论文部分内容阅读
微博的使用人群数量基数大，状态信息更新频繁并且信息传播迅速，因此对微博平台上信息的挖掘具有重要意义，但是由于微博数据的海量性、突发性以及微博格式的不规则性，加大了采集数据的技术难度。在分析对比了基于Cookie爬虫微博数据采集方法和基于API接口微博数据采集方法的基础上，提出了一种基于用户影响力的微博用户信息采集方案。将每一个API调用封装成一个Task类嵌入到具有模拟登陆功能的爬虫程序中，通过贝叶斯-Pagerank算法量化微博用户之间的关注关系得到用户的影响力值，依据用户影响力值决定爬取顺序，可以在有