[发明专利]社交网络的信息收集方法及信息收集装置

权利要求书

1.一种社交网络的信息收集方法，其特征在于，包括：

基于种子词，搜索社交网络中包含有所述种子词的内容，获得第一搜索结果并保存到一收集结果数据库中，所述社交网络包括有多个用户、各用户的用户子网、各用户在其用户子网上发布的内容、以及用户之间的用户间拓扑关系；

确定发布所述第一搜索结果中的内容的用户，得到第一级用户，将所述第一级用户加入到一候选用户集合；

逐个提取所述候选用户集合中各用户在其用户子网上发布的内容，保存到所述收集结果数据库中，直至达到预设的提取停止条件，其中，在提取当前用户在其用户子网上发布的内容时，根据所述用户间拓扑关系，确定当前用户的下一级用户，并将所述下一级用户加入到所述候选用户集合；

所述逐个提取所述候选用户集合中各用户在其用户子网上发布的内容，保存到所述收集结果数据库中，直至达到预设的提取停止条件的步骤包括：

从所述候选用户集合中选择一个用户作为当前用户，其中，在所述候选用户集合中存在第一级用户时，选择一个第一级用户作为当前用户，否则，从所述候选用户集合中选择具有最高提取优先级的用户，作为当前用户；

提取当前用户在其用户子网上发布的内容并保存至所述收集结果数据库；

根据所述用户间拓扑关系，确定当前用户的下一级用户，将当前用户从所述候选用户集合中删除，以及将所述下一级用户加入到所述候选用户集合；

判断所述提取停止条件是否满足，若是，则结束流程；否则，返回所述从所述候选用户集合中选择一个用户作为当前用户的步骤；

在所述将当前用户从所述候选用户集合中删除，以及将所述下一级用户加入到所述候选用户集合的步骤之前，所述方法还包括：

提取用于表示当前用户特性的用户标签，计算当前用户的用户标签与所述种子词之间的第一相关性，得到由公式(1)所表示的当前用户的标签品质，其中：

在上述公式(1)中，uq为当前用户的标签品质；label_vec₁,label_vec₂,label_vec₃…label_vec_n为当前用户U的多个用户标签对应的特征向量，其中n是当前用户U的用户标签的数量；seed_vec是种子词的词向量，如果种子词包括多个搜索关键词，那么seed_vec是每个搜索关键词的词向量之和；

计算当前用户在其用户子网上发布的内容与所述第一搜索结果之间的第二相关性，得到由公式(2)所表示的当前用户的内容品质：

上述公式(2)中，mq为当前用户的内容品质；b_vec为第一词袋特征向量；r_vec为第二词袋特征向量；

对当前用户的标签品质和内容品质进行融合，获得当前用户的下一级用户的提取优先级。

2.如权利要求1所述的信息收集方法，其特征在于，

所述第一相关性为所述用户标签对应的词向量与所述种子词对应的词向量之间的余弦距离；

所述第二相关性为第一词袋特征向量与第二词袋特征向量之间的余弦距离，所述第一词袋特征向量是基于当前用户在其用户子网上发布的内容所构建的词袋特征向量，所述第二词袋特征向量是基于所述第一搜索结果构建的词袋特征向量。

3.如权利要求1所述的信息收集方法，其特征在于，所述对当前用户的标签品质和内容品质进行融合，获得当前用户的下一级用户的提取优先级的步骤包括：计算当前用户的标签品质和内容品质的和值，得到所述当前用户的下一级用户的提取优先级。

4.如权利要求1所述的信息收集方法，其特征在于，所述对当前用户的标签品质和内容品质进行融合，获得当前用户的下一级用户的提取优先级的步骤包括：

根据当前用户的标签品质，在所述候选用户集合中的所有用户中的排名，得到当前用户的第一融合分量；

根据当前用户的内容品质，在所述候选用户集合的所有用户中的排名，得到当前用户的第二融合分量；

计算第一融合分量和第二融合分量的和值，得到所述当前用户的下一级用户的提取优先级。