[发明专利]社交网络人际关系的分析方法及装置

说明书

技术领域

本发明涉及计算机网络领域，尤其涉及一种社交网络人际关系的分析方法及装置。

背景技术

社交网络(Soc i a l Network Servi ces)即社会性网络服务，专指旨在帮助人们(一群拥有相同兴趣与活动的人)建立社会性网络的互联网应用服务。这类服务往往是基于互联网，为用户提供各种互相联系、交流的方式，比如电子邮件、即时消息服务QQ、微博、微信等等。在国内，代表性的社交网络之一是微博，其已经成为目前国内最具影响力的社交平台之一，微博的用户之间的网络关系主要包括微博用户的粉丝信息和/或目标微博用户的关注用户信息，其中粉丝是在微博里对某一微博用户保持持续关注的用户群体。

目前，现有的获取微博网络关系的方法，缺少更丰富维度的分析，因此获得的关系仅限于低层次的认识与否。

发明内容

本发明实施例的目的是提供一种社交网络人际关系的分析方法及装置，能有效解决现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

为实现上述目的，本发明实施例提供了一种社交网络人际关系的分析方法，包括步骤：

采集微博用户的数据；其中，所述微博用户的数据包括所述微博用户的基本信息、交互内容和发表内容；

根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图；

分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图；

将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次。

与现有技术相比，本发明公开的社交网络人际关系的分析方法通过先采集微博用户的数据，再根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图，然后分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图，接着将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次，解决了现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

作为上述方案的改进，，将所述发表内容进行情感感知识别获得情感值具体为：

分析所述微博用户的发表内容，抽取参与的主要话题，并获取正负面词集；

分析所述微博用户对每一主要话题的主观情感集；

根据所述正负面词集和主观情感集获得情感值。

作为上述方案的改进，还包括步骤：

通过线下关系挖掘修正所述微博用户的关系层次。

作为上述方案的改进，采集微博用户的数据具体为：利用大规模并行技术采集所述微博用户的数据。

作为上述方案的改进，根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络具体为：

根据所述微博用户的资料属性、关注信息、粉丝信息、提及信息、转发信息和评论信息获取所述微博用户的初级关系网络。

作为上述方案的改进，根据所述交互内容获得互动频率和互动亲密度具体为：

根据所述交互内容中的交互次数获得所述互动频率，根据所述交互内容涉及的字数获得所述互动亲密度。

作为上述方案的改进，所述微博用户的关系层次包括交流密度，线下是否密友、关系级别。

本发明实施例还提供了一种社交网络人际关系的分析装置，包括：

采集模块，用于采集微博用户的数据；其中，所述微博用户的数据包括所述微博用户的基本信息、交互内容和发表内容；

初级关系网络获取模块，用于根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图；

加权权重获取模块，用于分析所述交互内容获得互动频率和互动亲密度，基于所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图；

关系层次获取模块，用于将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次。