CN108830735B - 一种线上人际关系分析方法与系统 - Google Patents
一种线上人际关系分析方法与系统 Download PDFInfo
- Publication number
- CN108830735B CN108830735B CN201711449528.7A CN201711449528A CN108830735B CN 108830735 B CN108830735 B CN 108830735B CN 201711449528 A CN201711449528 A CN 201711449528A CN 108830735 B CN108830735 B CN 108830735B
- Authority
- CN
- China
- Prior art keywords
- central
- relationship
- information
- character
- characters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 63
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 14
- 238000005065 mining Methods 0.000 claims description 14
- 230000002996 emotional effect Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000003012 network analysis Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 230000008451 emotion Effects 0.000 claims description 3
- 238000010225 co-occurrence analysis Methods 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种线上人际关系分析方法与系统,所述方法通过采集所述中心人物的微博信息;根据所述微博信息,查找与所述中心人物相关的相关人物,并获取所述中心人物与所述相关人物的亲密关系;从多个网站中采集所述中心人物与所述相关人物的多个人物关系;对所述多个人物关系进行分析整合,形成所述中心人物与所述相关人物之间的线下关系;采集与所述中心人物相关的共现信息;对所述共现信息进行共现分析,获取所述中心人物与所述相关人物的共现关系;根据所述中心人物与所述相关人物的亲密关系、线下关系以及共现关系,生成所述中心人物的人际网络图。所述线上人际关系分析方法能够多层次分析人物关系,获取全面和准确的人际关系网络。
Description
技术领域
本发明涉及自然语言处理技术领域,具体涉及一种线上人际关系分析方法 与系统。
背景技术
随着互联网技术的发展,尤其是基于互联网的各种社交媒体的发展。目前 针对社会关系网络的研究已逐渐成为当下的热点,各种互联网产品对人物间的 关系信息的需求不断增加。尤其是构建社会关系网络时,人物之间的关系的抽 取则成为其构建的首要基础。人物关系抽取是一种重要的知识获取手段,是指 从文本中提取出两个人物实体之间所存在的语义关系。
但是,目前现有技术采用的人物抽取方法只能对文本进行硬性的量化处理, 不能多层次分析人物关系,比如人物的线下关系、人物的特有属性都没有关联 到人际关系网络中,造成人际关系网络的片面性,人物关系的准确性低。
发明内容
本发明的目的是提供一种线上人际关系分析方法与系统,能够多层次分析 人物关系,获取全面和准确的人际关系网络。
为解决以上技术问题,本发明实施例提供一种线上人际关系分析方法,包 括:
确认待分析的中心人物;
采集所述中心人物的微博信息;
根据所述微博信息,查找与所述中心人物相关的相关人物,并获取所述中 心人物与所述相关人物之间的亲密关系;
从多个网站中采集所述中心人物与所述相关人物之间的多个人物关系;
对所述多个人物关系进行分析整合,形成所述中心人物与所述相关人物之 间的线下关系;
采集与所述中心人物相关的共现信息;
对所述共现信息进行共现分析,获取所述中心人物与所述相关人物之间的 共现关系;
根据所述中心人物与所述相关人物的亲密关系、线下关系以及共现关系, 生成所述中心人物的人际网络图。
优选地,所述根据所述微博信息,查找与所述中心人物相关的相关人物, 并获取所述中心人物与所述相关人物之间的亲密关系,具体包括:
