[发明专利]一种基于爬虫的弹幕播报分析方法

说明书

本发明属于数据挖掘和语音识别技术领域，具体涉及一种基于爬虫的弹幕播报分析方法。该方法通过分析直播源的弹幕消息传输协议，采用爬虫采集弹幕并将数据推送至消息队列，然后本地轮询接收消息队列数据并进行语音转换和存储，按序读取语音文件进行语音播报，最后通过数据挖掘算法对存储数据进行分析，实现实时监控弹幕并播报，提高直播热度和直播场景中的互动性，同时还能分析用户画像、直播热点和舆情演化，提高直播内容和运营策略的优化。

技术领域

本发明属于数据挖掘和语音识别技术领域，具体涉及一种基于爬虫的弹幕播报分析方法。

背景技术

弹幕指直接显现在视频上的评论，是观看视频的人发送的简短评论。然而目前在进行游戏直播、手机直播或者虚拟主播直播的时候，由于弹幕播放比较迅速，主播无法高效的参与弹幕互动。另外由于现有方法为对直播中的数据流进行统计，无法根据直播时的用户舆情去优化直播策略。

发明内容

针对目前直播中的数据流无法进行统计，无法根据直播时的用户舆情去优化直播策略的缺陷和问题，本发明提供一种基于爬虫的弹幕播报分析方法。

本发明解决其技术问题所采用的方案是：一种基于爬虫的弹幕播报分析方法，其特征在于：包括以下步骤：

步骤一、选择直播平台，准备抓包工具，打开平台网页或APP向直播源发起请求，查看弹幕数据的响应内容，从数据包提取出消息传输协议类型；

步骤二、通过爬虫采集弹幕并将数据推送至消息列队；

步骤三、本地轮询接收消息队列数据并进行语音转换和存储；

步骤四、按需读取文件并进行语音播报；

步骤五、提取出指定时间段的弹幕数据，通过数据挖掘算法对用户画像、直播热点以及舆情演化进行分析。

上述的基于爬虫的弹幕播报分析方法，步骤二中通过爬虫采集弹幕并将数据推送推送至消息列队，具体步骤为：

（1）先创建一个消息队列接收和推送弹幕数据；

（2）根据获得的数据包信息，通过编程语言构建出相同的请求报文；

（3）通过编程语言的请求库向服务端发起模拟请求；

（4）接收服务端返回的响应信息，构建解析规则从中提取出每一条弹幕文字信息；

（5）将每一条弹幕推送到消息队列中，等待服务端接收。

上述的基于爬虫的弹幕播报分析方法，步骤（2）中所述编程语言为Python语言、java语言、go语言的任一种，其中Python语言可以使用requests请求库，java语言可以使用httpclient请求库，go语言可以使用req请求库。

上述的基于爬虫的弹幕播报分析方法，步骤三本地轮询接收消息队列数据并进行语音转换和存储的方法为：

（1）在本地创建一个接收消息队列中数据的服务；

（2）等待消息队列推送数据，对接收到的弹幕数据进行清洗并标注上当前时间戳，标注后的数据存储到数据库中等待后续分析；

（3）把每一条弹幕信息分别进行文字语音转换；

（4）根据标注的时间戳按序生成本地语音文件。

上述的基于爬虫的弹幕播报分析方法，步骤（2）中对弹幕数据进行清洗是根据自定义的风险词典，过滤掉包含风险词汇的弹幕；同时根据清洗规则过滤掉一些噪音数据。

上述的基于爬虫的弹幕播报分析方法，步骤（2）中对弹幕数据进行标注是根据消息队列的推送时间对弹幕信息进行标注，以时间戳为标注信息。