社交网络人际关系的分析方法及装置与流程

本发明涉及计算机网络领域，尤其涉及一种社交网络人际关系的分析方法及装置。

背景技术：

社交网络(socialnetworkservices)即社会性网络服务，专指旨在帮助人们(一群拥有相同兴趣与活动的人)建立社会性网络的互联网应用服务。这类服务往往是基于互联网，为用户提供各种互相联系、交流的方式，比如电子邮件、即时消息服务qq、微博、微信等等。在国内，代表性的社交网络之一是微博，其已经成为目前国内最具影响力的社交平台之一，微博的用户之间的网络关系主要包括微博用户的粉丝信息和/或目标微博用户的关注用户信息，其中粉丝是在微博里对某一微博用户保持持续关注的用户群体。

目前，现有的获取微博网络关系的方法，缺少更丰富维度的分析，因此获得的关系仅限于低层次的认识与否。

技术实现要素：

本发明实施例的目的是提供一种社交网络人际关系的分析方法及装置，能有效解决现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

为实现上述目的，本发明实施例提供了一种社交网络人际关系的分析方法，包括步骤：

采集微博用户的数据；其中，所述微博用户的数据包括所述微博用户的基本信息、交互内容和发表内容；

根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图；

分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图；

将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次。

与现有技术相比，本发明公开的社交网络人际关系的分析方法通过先采集微博用户的数据，再根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图，然后分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图，接着将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次，解决了现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

作为上述方案的改进，，将所述发表内容进行情感感知识别获得情感值具体为：

分析所述微博用户的发表内容，抽取参与的主要话题，并获取正负面词集；

分析所述微博用户对每一主要话题的主观情感集；

根据所述正负面词集和主观情感集获得情感值。

作为上述方案的改进，还包括步骤：

通过线下关系挖掘修正所述微博用户的关系层次。

作为上述方案的改进，采集微博用户的数据具体为：利用大规模并行技术采集所述微博用户的数据。

作为上述方案的改进，根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络具体为：

根据所述微博用户的资料属性、关注信息、粉丝信息、提及信息、转发信息和评论信息获取所述微博用户的初级关系网络。

作为上述方案的改进，根据所述交互内容获得互动频率和互动亲密度具体为：

根据所述交互内容中的交互次数获得所述互动频率，根据所述交互内容涉及的字数获得所述互动亲密度。

作为上述方案的改进，所述微博用户的关系层次包括交流密度，线下是否密友、关系级别。

本发明实施例还提供了一种社交网络人际关系的分析装置，包括：

采集模块，用于采集微博用户的数据；其中，所述微博用户的数据包括所述微博用户的基本信息、交互内容和发表内容；

初级关系网络获取模块，用于根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图；

加权权重获取模块，用于分析所述交互内容获得互动频率和互动亲密度，基于所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图；

关系层次获取模块，用于将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次。

与现有技术相比，本发明公开的社交网络人际关系的分析装置通过采集模块先采集微博用户的数据，再通过初级关系网络获取模块根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图，然后通过加权权重获取模块分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图，接着通过关系层次获取模块将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次，解决了现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

作为上述方案的改进，所述微博用户的关系层次包括交流密度，线下是否密友、关系级别。

作为上述方案的改进，所述采集模块利用大规模并行技术采集所述微博用户的数据。

附图说明

图1是本发明实施例1中一种社交网络人际关系的分析方法的流程示意图。

图2是本发明实施例1中步骤s4的具体流程示意图。

图3是本发明实施例2中一种社交网络人际关系的分析方法的流程示意图。

图4是本发明实施例3中一种社交网络人际关系的分析装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，是本发明实施例1提供的一种社交网络人际关系的分析方法的流程示意图，包括步骤：

s1、采集微博用户的数据；其中，所述微博用户的数据包括所述微博用户的基本信息、交互内容和发表内容；

其中，可利用大规模并行技术采集所述微博用户的数据，包括微博用户的资料、关注粉丝、评论转发内容，数据量每日可超过千万级。

s2、根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图；

在该步骤中，可根据所述微博用户的资料属性、关注信息、粉丝信息、提及信息、转发信息和评论信息获取所述微博用户的初级关系网络。

s3、分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图；

s4、将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次。

具体实施时，通过先采集微博用户的数据，再根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图，然后分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图，接着将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次，解决了现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

优选地，所述微博用户的关系层次包括交流密度，线下是否密友、关系级别。

其中，如图2所示，步骤s4中将所述发表内容进行情感感知识别获得情感值具体为：

s41、分析所述微博用户的发表内容，抽取参与的主要话题，并获取正负面词集；

s42、分析所述微博用户对每一主要话题的主观情感集；

s43、根据所述正负面词集和主观情感集获得情感值。

通过上述的步骤，可将微博用户的情感量化，从而可结合加权连通图进行整合生成所述微博用户的关系层次。

在另一实施例中，如图3所示，在实施例1的基础上，还包括步骤：

s5、通过线下关系挖掘修正所述微博用户的关系层次。

通过该方案可获得更真实准确的人际关系，避免了现有技术只根据线上关系来分析而忽略线下关系的情况，具体为避免了关系网中漏掉线下关系亲密而线上不互动的情况。

参见图4，本发明实施例还对应提供了一种社交网络人际关系的分析装置，包括：

采集模块101，用于采集微博用户的数据；其中，所述微博用户的数据包括所述微博用户的基本信息、交互内容和发表内容；

初级关系网络获取模块102，用于根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图；

加权权重获取模块103，用于分析所述交互内容获得互动频率和互动亲密度，基于所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图；

关系层次获取模块104，用于将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次。

其中，所述微博用户的关系层次包括交流密度，线下是否密友、关系级别。

具体实施时，通过采集模块101先采集微博用户的数据，再通过初级关系网络获取模块102根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图，然后通过加权权重获取模块103分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图，接着通过关系层次获取模块104将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次，解决了现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

所述采集模块利用大规模并行技术采集所述微博用户的数据，大规模并行技术能提高计算机的处理速度，利于处理微博用户的大数据。

综上，本发明公开了社交网络人际关系的分析方法通过先采集微博用户的数据，再根据所述微博用户的基本信息和交互内容获取所述微博用户的初级关系网络，基于所述初级关系网络生成有向连通图，然后分析所述交互内容获得互动频率和互动亲密度，根据所述互动频率和互动亲密度获得所述有向连通图中的加权权重，从而生成有向加权连通图，接着将所述发表内容进行情感感知识别获得情感值，根据所述有向加权连通图和情感值，通过概率转移模型获得所述微博用户的关系层次，解决了现有技术获得的关系层次低的问题，能获得更丰富的人际关系。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。