所述微博信息包括注册信息、博文、评论信息、转发信息以及点赞信息;
根据所述评论信息,查找与所述中心人物互相评论的频率高于预设频率的 人物,作为所述相关人物;
对所述评论信息进行语义分析和情绪分析,挖掘所述中心人物与所述相关 人物之间的情感倾向;
根据所述中心人物与所述相关人物之间的情感倾向,获得所述中心人物与 所述相关人物之间的亲密关系。
优选地,所述线上人际关系分析方法包括:
对所述博文进行语义分析,挖掘所述中心人物的兴趣,并形成兴趣标签;
将所述兴趣标签添加到所述中心人物的人际网络图中。
优选地,所述对所述共现信息进行共现分析,获取所述中心人物与所述相 关人物之间的共现关系,具体包括:
根据预设的双层神经网络抽取模型,对所述共现信息进行实体抽取;
从所述实体中获取与所述中心人物对应的人名以及与所述相关人物对应的 人名并分别进行频数统计;
根据所述中心人物对应的人名以及所述相关人物对应的人名的频数,得出 所述中心人物与所述相关人物之间的共现关系。
优选地,所述对所述多个人物关系进行分析整合,形成所述中心人物与所述 相关人物之间的线下关系,具体包括:
根据所述多个人物关系,计算任意两个人物之间关系的可信度;
确认所述任意两个人物之间可信度最高的一种关系为所述任意两个人物之 间的线下关系;
整合所有人物之间的线下关系,形成所述中心人物与所述相关人物之间的 线下关系。
优选地,所述线上人际关系分析方法还包括:
根据所述注册信息获取所述中心人物的固有属性;
根据所述固有属性,判断所述中心人物所属的群体,并形成属性标签;
将所述属性标签添加到所述中心人物的人际网络图中。
优选地,所述线上人际关系分析方法还包括:
根据所述转发信息以及所述点赞信息,统计所述中心人物的转发频数和点 赞频数;
根据所述中心人物的转发频数和点赞频数,确认所述中心人物的活跃度, 并形成活跃度标签;
将所述活跃度标签添加到所述中心人物的人际网络图中。
本发明实施例还提供一种线上人际关系分析系统,包括:
中心人物确认模块,用于确认待分析的中心人物;
微博采集模块,用于采集所述中心人物的微博信息;
微博分析模块,用于根据所述微博信息,查找与所述中心人物相关的相关 人物,并获取所述中心人物与所述相关人物之间的亲密关系;
线下关系采集模块,用于从多个网站中采集所述中心人物与所述相关人物 之间的多个人物关系;
线下关系分析模块,用于对所述多个人物关系进行分析整合,形成所述中 心人物与所述相关人物之间的线下关系;
共现信息采集模块,用于采集与所述中心人物相关的共现信息;
共现信息分析模块,用于对所述共现信息进行共现分析,获取所述中心人 物与所述相关人物之间的共现关系;
人际网络分析模块,用于根据所述中心人物与所述相关人物的亲密关系、 线下关系以及共现关系,生成所述中心人物的人际网络图。
优选地,所述微博分析模块包括相关人物查找模块以及关系挖掘模块;
所述微博信息包括注册信息、博文、评论信息、转发信息以及点赞信息;
所述相关人物查找模块用于根据所述评论信息,查找与所述中心人物互相 评论的频率高于预设频率的人物,作为所述相关人物;
所述关系挖掘模块用于根据所述注册信息、所述博文、所述评论信息、所 述转发信息以及所述点赞信息,挖掘所述中心人物与所述相关人物之间的亲密 关系。
与现有技术相比,本发明实施例提供的一种线上人际关系分析方法的有益 效果在于:所述线上人际关系分析方法包括:确认待分析的中心人物;采集所 述中心人物的微博信息;根据所述微博信息,查找与所述中心人物相关的相关 人物,并获取所述中心人物与所述相关人物之间的亲密关系;从多个网站中采 集所述中心人物与所述相关人物之间的多个人物关系;对所述多个人物关系进 行分析整合,形成所述中心人物与所述相关人物之间的线下关系;采集与所述 中心人物相关的共现信息;对所述共现信息进行共现分析,获取所述中心人物 与所述相关人物之间的共现关系;根据所述中心人物与所述相关人物的亲密关 系、线下关系以及共现关系,生成所述中心人物的人际网络图。所述线上人际 关系分析方法能够多层次分析人物关系,获取全面和准确的人际关系网络。本 发明实施例还包括一种线上人际关系网络分析系统。
附图说明
图1是本发明实施例提供的一种线上人际关系分析方法的流程图;
图2是本发明实施例提供的一种线上人际关系分析系统的示意图。
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。
请参阅图1,其是本发明实施例提供的一种线上人际关系分析方法的流程 图,所述线上人际关系分析方法包括:
S1:确认待分析的中心人物;
S2:采集所述中心人物的微博信息;
