[发明专利]一种采集微博内容的方法及设备

权利要求书

1.一种采集微博内容的方法，包括：

采集微博用户库中预先选定的微博用户的微博内容和微博参数；

根据采集到的微博内容和微博参数，提取出与微博热点话题相关的热门关键词或热门关键词组；

根据提取到的所述热门关键词或热门关键词组，按照预先设定的采集频率采集与所述热门关键词或热门关键词组相关的微博内容；

其中，所述根据采集到的微博内容和微博参数，提取出与微博热点话题相关的热门关键词或热门关键词组步骤包括：

根据采集到的所述微博内容和微博参数，按照预先设定的微博类别对所述微博内容进行分类处理；

对各个微博类别下的微博内容进行微博热点话题处理，得到各个微博类别下与微博热点话题相关的微博内容；

对各个微博类别下的与微博热点话题相关的微博内容分别进行分词处理，提取出各个微博类别下的与微博热点话题相关的热门关键词或热门关键词组。

2.根据权利要求1所述的方法，其中，在按照预先设定的采集频率采集与所述热门关键词或热门关键词组相关的微博内容的步骤之后，所述方法还包括：

采集发布和/或转发与所述热门关键词或热门关键词组相关的微博内容的微博用户；

将采集到的微博用户更新到微博用户库中，并将采集到的微博用户的选定状态标识为选定。

3.根据权利要求1或2所述的方法，其中，所述方法还包括：

判断所述微博用户库中预先选定的微博用户是否符合预定义的条件；

如果所述预先选定的微博用户不符合预定义的条件，则将所述微博用户库中预先选定的微博用户的选定状态标识为非选定；

如果所述预先选定的微博用户符合预定义的条件，则保持所述微博用户库中预先选定的微博用户的选定状态不变。

4.根据权利要求3所述的方法，其中，所述判断所述微博用户库中预先选定的微博用户是否符合预定义的条件的步骤包括：

判断所述微博用户库中微博用户是否为恶意注册用户，如果所述预先选定的微博用户为恶意注册用户，则判断结果为所述预先选定的微博用户不符合预定义的条件，如果所述预先选定的微博用户不是恶意注册用户，则判断结果为所述预先选定的微博用户符合预定义的条件；和/或者

判断所述微博用户库中的预先选定的微博用户的活跃度是否低于预先设定的活跃度阈值，如果所述微博用户的活跃度低于预先设定的活跃度阈值，则判断结果为所述预先选定的微博用户不符合预定义的条件；如果所述微博用户的活跃度不低于预先设定的活跃度阈值，则判断结果为所述预先选定的微博用户符合预定义的条件；

其中，所述活跃度包括：微博用户发布或转发微博的频率、微博用户的连续登录时间和微博用户的当天在线时间中的任意一种或多种组合。

5.根据权利要求4所述的方法，其中，所述判断所述微博用户库中微博用户是否为恶意注册用户的步骤包括：

判断所述微博用户的用户评分值是否低于预先设定的恶意注册评分值；

如果所述微博用户的用户评分值低于预先设定的恶意注册评分值，则判断结果为所述微博用户是恶意注册用户；

如果所述微博用户的用户评分值不低于预先设定的恶意注册评分值，则判断结果为所述微博用户不是恶意注册用户。

6.根据权利要求5所述的方法，其中，所述用户评分值基于微博用户关注的用户数、微博用户的粉丝数和微博用户发布的微博数计算得到。

7.根据权利要求1或2所述的方法，其中，所述采集预先选定的微博用户的微博内容和微博参数的步骤为：

通过微博网站的应用程序编程接口采集所述微博用户库中预先选定的微博用户的微博内容和微博参数。

8.根据权利要求1或2所述的方法，其中，所述微博参数包括：微博用户的属性信息、微博的总转发次数、微博的总评论次数、微博认证用户的转发次数、和微博认证用户的评论次数中的任意一种或多种组合。

9.一种采集微博内容的设备，包括：

第一采集模块，用于采集预先选定的微博用户的微博内容和微博参数；

提取模块，用于根据采集到的微博内容和微博参数，提取出与微博热点话题相关的热门关键词或热门关键词组；

第二采集模块，用于根据提取到的所述热门关键词或热门关键词组，按照预先设定的采集频率采集与所述热门关键词或热门关键词组相关的微博内容；

所述提取模块包括：分类单元，用于根据采集到的所述微博内容和微博参数，按照预先设定的微博类别对所述微博内容进行分类处理；热点话题处理单元，用于对各个微博类别下的微博内容进行微博热点话题处理，得到各个微博类别下与微博热点话题相关的微博内容；提取单元，用于对各个微博类别下的与微博热点话题相关的微博内容分别进行分词处理，提取出各个微博类别下的与微博热点话题相关的热门关键词或热门关键词组。