[發(fā)明專利]微博數(shù)據(jù)的傳播路徑確定方法和裝置

有效

• 申請?zhí)枺?/td>: 201610162128.7
• 申請日: 2016-03-21
• 公開（公告）號: CN107222381B
• 公開（公告）日: 2020-03-06
• 發(fā)明（設計）人: 王文文;楊建武;趙增峰;鄭孫雷
• 申請（專利權）人: 北大方正集團有限公司;北京大學;北京北大方正電子有限公司
• 主分類號: H04L12/58
• 分類號: H04L12/58;H04L12/751
• 代理公司: 北京同立鈞成知識產(chǎn)權代理有限公司 11205
• 代理人: 陶敏;劉芳

1.一種微博數(shù)據(jù)的傳播路徑確定方法，其特征在于，包括：

采集微博數(shù)據(jù)；所述微博數(shù)據(jù)包括：所述微博數(shù)據(jù)的內容信息、所述微博數(shù)據(jù)的屬性信息；其中，所述微博數(shù)據(jù)的屬性信息包括：所述微博數(shù)據(jù)的發(fā)布者標識、與所述微博數(shù)據(jù)的內容信息唯一對應的內容標識；

對采集得到的每一條所述微博數(shù)據(jù)進行解析，在每一條所述微博數(shù)據(jù)的內容信息中確定所述微博數(shù)據(jù)中是否包含有轉發(fā)的微博數(shù)據(jù)；

獲取所述轉發(fā)的微博數(shù)據(jù)的原創(chuàng)者標識，獲取與所述轉發(fā)的微博數(shù)據(jù)的內容信息唯一對應的原創(chuàng)內容標識；在所述微博數(shù)據(jù)的內容信息中確定是否存在從所述發(fā)布者標識到所述原創(chuàng)者標識之間的轉發(fā)用戶標識，形成轉發(fā)關系鏈；

根據(jù)所述原創(chuàng)內容標識，在所有所述微博數(shù)據(jù)中，確定與所述原創(chuàng)內容標識對應的所有所述轉發(fā)關系鏈；

對每個所述原創(chuàng)內容標識對應的所有所述轉發(fā)關系鏈進行去重操作，得到每個所述原創(chuàng)內容標識各自對應的微博數(shù)據(jù)的傳播路徑；

其中，所述在所述微博數(shù)據(jù)的內容信息中確定是否存在從所述發(fā)布者標識到所述原創(chuàng)者標識之間的轉發(fā)用戶標識，形成轉發(fā)關系鏈，包括：

在所述微博數(shù)據(jù)的內容信息中確定是否存在從所述發(fā)布者標識到所述原創(chuàng)者標識之間的轉發(fā)用戶標識；

若存在，根據(jù)所述轉發(fā)用戶標識排列的先后順序形成轉發(fā)序列，將所述原創(chuàng)者標識設置在所述轉發(fā)序列的起始位置，將所述發(fā)布者標識設置在所述轉發(fā)序列的終止位置，形成所述轉發(fā)關系鏈；

若不存在，形成僅包含從所述原創(chuàng)者標識到所述發(fā)布者標識的所述轉發(fā)關系鏈。

2.根據(jù)權利要求1所述的方法，其特征在于，在所述微博數(shù)據(jù)的內容信息中確定是否存在從所述發(fā)布者標識到所述原創(chuàng)者標識之間的轉發(fā)用戶標識，包括：

在所述微博數(shù)據(jù)的內容信息中定位文本編輯字段；

在所述文本編輯字段中，確定是否存在轉發(fā)標志；

若存在，提取所述轉發(fā)標志所標識的所述轉發(fā)用戶標識。

3.根據(jù)權利要求1或2所述的方法，其特征在于，所述微博數(shù)據(jù)的屬性信息還包括：

所述微博數(shù)據(jù)的發(fā)布時間、所述微博數(shù)據(jù)的來源網(wǎng)站、所述微博數(shù)據(jù)的URL；

相應的，所述對采集得到的每一條所述微博數(shù)據(jù)進行解析之前，還包括：

根據(jù)所述微博數(shù)據(jù)的發(fā)布時間、所述微博數(shù)據(jù)的來源網(wǎng)站、所述微博數(shù)據(jù)的URL中的至少一項，對采集得到的所述微博數(shù)據(jù)進行分類及排序；

所述對采集得到的每一條所述微博數(shù)據(jù)進行解析，包括：

根據(jù)所述分類及排序后的先后順序，逐一對采集得到所述微博數(shù)據(jù)進行解析。

4.根據(jù)權利要求1所述的方法，其特征在于，所述對每個所述原創(chuàng)內容標識對應的所有所述轉發(fā)關系鏈進行去重操作，得到每個所述原創(chuàng)內容標識各自對應的微博數(shù)據(jù)的傳播路徑，包括：

將每個所述原創(chuàng)內容標識對應的所有所述轉發(fā)關系鏈兩兩比對，去除從所述轉發(fā)關系鏈中的首位開始，每個轉發(fā)用戶標識及每個轉發(fā)用戶標識的排列先后順序完全被其他轉發(fā)關系鏈包含的轉發(fā)關系鏈。