S3:根据所述微博信息,查找与所述中心人物相关的相关人物,并获取所 述中心人物与所述相关人物之间的亲密关系;
S4:从多个网站中采集所述中心人物与所述相关人物之间的多个人物关系;
S5:对所述多个人物关系进行分析整合,形成所述中心人物与所述相关人 物之间的线下关系;
S6:采集与所述中心人物相关的共现信息;
S7:对所述共现信息进行共现分析,获取所述中心人物与所述相关人物之 间的共现关系;
S8:根据所述中心人物与所述相关人物的亲密关系、线下关系以及共现关 系,生成所述中心人物的人际网络图。
本实施例中,分别从所述中心人物的微博信息中挖掘所述中心人物与所述 相关人物之间的亲密关系,从多个网站上挖掘所述中心人物与所述相关人物之 间的线下关系,从共现信息中挖掘所述中心人物与所述相关人物之间的共现关 系,然后综合分析所述中心人物与所述相关人物的亲密关系、线下关系以及共 现关系,最终获得所述中心人物的人际网络图,实现从多层次分析所述中心人 物与所述相关人物的关系,获取全面、准确的人际网络关系。
在一种可选的实施例中,S3:根据所述微博信息,查找与所述中心人物相 关的相关人物,并获取所述中心人物与所述相关人物之间的亲密关系,具体包 括:
所述微博信息包括注册信息、博文、评论信息、转发信息以及点赞信息;
根据所述评论信息,查找与所述中心人物互相评论的频率高于预设频率的 人物,作为所述相关人物;
对所述评论信息进行语义分析和情绪分析,挖掘所述中心人物与所述相关 人物之间的情感倾向;
根据所述中心人物与所述相关人物之间的情感倾向,获得所述中心人物与 所述相关人物之间的亲密关系。
在本实施例中,采用分布式并行的方式采集所述中心人物的微博信息,同 时用多台机进入消息队列快速写入硬盘,可以保证微博信息的完整性。
在一种可选的实施例中,所述线上人际关系分析方法还包括:
对所述博文进行语义分析,挖掘所述中心人物的兴趣,并形成兴趣标签;
将所述兴趣标签添加到所述中心人物的人际网络图中。
在一种可选的实施例中,S7:对所述共现信息进行共现分析,获取所述中 心人物与所述相关人物之间的共现关系,具体包括:
根据预设的双层神经网络抽取模型,对所述共现信息进行实体抽取;
从所述实体中获取与所述中心人物对应的人名以及与所述相关人物对应的 人名并分别进行频数统计;
根据所述中心人物对应的人名以及所述相关人物对应的人名的频数,得出 所述中心人物与所述相关人物之间的共现关系。
在一种可选的实施例中,S5:对所述多个人物关系进行分析整合,形成所述 中心人物与所述相关人物之间的线下关系,具体包括:
根据所述多个人物关系,计算任意两个人物之间关系的可信度;
确认所述任意两个人物之间可信度最高的一种关系为所述任意两个人物之 间的线下关系;
整合所有人物之间的线下关系,形成所述中心人物与所述相关人物之间的 线下关系。
在本实施例中,通过从多个网站上的采集与所述中心人物和所述相关人物 相关的人物关系进行分析,例如百科中的人物关系。对从多个网站上采集的人 物关系进行对比分析,例如:对于人物A和人物B的关系若多个网站报道一致, 均为夫妻关系,则该夫妻关系的可信度最高;若9个网站中5个网站报道为夫 妻关系、4个报道为朋友关系,则人物A和人物B的为夫妻关系的可信度高于朋 友关系的可信度。通过计算根据任意两个人物的关系的可信度对任意两个人物 的关系进行补充和纠错,进一步提高人际关系网络的准确性。
在一种可选的实施例中,所述线上人际关系分析方法还包括:
根据所述注册信息获取所述中心人物的固有属性;
根据所述固有属性,判断所述中心人物所属的群体,并形成属性标签;
将所述属性标签添加到所述中心人物的人际网络图中。
在一种可选的实施例中,所述线上人际关系分析方法还包括:
根据所述转发信息以及所述点赞信息,统计所述中心人物的转发频数和点 赞频数;
根据所述中心人物的转发频数和点赞频数,确认所述中心人物的活跃度, 并形成活跃度标签;
将所述活跃度标签添加到所述中心人物的人际网络图中。
在本实施例中,通过对所述中心人物添加属性标签、活跃度标签、兴趣标 签等,可以从多维度分析所述中心人物,挖掘所述中心人物的画像,丰富所述 人际关系网络图。
请参阅图2,其是本发明实施例提供的一种线上人际关系分析系统的示意图, 所述线上人际关系分析系统,包括:
中心人物确认模块1,用于确认待分析的中心人物;
微博采集模块2,用于采集所述中心人物的微博信息;
微博分析模块3,用于根据所述微博信息,查找与所述中心人物相关的相关 人物,并获取所述中心人物与所述相关人物之间的亲密关系;
线下关系采集模块4,用于从多个网站中采集所述中心人物与所述相关人物 之间的多个人物关系;
