[发明专利]一种社交媒体账号识别方法及系统在审
申请号: | 201910817167.X | 申请日: | 2019-08-30 |
公开(公告)号: | CN110688593A | 公开(公告)日: | 2020-01-14 |
发明(设计)人: | 陆夏根;朱世伟;魏墨济;于俊凤;李晨;李宪毅 | 申请(专利权)人: | 安徽芃睿科技有限公司 |
主分类号: | G06F16/955 | 分类号: | G06F16/955;G06F16/35;G06F16/33;G06F40/211;G06F40/253;G06F40/284;G06Q50/00 |
代理公司: | 37221 济南圣达知识产权代理有限公司 | 代理人: | 张庆骞 |
地址: | 230000 安*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 聚类 兴趣特征 话题 候选词汇 话题数据 主题特征 抽取 媒体数据源 聚类算法 页面解析 账号识别 切入点 社交网 映射 解析 挖掘 | ||
本公开提供社交媒体账号识别方法及系统。其中该方法包括以社交媒体数据源中解析出的种子URL为切入点,对页面解析出表单;抽取表单中的话题、所有候选词汇及其对应关系,得到话题数据源;采用K‑modes聚类算法对话题数据源中的数据进行聚类,得到聚类话题;从聚类话题对应的候选词汇中抽取聚类话题的主题特征,利用LSA方法将聚类话题的主题特征映射为元主题来描述社交媒体账号的兴趣特征;利用Apriori算法挖掘兴趣特征的表述规则,得到社交媒体账号的观点特征;利用社交媒体账号所属的社交网来描述社交媒体账号的社交特征;通过计算两个社交媒体账号的兴趣特征、观点特征和社交特征的相似性,来判断两个社交媒体账号是否为同一个账号。
技术领域
本公开属于多语种大数据处理领域,尤其涉及一种社交媒体账号识别方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
网络信息的特点为量大且类型多。发明人发现,在对社交媒体账号的话题进行实时监控时,一方面,话题数据源是否准确影响社交媒体账号监控的准确性;另一方面,由于网络信息量大,无法准确地监控敏感观点信息。
发明内容
为了解决上述问题,本公开提供一种社交媒体账号识别方法及系统,其能够在话题数据源准确的前提下,提高社交媒体账号识别的准确性。
为了实现上述目的,本公开采用如下技术方案:
本公开的第一方面提供一种社交媒体账号识别方法。
一种社交媒体账号识别方法,包括:
以社交媒体数据源中解析出的种子URL为切入点,对页面解析出表单;
抽取表单中的话题、所有候选词汇及其对应关系,得到话题数据源;其中,当表单中的本文为半格式化文本时,首先,分离含有种子词语的语句并为其构建语法树,使用POS方法标注种子词语及其上下文词性;其次,将句子表示成<词语,词性>二元组序列,同时将种子词语替换为标识符;再次,基于序列数据MFS-HT算法挖掘高置信度规则发现候选词汇;
采用K-modes聚类算法对话题数据源中的数据进行聚类,得到聚类话题;
从聚类话题对应的候选词汇中抽取聚类话题的主题特征,利用LSA方法将聚类话题的主题特征映射为元主题来描述社交媒体账号的兴趣特征;
利用Apriori算法挖掘兴趣特征的表述规则,得到社交媒体账号的观点特征;
利用社交媒体账号所属的社交网来描述社交媒体账号的社交特征;
通过计算两个社交媒体账号的兴趣特征、观点特征和社交特征的相似性,来判断两个社交媒体账号是否为同一个账号。
本公开的第二方面提供一种社交媒体账号识别系统。
一种社交媒体账号识别系统,包括:
表单解析模块,其用于以社交媒体数据源中解析出的种子URL为切入点,对页面解析出表单;
话题数据源获取模块,其用于抽取表单中的话题、所有候选词汇及其对应关系,得到话题数据源;其中,当表单中的本文为半格式化文本时,首先,分离含有种子词语的语句并为其构建语法树,使用POS方法标注种子词语及其上下文词性;其次,将句子表示成<词语,词性>二元组序列,同时将种子词语替换为标识符;再次,基于序列数据MFS-HT算法挖掘高置信度规则发现候选词汇;
聚类话题获取模块,其用于采用K-modes聚类算法对话题数据源中的数据进行聚类,得到聚类话题;
兴趣特征计算模块,其用于从聚类话题对应的候选词汇中抽取聚类话题的主题特征,利用LSA方法将聚类话题的主题特征映射为元主题来描述社交媒体账号的兴趣特征;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽芃睿科技有限公司,未经安徽芃睿科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910817167.X/2.html,转载请声明来源钻瓜专利网。