[发明专利]一种采集微博内容的方法及设备

说明书

本发明公开了一种采集微博内容的方法及设备，其中该方法包括：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热门关键词或热门关键词组相关的微博内容，通过本发明的实施例能够有效提高采集与微博热点话题相关的微博内容的效率。

技术领域

本发明属于计算机技术领域，尤其涉及一种采集微博内容的方法及设备。

背景技术

随着时代的发展和进步，像“微博”这种社交服务平台应运而生，并逐渐渗透到社会的各个方面。微博以其短小快捷的独特魅力迅速吸引了大量用户，引发微博议事浪潮。跟其他信息传播方式相比，微博有其独到之处。首先，它能更快速地发布和传播信息。由于字数的限制，微博发布的内容短小精悍。第二，微博可以允许任何人或指定人群阅读、回复、转发，实现了一对多、多对多的传播。第三，微博的传播效果更为显著。短小精悍的信息在达到受众层面时，不会耗费太多的时间去理解，内容的简易使其更容易被接受。第四，微博具有实时交互传播的特性。

与传统互联网信息抓取不同，微博内容抓取要求有更高的时效性。目前常用的抓取方式是，注册一批僵尸用户，通过这些僵尸用户关注一批质量比较的微博用户，然后不断抓取这批微博用户的微博内容，同时这些僵尸用户自身也会发表或转发一些微博内容，其中充斥大量无用或广告等内容，因此使得在微博中传播的内容非常之多，如何从中找到高质量微博内容是一个很大的难题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的采集微博内容的方法及设备。

依据本发明的一个方面，提供了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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；