线下关系分析模块5,用于对所述多个人物关系进行分析整合,形成所述中 心人物与所述相关人物之间的线下关系;
共现信息采集模块6,用于采集与所述中心人物相关的共现信息;
共现信息分析模块7,用于对所述共现信息进行共现分析,获取所述中心人 物与所述相关人物之间的共现关系;
人际网络分析模块8,用于根据所述中心人物与所述相关人物的亲密关系、 线下关系以及共现关系,生成所述中心人物的人际网络图。
本实施例中,分别从所述中心人物的微博信息中挖掘所述中心人物与所述 相关人物之间的亲密关系,从多个网站上挖掘所述中心人物与所述相关人物之 间的线下关系,从共现信息中挖掘所述中心人物与所述相关人物之间的共现关 系,然后综合分析所述中心人物与所述相关人物的亲密关系、线下关系以及共 现关系,最终获得所述中心人物的人际网络图,实现从多层次分析所述中心人 物与所述相关人物的关系,获取全面、准确的人际网络关系。
在一种可选的实施例中,所述微博分析模块包括相关人物查找模块以及关 系挖掘模块;
所述微博信息包括注册信息、博文、评论信息、转发信息以及点赞信息;
所述相关人物查找模块用于根据所述评论信息,查找与所述中心人物互相 评论的频率高于预设频率的人物,作为所述相关人物;
所述关系挖掘模块用于根据所述注册信息、所述博文、所述评论信息、所 述转发信息以及所述点赞信息,挖掘所述中心人物与所述相关人物之间的亲密 关系。
在本实施例中,所述微博采集模块采用分布式并行的方式采集所述中心人 物的微博信息,同时用多台机进入消息队列快速写入硬盘,可以保证微博信息 的完整性。
在一种可选的实施例中,所述线上人际关系分析系统还包括:
兴趣挖掘模块,用于对所述博文进行语义分析,挖掘所述中心人物的兴趣, 并形成兴趣标签;
兴趣标签添加模块,用于将所述兴趣标签添加到所述中心人物的人际网络 图中。
在一种可选的实施例中,所述共现信息分析模块包括:
实体抽取模块,用于根据预设的双层神经网络抽取模型,对所述共现信息 进行实体抽取;
频数统计模块,用于从所述实体中获取与所述中心人物对应的人名以及与 所述相关人物对应的人名并分别进行频数统计;
共现关系分析模块,用于根据所述中心人物对应的人名以及所述相关人物 对应的人名的频数,得出所述中心人物与所述相关人物之间的共现关系。
在一种可选的实施例中,所述线下关系分析模块包括:
可信度计算模块,用于根据所述多个人物关系,计算任意两个人物之间关 系的可信度;
线下关系确认模块,用于确认所述任意两个人物之间可信度最高的一种关 系为所述任意两个人物之间的线下关系;
线下关系整合模块,用于整合所有人物之间的线下关系,形成所述中心人 物与所述相关人物之间的线下关系。
在本实施例中,通过从多个网站上的采集与所述中心人物和所述相关人物 相关的人物关系进行分析,例如百科中的人物关系。对从多个网站上采集的人 物关系进行对比分析,例如:对于人物A和人物B的关系若多个网站报道一致, 均为夫妻关系,则该夫妻关系的可信度最高;若9个网站中5个网站报道为夫 妻关系、4个报道为朋友关系,则人物A和人物B的为夫妻关系的可信度高于朋 友关系的可信度。通过计算根据任意两个人物的关系的可信度对任意两个人物 的关系进行补充和纠错,进一步提高人际关系网络的准确性。
在一种可选的实施例中,所述线上人际关系分析系统还包括:
固有属性分析模块,用于根据所述注册信息获取所述中心人物的固有属性;
属性标签生成模块,用于根据所述固有属性,判断所述中心人物所属的群 体,并形成属性标签;
属性标签添加模块,用于将所述属性标签添加到所述中心人物的人际网络 图中。
在一种可选的实施例中,所述线上人际关系分析系统还包括:
互动频数统计模块,用于根据所述转发信息以及所述点赞信息,统计所述 中心人物的转发频数和点赞频数;
活跃度计算模块,用于根据所述中心人物的转发频数和点赞频数,确认所 述中心人物的活跃度,并形成活跃度标签;
活跃度添加模块,用于将所述活跃度标签添加到所述中心人物的人际网络 图中。
在本实施例中,通过对所述中心人物添加属性标签、活跃度标签、兴趣标 签等,可以从多维度分析所述中心人物,挖掘所述中心人物的画像,丰富所述 人际关系网络图。
与现有技术相比,本发明实施例提供的一种线上人际关系分析方法的有益 效果在于:所述线上人际关系分析方法包括:确认待分析的中心人物;采集所 述中心人物的微博信息;根据所述微博信息,查找与所述中心人物相关的相关 人物,并获取所述中心人物与所述相关人物之间的亲密关系;从多个网站中采 集所述中心人物与所述相关人物之间的多个人物关系;对所述多个人物关系进 行分析整合,形成所述中心人物与所述相关人物之间的线下关系;采集与所述 中心人物相关的共现信息;对所述共现信息进行共现分析,获取所述中心人物 与所述相关人物之间的共现关系;根据所述中心人物与所述相关人物的亲密关 系、线下关系以及共现关系,生成所述中心人物的人际网络图。所述线上人际 关系分析方法能够多层次分析人物关系,获取全面和准确的人际关系网络。本 发明实施例还包括一种线上人际关系网络分析系统。
