[发明专利]社交网络的信息收集方法及信息收集装置

说明书

本发明提供了社交网络的信息收集方法及信息收集装置。本发明利用社交网络用户之间的内在联系，选择出待提取的用户，并根据用户的提取优先级，优先提取价值较高的用户发布的内容，从而提高了社交网络的信息收集效率。

技术领域

本发明涉及网络内容收集技术领域，具体涉及一种社交网络的信息收集方法及信息收集装置。

背景技术

社交网络已深入到人们的日常生活中，社交网络的形式多种多样，例如各种微博平台。微博是一种基于用户关系的信息分享、传播以及获取的平台。用户可以通过WEB、WAP等各种客户端组建个人社区，在个人社区上发布文字、图片或视频等内容进行信息更新，并实现即时分享。微博平台的用户A可以通过关注用户B，成为该用户B的粉丝，以及时获得用户B的信息更新。

微博作为广泛使用的社交网络，其所包含的海量数据对于很多应用场景都有重大的意义。为了获取上述数据，可以通过网络爬虫来收集微博网站中的信息。然而，微博用户的数量和微博平台上的数据都十分庞大，现有的信息收集方法收集数据所需要的时间过长，因此亟需一种能够提高信息收集的效率的方案。

发明内容

本发明实施例要解决的技术问题是提供一种社交网络的信息收集方法及信息收集装置，更为准确和更为快速的从社交网络上收集所需要的信息。

根据本发明实施例的一个方面，提供了一种社交网络的信息收集方法，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。

根据本发明实施例的一个方面，上述信息收集方法中，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。

根据本发明实施例的一个方面，上述信息收集方法中，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，得到当前用户的标签品质；

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，得到当前用户的内容品质；

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。

根据本发明实施例的一个方面，上述信息收集方法中，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；