[发明专利]一种基于多策略的微博信息优先采集方法

摘要

本发明涉及一种基于多策略的微博信息优先采集方法，在采集能力有限的情况下，通过构建多策略的优先采集方法，能够及时有效的获取到博主的信息。首先，通过构建分类模型对博主进行筛选，剔除掉垃圾博主，并根据微博数量和粉丝数量将剩余博主分为三大类。其次，针对不同类别，构建不同的采集策略。通过将大V博主的发博时间聚类，提取大V博主的最佳采集时间；通过博主的微博统计量，训练回归模型并预测博主的活跃度值，根据活跃度值将博主排序。最后，综合三大类的采集策略设计出了多策略的微博优先采集方法，并通过定期更新采集队列保持采集策略的时效性。实验表明本发明不仅可以及时有效的获取热点微博信息，且使得采集数量得到很大的提升。