技術(shù)特征：

1.一種大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)方法，其特征在于，其包括如下步驟：

S1、采集人名與籍貫信息，包括人名的姓氏、讀音、籍貫地，并對人名與籍貫信息進(jìn)行數(shù)據(jù)融合、數(shù)據(jù)采樣與挖掘得到采集與挖掘后的數(shù)據(jù)；同時(shí)跳轉(zhuǎn)到步驟S2、步驟S3；

S2、篩除采集與挖掘后的數(shù)據(jù)中的常見人名，并對篩除后的數(shù)據(jù)進(jìn)行特殊人名甄別與標(biāo)記；通過分類校驗(yàn)特殊人名與常見人名進(jìn)行分類校驗(yàn)得到樣本數(shù)據(jù)結(jié)構(gòu)的定義；并跳轉(zhuǎn)到步驟S4；

S3、對采集與挖掘后的數(shù)據(jù)進(jìn)行特征提取并建立關(guān)聯(lián)規(guī)則；并跳轉(zhuǎn)到步驟S4；

S4、根據(jù)樣本數(shù)據(jù)結(jié)構(gòu)的定義以及提取的特征、關(guān)聯(lián)規(guī)則建立特殊人名集合與特征庫；

S5、根據(jù)特殊人名集合與特征庫建立推斷模型SNNPAR，并根據(jù)模型SNNPAR進(jìn)行特殊人名與籍貫、地域推斷。

2.如權(quán)利要求1所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)方法，其特征在于，其還包括如下步驟：

S6、根據(jù)特殊人名與籍貫、地域推斷結(jié)果進(jìn)行推斷性能評估。

3.如權(quán)利要求2所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)方法，其特征在于，

特殊人名為少見姓氏人名或遵循某種字輩規(guī)則的非常見姓氏人名，或具有某種紀(jì)念意義的人名，形式化表示為V_name；特殊姓氏的取名規(guī)則包括：1、以地域名或地域標(biāo)識物命名的，形式化表示為V_region；2、姓氏在特定區(qū)域的少數(shù)封閉族群姓氏，形式化表示為V_area；3、按照家譜字輩命名的，形式化表示為V_generation；4、同一姓氏在不同地域有著不同讀音，形式化表示為V_phonics；5、姓名與地理位置存在不明確關(guān)聯(lián)，但通過轉(zhuǎn)義推理的，形式化表示為V_others。

4.如權(quán)利要求3所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)方法，其特征在于，

所述步驟S2中通過分類校驗(yàn)特殊人名與常見人名進(jìn)行分類包括：

以姓氏用字的二元統(tǒng)計(jì)概率模型，基于以字串為姓氏的字?jǐn)?shù)不同，建立以下計(jì)算公式對姓氏進(jìn)行概率計(jì)算：

其中，F(xiàn)(x_i|L_i)(i＝1...n)表示人名為L_i的條件下，姓氏為x_i的樣本個(gè)數(shù)；F(x_i)(i＝1...n)表示姓氏為x_i的樣本個(gè)數(shù)；二者的比值表示某一姓氏或人名的稀有程度。

5.如權(quán)利要求4所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)方法，其特征在于，

SNNPAR模型如下：

上式用于表示特殊姓名與籍貫的匹配程度，即通過特殊姓名推斷籍貫的精度；其中xs表示姓氏，dy表示地域的數(shù)目，jg表示籍貫，n表示特殊姓名中存在的規(guī)則條目數(shù)，m表示待推斷的籍貫個(gè)數(shù)。

6.一種大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)系統(tǒng)，其特征在于，其包括如下單元：

信息采集單元，用于采集人名與籍貫信息，包括人名的姓氏、讀音、籍貫地，并對人名與籍貫信息進(jìn)行數(shù)據(jù)融合、數(shù)據(jù)采樣與挖掘得到采集與挖掘后的數(shù)據(jù)；同時(shí)跳轉(zhuǎn)到篩選分類單元、特征提取關(guān)聯(lián)規(guī)則單元；

篩選分類單元，用于篩除采集與挖掘后的數(shù)據(jù)中的常見人名，并對篩除后的數(shù)據(jù)進(jìn)行特殊人名甄別與標(biāo)記；通過分類校驗(yàn)特殊人名與常見人名進(jìn)行分類校驗(yàn)得到樣本數(shù)據(jù)結(jié)構(gòu)的定義；并跳轉(zhuǎn)到特殊人名集合與特征庫建立單元；

特征提取關(guān)聯(lián)規(guī)則單元，用于對采集與挖掘后的數(shù)據(jù)進(jìn)行特征提取并建立關(guān)聯(lián)規(guī)則；并跳轉(zhuǎn)到特殊人名集合與特征庫建立單元；

特殊人名集合與特征庫建立單元，用于根據(jù)樣本數(shù)據(jù)結(jié)構(gòu)的定義以及提 取的特征、關(guān)聯(lián)規(guī)則建立特殊人名集合與特征庫；

推斷單元，用于根據(jù)特殊人名集合與特征庫建立推斷模型SNNPAR，并根據(jù)模型SNNPAR進(jìn)行特殊人名與籍貫、地域推斷。

7.如權(quán)利要求6所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)系統(tǒng)，其特征在于，其還包括如下步驟：

性能評估單元，用于根據(jù)特殊人名與籍貫、地域推斷結(jié)果進(jìn)行推斷性能評估。

8.如權(quán)利要求7所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)系統(tǒng)，其特征在于，

特殊人名為少見姓氏人名或遵循某種字輩規(guī)則的非常見姓氏人名，或具有某種紀(jì)念意義的人名，形式化表示為V_name；特殊姓氏的取名規(guī)則包括：1、以地域名或地域標(biāo)識物命名的，形式化表示為V_region；2、姓氏在特定區(qū)域的少數(shù)封閉族群姓氏，形式化表示為V_area；3、按照家譜字輩命名的，形式化表示為V_generation；4、同一姓氏在不同地域有著不同讀音，形式化表示為V_phonics；5、姓名與地理位置存在不明確關(guān)聯(lián)，但通過轉(zhuǎn)義推理的，形式化表示為V_others。

9.如權(quán)利要求8所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)系統(tǒng)，其特征在于，

所述篩選分類單元中通過分類校驗(yàn)特殊人名與常見人名進(jìn)行分類包括：

以姓氏用字的二元統(tǒng)計(jì)概率模型，基于以字串為姓氏的字?jǐn)?shù)不同，建立以下計(jì)算公式對姓氏進(jìn)行概率計(jì)算：

其中，F(xiàn)(x_i|L_i)(i＝1...n)表示人名為L_i的條件下，姓氏為x_i的樣本個(gè)數(shù)；F(x_i)(i＝1...n)表示姓氏為x_i的樣本個(gè)數(shù)；二者的比值表示某一姓氏或人名的稀有程度。

10.如權(quán)利要求9所述的大數(shù)據(jù)環(huán)境下的特殊人名與籍貫關(guān)聯(lián)系統(tǒng)，其特征在于，

SNNPAR模型如下：

上式用于表示特殊姓名與籍貫的匹配程度，即通過特殊姓名推斷籍貫的精度；其中xs表示姓氏，dy表示地域的數(shù)目，jg表示籍貫，n表示特殊姓名中存在的規(guī)則條目數(shù)，m表示待推斷的籍貫個(gè)數(shù)。