融合多源數據的Telegram中文群組檢索方法、裝置及設備制造方法及圖紙

本發明專利技術公開了一種融合多源數據的Telegram中文群組檢索方法、裝置及設備，所述方法包括：對獲取檢索詞，并對所述檢索詞進行Telegram中文群組檢索，生成多源融合群組；分析多源融合群組對應的群聊記錄集合，得到特征詞集合；基于特征詞集合篩選所述多源融合群組，得到符合特征群組；對符合特征群組進行關聯聯想，生成關聯聯想群組；基于所述多源融合群組與符合特征群組集合，得到Telegram中文群組檢索結果。本發明專利技術著重于解決Telegram中文群組檢索困難。組檢索困難。組檢索困難。

【技術實現步驟摘要】
融合多源數據的Telegram中文群組檢索方法、裝置及設備


[0001]本專利技術涉及信息檢索
，特別涉及一種融合多源數據的Telegram中文群組檢索方法、裝置及設備。

技術介紹

[0002]Telegram是一款在國際范圍有著巨大用戶量的即時通訊軟件，用戶可以根據自己的興趣愛好創建或加入不同的群組，其中，公開群組的聊天信息可被任意用戶查看，而無需加入。但是，由于該軟件寬松的監管，其中包含著大量涉及違法犯罪的群組，仍然在該軟件上進行違法活動。如何準確的定位群組，并及時的掌握違法犯罪信息，對于制止犯罪、打擊犯罪有著重要的意義。然而，Telegram官方只提供了英文檢索功能，特定主題詞相關的中文群組，仍然難以有效的檢索。有的開發者通過給Telegram機器人積累群組與標題知識，利用關鍵詞去與知識庫中的群組標題匹配，從而實現中文群組檢索功能。這種方法雖然可以實現中文檢索功能，但這種做法存在幾個缺點：
[0003]1)這類方法需要機器人事先遍歷大量的群組，積累廣泛的知識庫；
[0004]2)Telegram群組標題允許隨意更改，如果要維持檢索的準確性，需頻繁的遍歷和更新知識庫；
[0005]3)當群組標題無法匹配檢索詞，但是群組的內容卻與檢索詞相關時，此類群組難以被檢索到。

