[发明专利]一种面向微博的用户信息采集方法、信息数据处理终端

说明书

本发明属于数据识别及数据表示技术领域，公开了一种面向微博的用户信息采集方法、信息数据处理终端，所述面向微博的用户信息采集方法从任意一个微博用户的URL进入，获取与用户有关的其他用户，并记录各用户的URL，通过聚类把相似微博用户的信息获取出来，然后用户信息评价优先获取较高得分的用户信息，依次进行完成所有微博用户信息的提取。本发明采用优先分层获取原则，得分较高的用户优先获取，然后把不同层级的用户依次获取，该方法获取速度较快，而且获取效率较高，获取信息较为全面。本发明可以快速的获取不同用户的相同信息，以便研究信息的价值。根据聚类特点，可以快速的对某些类别的用户信息进行信息汇总，以便扩大信息总量。

技术领域

本发明属于数据识别及数据表示技术领域，尤其涉及一种面向微博的用户信息采集方法、信息数据处理终端。

背景技术

目前，业内常用的现有技术是这样的：微博用户信息主要指微博的用户名，即进入微博个人主页后左上角的微博昵称。在微博平台上，通过搜索微博用户名便可以获取该微博的博主信息，因此提取微博用户信息十分重要。微博用户与用户之间通过关注、粉丝建立联系，实现信息交流互通，用户注册完信息后，可随时随地更新用户信息，可以转发分享他人信息。微博对人与人之间的信息交流做出了很大贡献，微博内容简介，主题鲜明，交互性较强，因此微博受到了越来越多用户的青睐。微博其使用用户数量庞大，信息更新速度较快，信息传播速度较快，用户想要根据自己的需求进行选择会花费大量的时间和精力去筛选。研究表明，微博重大事件疯狂传播时，各微博用户会快速地向各大网络平台转移，通过获取微博用户信息，便可很快知道一些重大事件的发生，因此提取微博用户信息对更快获取重大事件有重要意义。从理论研究的角度来看，微博用户之间有着密切的联系，因此从一个微博用户出发，把与该微博有关的其他微博用户信息一一获取出来，再根据已经获取的微博用户进行下一层微博用户获取，最后把所有微博用户获取出来.由于微博注册用户庞大，截止2017年9月，微博月活跃用户达3.6亿与2016年同期相比增长27％。目前对于微博用户信息数据获取过程的研究深度不够，而且微博每天更新速度较快，现有的微博信息获取技术并不能对微博用户信息较好的做出选择性获取，因此在对微博用户获取研究方面存在较大的改进空间。通过本方法可以对微博用户信息做选择性的获取，将相似性高的微博用户获取出来，而且对微博用户信息的获取较为全面。目前来看，对微博用户信息获取主要采用两种方法：一是针对不同类别用户(美食，新闻，娱乐)采用广度优先搜索策略，二是针对微博用户级别进行深度优先搜索策略。广度优先搜索获取速度较快，但不能将相似的微博用户信息获取出来，即获取目标不明确。深度优先搜索获取较为全面，但微博用户的网页结构比较深时，搜索时会跳不出当前搜索导致搜索中断，即获取效率较低。由于微博用户量比较大而且用户与用户之间存在着密切联系，因此可以采用最佳优先搜索策略对微博的数据进行有效获取。

综上所述，现有技术存在的问题是：目前对于微博用户信息数据获取过程的研究深度不够，如获取覆盖率不高，获取目标不明确，获取效率较低。

解决上述技术问题的难度和意义：随着我国正处经济发展的关键时期，信息互通及信息有效传播可以刺激居民消费，进而促进当前社会经济的迅速发展，通过获取微博用户的信息，便可以在用户和用户之间建立更多的联系。

发明内容

针对现有技术存在的问题，本发明提供了一种面向微博的用户信息采集方法、信息数据处理终端。

本发明的不同之处在于获取策略的选择方面：将任意两个微博用户X和Y之间的相似性计算出来，进而从相似性较高的微博用户出发依次获取，直到获取所有的微博用户信息。

本发明是这样实现的，一种面向微博的用户信息采集方法，所述面向微博的用户信息采集方法从任意一个微博用户的URL进入，获取与用户有关的其他用户，并记录各用户的URL，通过聚类把相似微博用户的信息获取出来，然后用户信息评价优先获取较高得分的用户信息，依次进行完成所有微博用户信息的提取。