说明文档
一、大概要求：
1、整个过程运行时间最好在10分钟以内，最长不超过15分钟。
2、分词用Java调mmeseg4j，后面的匹配，数据匹配输出等功能用python完成
3、确保我的电脑可以跑起来
2、 基本思路
1，方案及步骤：
1 提取：
将表格中的文本，以媒体名称为单位，一共包括四个维度，除了第一列名称以外
（媒体名称为记录单位，不算分词），例如：
表1
2 分词：
Java调用mmseg4j进行分词，将所在地，机构名称，机构地址，介绍分开
例：中国 江苏 苏州 || 苏州市 人民政府 新闻 办公室||江苏省 苏州市 金阊区 三香路 998号||苏州市 人民政府 新闻 办公室
然后，保存本地，用作匹配调用
涉及到的难点：分词本身没有问题，但是如何讲分词与后面做匹配的次做到很好的映射，就需要考量了，如：如果要求苏州发布的所处领域：市，人民，政府，这三个词无法和领域做匹对，但是合起来，市人民政府，就能和领域的地方发布很好的对应上，这点需要再算法上进行考量。
3 匹配
思路：分词之后，按照媒体账号为单位，依次对本地的数据库进行匹对，将映射上的文本进行关联。
匹配顺序：（见表1）：
1）第一轮匹对：
介绍——》机构名称》机构地址——》所在地（实际上机构地址和所在地经常为空值，主要还是以介绍和机构名称作为匹对项）
一个维度没找到所有对应的词，下个维度接着跑
形式：
地域（省份，城市）
和本地json进行匹对，输出形式：县 市 省
A.如果都有，那就正常输出，匹对其所在的市和省
B.如果没有县，就从市开始往上查询，直到跑遍所有的维度。
C.如果县市都没有，但是有省，省份一栏返回省份，城市一栏返回省会，省会json会提供。主体性质返回‘省级’
D.如果县市省都没有，但关键词有国务院，中共中央，中央委员会，中华人民共和国，就返回0值，在主题性质上标明：中央部委
E.如果县市省都没有，也没有关键词国务院此类，那么返回0值，另建一张表，将这个媒体名称所有数据（以媒体名称为单位），到新建的表上
F.出现多个地址对应的情况，即地域重名，省份城市返回 repeat，将这个媒体名称所有数据（以媒体名称为单位），到新建的表上，重名的对应表格随后会发到邮箱里。
领域：
匹对EXCEL表格 领域.xlsx 的第四列：匹配词汇
如果能够映射之后其中一项，那依次比对到 领域》》主体性质》》主体级别（第二轮匹对）
主体性质：（详细见表格文件）
a. 政法（公安）
b. 政法
c. 国企
d. 0 如果a,b,c没有涉及到，但是表中有找到匹对的领域，那就在领域一栏返回0,注意d中的地方发布这一类，要特别提出来
e. 其他 如果以上的类都没有涉及到，但是表中有找到匹对的领域，那就在领域，主体性质，主体级别，返回0，新建一张表格，以该媒体名称为单位，返回到这张表上。
f. 如果出现国务院，中共中央，中央委员会，中华人民共和国的关键词，上述条件下（包括e），将主体性质填上：中央部委，注意，情况a和b需要特殊标明
情况a：中央部委 政法（公安）
情况b: 中央部委 政法
2）第二轮匹对：（主体性质，主体级别）
地域：
A:县级 B:市级 C:省级 D/E:0
a. 政法（公安） b.政法 c.国企 d:0 e:其他
将领域和地域结合，推出主题性质和主题级别：
主体级别：
地域 领域 是否中央关键词 主题级别
公式1：A/B/C + d(地方发布) + 否 =A/B/C(县级/市级/省级)
公式2：A + a/b/c/d/e + 否 =A(省级)
主体性质：
公式3：A/B/C/D/E + a/b/c/d/e + 否 =a/b/c/d/e
公式4: A/B/C/D/E + a/b/c/d/e + 否 =中央部委。。。
其他的情况，主体性质和主体级别一律设为0值
例：开化县人民政府——分词后——》开化县 县人民政府
——地域匹对——》开化/衢州/浙江
——领域匹对——》县人民政府——》地方发布
精确到县：开化——》县级
领域：县人民政府——》地方发布
主体性质：地方发布——》0
主体级别：县级+人民政府+0 =县级
（如果说不是地方发布，而是其他领域，如开化县安监，那就填0了）
2，输出结果：
将之前匹对输出的结果，输出为表格的形式，如：
媒体名称
主体性质
主体级别
领域
省份
城市
开化县人民政府
0
市级
地方发布
浙江
衢州
将其他未能匹配上的，单独输出到另一张表里（领域地域一个匹配不上就输出）
原始表：
名称
所在地
机构名称
机构地址
介绍
透过指尖的阳光
中国/四川/成都
每天一句暖心的情话，领悟爱情真谛，点亮你生活的精神世界
输出表：
媒体名称
主体性质
主体级别
领域
省份
城市
透过指尖的阳光
0
0
其他
四川
成都
如果有疑问或其他需要的材料，请随时咨询