[發明專利]基于社交內容的用戶分組方法

在審

• 申請號: 201510920679.0
• 申請日: 2015-12-11
• 公開（公告）號: CN105512301A
• 公開（公告）日: 2016-04-20
• 發明（設計）人: 董政;吳文杰;陳露;李學生
• 申請（專利權）人: 成都陌云科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q50/00
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 郭霞

1.一種基于社交內容的用戶分組方法，其特征在于，包括：

對社交網站服務器上的用戶信息和社交內容進行采集，基于所采集的內容 來識別特定用戶群體。

2.根據權利要求1所述的方法，其特征在于，所述對社交網站服務器上的 用戶信息和社交內容進行采集，進一步包括：

通過數據采集系統進行數據采集，其中采集的數據包括用戶信息，其包括 用戶ID、用戶名；文本數據，其包括會話ID、會話文本，以及關系數據，包括 關注列表與關注者列表；所述數據采集系統通過主控線程進行權限認證、程序 初始化、種子節點讀取、過濾、數據庫操作；所述數據獲取線程借助API開放 接口進行數據采集，采集過程包括接口請求、json數據解析、指針更新，最終返 回給主控線程總數據列表；采用二進制向量和一系列隨機映射函數完成去冗余 計算；為抓取種子ID列表、用戶ID列表、關系列表、會話ID分別添加去冗余 函數，種子列表，抓取用戶列表、社交列表均以其唯一標識ID進行，而關系的 格式將兩個用戶的ID組合到一起，并通過前者為被關注，后者為前者的關注者 的順序區分兩者的先后順序；提取種子ID時，多線程對數據庫的操作添加互斥 鎖；為每個線程分配抓取任務，為每個線程令牌資源庫進行區分式排列組合； 并為每個線程單獨設置一個斷點文件，記錄抓取的位置；將數據庫連接、關閉、 查詢、增加、刪除操作進行統一管理，抓取對象的ID首先由人工方式輸入至文 件，每次開始抓取任務之前都加載一遍優先級文件；在分任務處理中在抓取對 象上，為每個線程制定特定的抓取任務，從用戶信息獲取、文本獲取、關系獲 取中選取的一個或多個處理目標；通過控制線程的數量，或調整API請求后獲 取的數據量兩種方式之一來從調節采集速度；

利用數據結構對會話過程進行描述；將參與會話的用戶以關系連接在一 起，構建成基于單個事件的群體；最后在社交關系拓撲中采用節點衡量指標識 別強關系群體中的節點，最后以樹形的層級結構將該事件存儲至文件；其中所 述強關系群體具體定義為，如果已知群體α滿足：對于群體α內的每個用戶節點i， 均滿足i與群體α內節點構成的節點數量大于該節點與群體α外節點構成的節點 數量，則群體α被稱為強關系群體。