而为提高数据库信息利用率提供技术参考，为积极推进国 家电子政务信息建设做出有益探索。 关键词：组织机构代码信息；自由文本；信息抽取；属性关联 ResearchontheApproachtoDataM iningandAttributesAssociationAnalysis BasedontheNationalOrganizationCodeInformation ZHANG Yo’HANXue’ZHUGong—hui ， ， (1．NationalAdministrationforCodeAllocationtoOrganizations，Beijing100029；HarbinInstituteofTechnology,Haerbin150001) Abstract：BasedontheNationalOrganizationCodeDatabasewhichcoveysthedynamicbasicinformationofvarious organizations，andgroundedontheresearchoutcomeoncurrentauto-processtechnologyofnaturallanguage，this paperexplorestheapproachtotheinformationextraction，wordsegmentationoptimization，statisticclassification inference，attributesassociationanalysisonmassorganizationinformationshownasthefreetextdata．Thispaperaims atprovidingtechnicalsupportfordynamickeyfields’ machineauto-translation，knowledgediscovery，dataquality improvementandinfomr ationauto-filling，furtherprovidingtechnicalreferencesondatabaseinfomr ationutilization， andmakingusefulexplorationonpropellingnationale-governmentinformationconstruction． Keywords：NationalOrganizationCodeinfomr ation，freetext，informationextraction，attributesassociation 随着国家信息化程度的不断加深，政府各部门 1 基于数据库语料中自由文本信息的处 也随之积累了大量含有自由文本的信息数据库，这些 理方法 数据库中蕴含了丰富的、未挖掘的信息。如何利用更 有效的技术手段对数据库中数据进行有效抽取、统 自由文本是指由合乎某种语言表达规范的自然 计、整合与拓展，实现 自然语言智能化处理具有非常 语句组成的文本。如果数据库中属性的取值是 自由文 重要的意义。