以上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。
Claims (7)
1.一种线上人际关系分析方法,其特征在于,包括:
确认待分析的中心人物;
采集所述中心人物的微博信息;
根据所述微博信息,查找与所述中心人物相关的相关人物,并获取所述中心人物与所述相关人物之间的亲密关系;
从多个网站中采集所述中心人物与所述相关人物之间的多个人物关系;
对所述多个人物关系进行分析整合,形成所述中心人物与所述相关人物之间的线下关系;具体包括:根据所述多个人物关系,计算任意两个人物之间关系的可信度;确认所述任意两个人物之间可信度最高的一种关系为所述任意两个人物之间的线下关系;整合所有人物之间的线下关系,形成所述中心人物与所述相关人物之间的线下关系;
采集与所述中心人物相关的共现信息;
根据预设的双层神经网络抽取模型,对所述共现信息进行实体抽取;
从所述实体中获取与所述中心人物对应的人名以及与所述相关人物对应的人名并分别进行频数统计;
根据所述中心人物对应的人名以及所述相关人物对应的人名的频数,得出所述中心人物与所述相关人物之间的共现关系;
根据所述中心人物与所述相关人物的亲密关系、线下关系以及共现关系,生成所述中心人物的人际网络图。
2.如权利要求1所述线上人际关系分析方法,其特征在于,所述根据所述微博信息,查找与所述中心人物相关的相关人物,并获取所述中心人物与所述相关人物之间的亲密关系,具体包括:
所述微博信息包括注册信息、博文、评论信息、转发信息以及点赞信息;
根据所述评论信息,查找与所述中心人物互相评论的频率高于预设频率的人物,作为所述相关人物;
对所述评论信息进行语义分析和情绪分析,挖掘所述中心人物与所述相关人物之间的情感倾向;
根据所述中心人物与所述相关人物之间的情感倾向,获得所述中心人物与所述相关人物之间的亲密关系。
3.如权利要求2所述线上人际关系分析方法,其特征在于,还包括:
对所述博文进行语义分析,挖掘所述中心人物的兴趣,并形成兴趣标签;
将所述兴趣标签添加到所述中心人物的人际网络图中。
4.如权利要求2所述线上人际关系分析方法,其特征在于,还包括:
根据所述注册信息获取所述中心人物的固有属性;
根据所述固有属性,判断所述中心人物所属的群体,并形成属性标签;
将所述属性标签添加到所述中心人物的人际网络图中。
5.如权利要求2所述线上人际关系分析方法,其特征在于,还包括:
根据所述转发信息以及所述点赞信息,统计所述中心人物的转发频数和点赞频数;
根据所述中心人物的转发频数和点赞频数,确认所述中心人物的活跃度,并形成活跃度标签;
将所述活跃度标签添加到所述中心人物的人际网络图中。
6.一种线上人际关系分析系统,其特征在于,包括:
中心人物确认模块,用于确认待分析的中心人物;
微博采集模块,用于采集所述中心人物的微博信息;
微博分析模块,用于根据所述微博信息,查找与所述中心人物相关的相关人物,并获取所述中心人物与所述相关人物之间的亲密关系;
线下关系采集模块,用于从多个网站中采集所述中心人物与所述相关人物之间的多个人物关系;
线下关系分析模块,用于对所述多个人物关系进行分析整合,形成所述中心人物与所述相关人物之间的线下关系;具体包括:根据所述多个人物关系,计算任意两个人物之间关系的可信度;确认所述任意两个人物之间可信度最高的一种关系为所述任意两个人物之间的线下关系;整合所有人物之间的线下关系,形成所述中心人物与所述相关人物之间的线下关系;
共现信息采集模块,用于采集与所述中心人物相关的共现信息;
共现信息分析模块,用于根据预设的双层神经网络抽取模型,对所述共现信息进行实体抽取;从所述实体中获取与所述中心人物对应的人名以及与所述相关人物对应的人名并分别进行频数统计;根据所述中心人物对应的人名以及所述相关人物对应的人名的频数,得出所述中心人物与所述相关人物之间的共现关系;
人际网络分析模块,用于根据所述中心人物与所述相关人物的亲密关系、线下关系以及共现关系,生成所述中心人物的人际网络图。
7.如权利要求6所述线上人际关系分析系统,其特征在于,所述微博分析模块包括相关人物查找模块以及关系挖掘模块;
所述微博信息包括注册信息、博文、评论信息、转发信息以及点赞信息;
