[发明专利]一种网络论坛小群体确定方法及系统

说明书

本发明公开了一种网络论坛小群体确定方法及系统。该方法包括：从多个目标网络论坛中获取每个目标网络论坛中的目标网络论坛文本；提取每个目标网络论坛文本的发帖作者的用户名以及所有跟帖的作者的用户名，得到用户成员集合；将用户成员集合按预设阈值进行组合，得到多组用户成员集合组；在每个用户成员集合组中获取所有用户成员集合中相同的用户成员；在每个用户成员集合组中判断相同的用户成员的个数是否大于预设的用户成员个数；若大于预设的用户成员个数，则将相同的用户成员构成的集合确定为网络论坛小群体。本发明能够有效地确定不存在紧密跟帖行为的网络论坛用户间的伴随关系，大大提高网络论坛小群体确定的准确率和完备性。

技术领域

本发明涉及网络信息安全技术领域，特别是涉及一种网络论坛小群体确定方法及系统。

背景技术

网络论坛小群体，也称为凝聚子群，指网络论坛中活跃的一组用户的集合，集合内用户以较高的频率针对特定话题开展讨论，并产生某种影响力，如成功营造话题讨论热点、用户互动中产生新的高价值知识等。而发现网络论坛小群体用户成员，是网络舆情管理与干预，尤其是网络论坛敏感信息管控的前提条件。因此，确定网络论坛小群体变得尤为重要。

当前，在论坛用户的关系网络基础上提取和确定网络小群体，主要包括以下四种形式化处理角度：关系的互惠性；子群成员之间的接近性或者可达性；子群内部成员之间关系的频次；子群内部成员之间的关系密度相对于内、外部成员之间的关系的密度。上述四种形式化处理角度体现了小群体发现过程所依据的网络属性，对应的小群体提取方法主要包括派系、n-派系、n-宗派、k-丛、k-核等。考虑到n-宗派、k-丛、k-核方法会使得各个子群之间不存在重复的成员，而这与现实中网络论坛成员的跨群体现象相矛盾，因此在网络论坛成员间小群体的分析中主要采用的是派系、n-派系分析方法。

利用派系、n-派系分析方法确定论坛小群体，具体包括以下步骤：(1)提取网络论坛中用户的发帖和跟帖数据；(2)根据用户间的发帖和跟帖行为，提取用户间的交流频次；(3)依据网络论坛用户间交流关系建立整体网；(4)依据设定的规则提取派系或n-派系，其中，如果提取派系，则派系的搜索规则为“至少包含三个点的最大完备子图”；如果提取n-派系，则n-派系的搜索规则为“任一n-派系中用户之间在整体网中的距离最大不超过n”；(4)提取派系或n-派系中的用户成员，即为网络论坛小群体。

目前采用的派系、n-派系分析方法来确定论坛小群体，通过对用户发帖、跟帖行为频率的统计与分析，确定论坛小群体成员，其只能将具有紧密跟帖行为的网络论坛用户确定为论坛小群体成员，而不能将同时活跃在某一特定主题中，但不发生直接的跟帖关系的成员确定为论坛小群体成员，这就导致了论坛小群体成员的遗漏，使得确定的论坛小群体的准确性和完备性不高。

发明内容

基于此，有必要提供一种网络论坛小群体确定方法及系统，以能提高论坛小群体确定的准确性和完备性。

为实现上述目的，本发明提供了如下方案：

一种网络论坛小群体确定方法，所述方法包括：

从多个目标网络论坛中获取每个所述目标网络论坛中的目标网络论坛文本，每个所述目标网络论坛文本均包括发帖时间、发帖题目、发帖作者、所述发帖的所有跟帖以及所述所有跟帖的作者；

提取每个所述目标网络论坛文本的所述发帖作者的用户名以及所述所有跟帖的作者的用户名，得到多个用户成员，所述多个用户成员构成每个所述目标网络论坛文本的用户成员集合；

将所述用户成员集合按预设阈值进行组合，得到多组用户成员集合组，所述预设阈值为每个所述用户成员集合组中的所述用户成员集合的个数，所述预设阈值大于或等于2；

在每个用户成员集合组中获取所有用户成员集合中相同的用户成员；

在每个用户成员集合组中判断所述相同的用户成员的个数是否大于预设的用户成员个数，所述预设的用户成员个数大于或等于2；