[發明專利]一種用于分析社交網絡信息的高質量信息獲取方法和系統

在審

• 申請號: 202010713830.4
• 申請日: 2020-07-22
• 公開（公告）號: CN111858674A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 于霄
• 申請（專利權）人: 北京宏博知微科技有限公司
• 主分類號: G06F16/2455
• 分類號: G06F16/2455;G06F16/9536;G06Q50/00
• 代理公司: 北京卓唐知識產權代理有限公司 11541
• 代理人: 卜榮麗

1.一種用于分析社交網絡信息的高質量信息獲取方法，其特征在于，包括如下步驟：

S1、預設數據流閥值和單信息重復閥值；

S2、根據數據流閥值和單信息重復閥值，獲取社交網絡信息數據流；

S3、對所獲取的社交網絡信息數據流進行特征量提取，并生成特征量集合；

S4、根據特征量集合，計算獲取社交網絡信息數據流的質量評分、重復規避評分和獨立評分；

S5、根據質量評分、重復規避評分和獨立評分，計算獲取社交網絡信息數據流的有效性評分，獲取高質量的社交網絡信息數據流。

2.如權利要求1所述的一種用于分析社交網絡信息的高質量信息獲取方法，其特征在于，所述預設數據流閥值和單信息重復閥值，具體為：

設定數據流閥值G，截取超過G值的社交網絡信息數據流；

設定單信息重復閥值β，過濾剔除超過β值的單信息重復數據流。

3.如權利要求1或2所述的一種用于分析社交網絡信息的高質量信息獲取方法，其特征在于，所述根據數據流閥值和單信息重復閥值，獲取社交網絡信息數據流，具體為：

截取超過G值的社交網絡信息數據流，根據所設定單信息重復閥值β，過濾剔除超過β值的重復數據流，留下滿足單信息狀態的社交網絡信息數據流；

其中，G范圍為大于或等于800的整數，β范圍為0-0.005；

獲取G個關于社交網絡信息的轉發及評論的記錄信息，記錄為P_k；

P_k表示第k個社交網絡信息的轉發及評論的記錄信息。

4.如權利要求3所述的一種用于分析社交網絡信息的高質量信息獲取方法，其特征在于，所述P_k包括對第k個社交網絡信息進行轉發及評論的用戶的id、用戶所評論的文字內容、用戶的關注總人數、用戶的粉絲總人數以及用戶自發布的社交網絡信息總量，分別記錄為id_k，ct_k，prg_k，prf_k，prw_k，記錄P_k＝{id_k，ct_k，prg_k，prf_k，prw_k}；

其中，k＝1，2，3......G。

5.如權利要求1或4所述的一種用于分析社交網絡信息的高質量信息獲取方法，其特征在于，所述對所獲取的社交網絡信息數據流進行特征量提取，并生成特征量集合，具體為：

提取k個記錄信息的特征量集合，記錄為PF_k(l)，所述PF_k(l)表示第k個轉發記錄的第l個特征量；

其中，l＝1，2，3，4；

所述PF_k(l)具體為：

根據獲取的G個關于社交網絡信息的轉發及評論的記錄信息，記錄G個記錄信息的特征量集合，記錄為PF_p，p＝1，2，3......G。

6.如權利要求5所述的一種用于分析社交網絡信息的高質量信息獲取方法，其特征在于，所述根據特征量集合，計算獲取社交網絡信息數據流的質量評分，具體為：

根據PF_p，對記錄信息進行質量判定，得出質量評分，記錄為Sc(p)，其中，p＝1，2，3......G；

計算P_k的質量得分，記錄為Sc(k)：

7.如權利要求6所述的一種用于分析社交網絡信息的高質量信息獲取方法，其特征在于，所述根據特征量集合，計算獲取社交網絡信息數據流的重復規避評分，具體為：

根據PF_p，以及用戶的id，對G個記錄信息進行重復規避判定，分析各記錄的重復規避評分，記錄為Ss(p)，其中，p＝1，2，3......G；

計算P_k的重復規避評分，記錄為Ss(k)：