所述相关人物查找模块用于根据所述评论信息,查找与所述中心人物互相评论的频率高于预设频率的人物,作为所述相关人物;
所述关系挖掘模块用于根据所述注册信息、所述博文、所述评论信息、所述转发信息以及所述点赞信息,挖掘所述中心人物与所述相关人物之间的亲密关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711449528.7A CN108830735B (zh) | 2017-12-27 | 2017-12-27 | 一种线上人际关系分析方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711449528.7A CN108830735B (zh) | 2017-12-27 | 2017-12-27 | 一种线上人际关系分析方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830735A CN108830735A (zh) | 2018-11-16 |
CN108830735B true CN108830735B (zh) | 2021-09-03 |
Family
ID=64154707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711449528.7A Expired - Fee Related CN108830735B (zh) | 2017-12-27 | 2017-12-27 | 一种线上人际关系分析方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830735B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766786B (zh) * | 2018-12-21 | 2020-10-23 | 深圳云天励飞技术有限公司 | 人物关系分析方法及相关产品 |
CN110414433A (zh) * | 2019-07-29 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质和计算机设备 |
CN111428549A (zh) * | 2019-10-31 | 2020-07-17 | 深圳市睿洋图志科技有限公司 | 一种基于社交活动图像大数据的人物信息分析方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102214186B (zh) * | 2010-04-07 | 2013-04-24 | 腾讯科技(深圳)有限公司 | 展示对象关系的方法和系统 |
US20150347392A1 (en) * | 2014-05-29 | 2015-12-03 | International Business Machines Corporation | Real-time filtering of massive time series sets for social media trends |
CN106874435B (zh) * | 2017-01-25 | 2020-02-14 | 北京航空航天大学 | 用户画像构建方法和装置 |
CN107481154A (zh) * | 2017-07-17 | 2017-12-15 | 广州特道信息科技有限公司 | 社交网络人际关系的分析方法及装置 |
CN107463551A (zh) * | 2017-07-17 | 2017-12-12 | 广州特道信息科技有限公司 | 社交网络人际关系的分析方法及装置 |
-
2017
- 2017-12-27 CN CN201711449528.7A patent/CN108830735B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108830735A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106686339B (zh) | 电子会议智能 | |
Andryani et al. | Social media analytics: data utilization of social media for research | |
KR20160079863A (ko) | 소셜 데이터 네트워크에서의 사용자의 거동 세그먼트화를 위한 시스템 및 방법 | |
El Ballouli et al. | Cat: Credibility analysis of arabic content on twitter | |
CN108830735B (zh) | 一种线上人际关系分析方法与系统 | |
Al-Taie et al. | Online data preprocessing: A case study approach | |
CN104899335A (zh) | 一种对网络舆情信息进行情感分类的方法 | |
US20150120783A1 (en) | Inter-entity connection maps | |
lvaro Cuesta et al. | A Framework for massive Twitter data extraction and analysis | |
US11269928B2 (en) | Identification and analysis of cohesive and topic-focused groups of user accounts from user-generated content on electronic communication platforms | |
Ahmed et al. | Sentiment analysis for smart cities: state of the art and opportunities | |
TW201719569A (zh) | 社交業務特徵用戶的識別方法和裝置 | |
US20140013223A1 (en) | System and method for contextual visualization of content | |
Wu et al. | An event timeline extraction method based on news corpus | |
Al Marouf et al. | Looking behind the mask: A framework for detecting character assassination via troll comments on social media using psycholinguistic tools | |
Liang et al. | An integrated approach of sensing tobacco-oriented activities in online participatory media | |
Ha et al. | Analysis of Twitter research trends based on SLR | |
Kim et al. | Customer preference analysis based on SNS data | |
Khater et al. | Tweets you like: Personalized tweets recommendation based on dynamic users interests | |
Heravi et al. | Tweet location detection | |
Abdullah et al. | Reputation measurement based on a hybrid sentiment analysis approach for Saudi telecom companies | |
Othman et al. | Customer opinion summarization based on twitter conversations | |
Zhao et al. | A system to manage and mine microblogging data | |
JP5841108B2 (ja) | 情報処理装置、記事情報生成方法およびプログラム | |
Khan et al. | From Social Media to Ballot Box: Leveraging Location-Aware Sentiment Analysis for Election Predictions. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210903 Termination date: 20211227 |
|
CF01 | Termination of patent right due to non-payment of annual fee |