技術實現思路

[0006]本專利技術實施例的目的在于提供一種融合多源數據的Telegram中文群組檢索方法、裝置及設備，該方法著重于解決Telegram中文群組檢索困難，檢索結果少，檢索結果不準確等問題。<br/>[0007]為實現上述目的，本專利技術的技術方案如下：
[0008]根據本公開實施例的第一方面，提供一種融合多源數據的Telegram中文群組檢索方法，包括：
[0009]獲取檢索詞，并對所述檢索詞進行Telegram中文群組檢索，生成多源融合群組；
[0010]分析所述多源融合群組對應的群聊記錄集合，得到特征詞集合，并基于所述特征詞集合篩選所述多源融合群組，得到符合特征群組V0；
[0011]基于符合特征群組V
t
?1對應的群聊記錄集合中的分享群組，得到關聯群組R
t
?1；其中，t表示迭代輪數；
[0012]對所述關聯群組R
t
?1中的每一Telegram中文群組進行聯想搜索，生成關聯聯想群組L
t
?1；
[0013]基于所述特征詞篩選所述關聯群組R
t
?1與所述關聯聯想群組L
t
?1，得到符合特征群組V
t
；
[0014]在所述符合特征群組V
t
不為空集的情況下，令t＝t+1，并返回至所述對所述關聯
群組R
t
?1中每一Telegram中文群組的進行聯想搜索，生成關聯聯想群組L
t
?1；
[0015]在所述符合特征群組V
t
為空集的情況下，基于所述多源融合群組與符合特征群組集合V，得到Telegram中文群組檢索結果；其中，V＝{V0，...，V
t
?1}。
[0016]進一步地，所述對所述檢索詞進行Telegram中文群組檢索，生成多源融合群組，包括：
[0017]利用多種數據源對檢索詞進行Telegram中文群組檢索，得到多源數據檢索群組。
[0018]進一步地，基于Telegram所提供的英文群組檢索接口，對所述檢索詞的拼音以及與檢索詞拼音近似的拼音進行Telegram中文群組搜索，得到檢索詞聯想群組；
[0019]合并所述多源數據檢索群組與檢索詞聯想群組，并進行去重，以得到多源融合群組。
[0020]進一步地，所述多種數據源包括：谷歌數據源、推特數據源和其他第三方Telegram群組信息檢索服務數據源；
[0021]所述利用多種數據源對檢索詞進行Telegram中文群組檢索，得到多源數據檢索群組，包括：
[0022]采用自定義搜索模式定向檢索telegram.org范圍內的所述檢索詞，得到谷歌數據源對應的檢索結果；
[0023]利用爬蟲技術對推特數據定向搜索檢索詞，并篩選其中包含telegram群組字段的數據，得到推特數據源對應的檢索結果；
[0024]通過所述其他第三方Telegram檢索服務中Telegram robot賬戶的問答式服務，搜索所述檢索詞，得到其他第三方Telegram群組信息檢索服務數據源對應的檢索結果；
[0025]合并所述谷歌數據源對應的檢索結果、所述推特數據源對應的檢索結果、以及所述其他第三方Telegram群組信息檢索服務數據源對應的檢索結果，并進行去重，以得到多源數據檢索群組。
[0026]進一步地，所述基于Telegram所提供的英文群組檢索接口，對所述檢索詞的拼音以及與檢索詞拼音近似的拼音進行Telegram中文群組搜索，得到檢索詞聯想群組；
[0027]計算所述檢索詞的拼音；
[0028]生成與檢索詞拼音近似的拼音；
[0029]基于Telegram所提供的英文群組檢索接口，并使用所述檢索詞的拼音、所述與檢索詞拼音近似的拼音對群組username進行檢索，得到第一聯想檢索結果；
[0030]基于Telegram所提供的英文群組檢索接口，并使用所述檢索詞的拼音對群組title進行檢索，得到第二聯想檢索結果；
[0031]合并所述第一聯想檢索結果與第二聯想檢索結果，并進行去重，以得到檢索詞聯想群組。
[0032]進一步地，所述分析所述多源融合群組對應的群聊記錄集合，得到特征詞集合，包括：
[0033]針對所述多源融合群組，利用切詞技術對每一Telegram中文群組的群聊記錄進行分詞，并基于所述關鍵詞在對話中的順序，生成關鍵詞對；
[0034]將分詞結果中的高頻詞作為關鍵詞；
[0035]構建關鍵詞關系圖；其中，所述關鍵詞關系圖中的節點為所述關鍵詞，所述關鍵詞
關系圖中的邊表示所述關鍵詞對的關聯，所述節點的權重為所述關鍵詞出現的次數，所述邊的權重為所述關鍵詞對出現的次數；
[0036]基于所述節點的權重篩選所述關鍵詞，得到主特征詞集合；
[0037]根據所述主特征詞與連接所述主特征詞的邊的權重，得到輔特征詞集合；
[0038]合并所述主特征詞集合與所述輔特征詞集合，得到特征詞集合。
[0039]進一步地，所述對所述關聯群組R
t
?1中的每一Telegram中文群組進行聯想搜索，生成關聯聯想群組L
t
?1，包括：
[0040]獲取所述關聯群組R
t
?1中的每一Telegram中文群組的群組名；
[0041]生成與所述群組名相似的近似群組名，并得到所述近似群組名的拼音；
[0042]基于所述進行多種數據源的Telegram中文群組搜索，和/或基于T本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種融合多源數據的Telegram中文群組檢索方法，其特征在于，所述方法包括：獲取檢索詞，并對所述檢索詞進行Telegram中文群組檢索，生成多源融合群組；分析所述多源融合群組對應的群聊記錄集合，得到特征詞集合，并基于所述特征詞集合篩選所述多源融合群組，得到符合特征群組V0；基于符合特征群組V
t
?1對應的群聊記錄集合中的分享群組，得到關聯群組R
t
?1；其中，t表示迭代輪數；對所述關聯群組R
t
?1中的每一Telegram中文群組進行聯想搜索，生成關聯聯想群組L
t
?1；基于所述特征詞篩選所述關聯群組R
t
?1與所述關聯聯想群組L
t
?1，得到符合特征群組V
t
；在所述符合特征群組V
t
不為空集的情況下，令t＝t+1，并返回至所述對所述關聯群組R
t
?1中每一Telegram中文群組的進行聯想搜索，生成關聯聯想群組L
t
?1；在所述符合特征群組V
t
為空集的情況下，基于所述多源融合群組與符合特征群組集合V，得到Telegram中文群組檢索結果；其中，V＝{V0,
…
,V
t
?1}。2.如權利要求1所述的方法，其特征在于，所述對所述檢索詞進行Telegram中文群組檢索，生成多源融合群組，包括：利用多種數據源對檢索詞進行Telegram中文群組檢索，得到多源數據檢索群組；基于Telegram所提供的英文群組檢索接口，對所述檢索詞的拼音以及與檢索詞拼音近似的拼音進行Telegram中文群組搜索，得到檢索詞聯想群組；合并所述多源數據檢索群組與檢索詞聯想群組，并進行去重，以得到多源融合群組。3.如權利要求2所述的方法，其特征在于，所述多種數據源包括：谷歌數據源、推特數據源和其他第三方Telegram群組信息檢索服務數據源。4.如權利要求3所述的方法，其特征在于，所述利用多種數據源對檢索詞進行Telegram中文群組檢索，得到多源數據檢索群組，包括：采用自定義搜索模式定向檢索telegram.org范圍內的所述檢索詞，得到谷歌數據源對應的檢索結果；利用爬蟲技術對推特數據定向搜索檢索詞，并篩選其中包含telegram群組字段的數據，得到推特數據源對應的檢索結果；通過所述其他第三方Telegram檢索服務中Telegram robot賬戶的問答式服務，搜索所述檢索詞，得到其他第三方Telegram群組信息檢索服務數據源對應的檢索結果；合并所述谷歌數據源對應的檢索結果、所述推特數據源對應的檢索結果、以及所述其他第三方Telegram群組信息檢索服務數據源對應的檢索結果，并進行去重，以得到多源數據檢索群組。5.如權利要求2所述的方法，其特征在于，所述基于Telegram所提供的英文群組檢索接口，對所述檢索詞的拼音以及與檢索詞拼音近似的拼音進行Telegram中文群組搜索，得到檢索詞聯想群組；計算所述檢索詞的拼音；生成與檢索詞拼音近似的拼音；基于Telegram所提供的英文群組檢索接口，并使用所述檢索詞的拼音、所述與檢索詞拼音近似的拼音對群組username進行檢索，得到第一聯想檢索結果；
基于Telegram所提供的英文群組檢索接口，并使用所述檢索詞的拼音對群組title進行檢索，得到第二聯想檢索結果；合并所述第一聯想檢索結果與第二聯想檢索結果，并進行去...

【專利技術屬性】
技術研發人員：井雅琪，郭孟汗，佟玲玲，段東圣，段運強，任博雅，劉晨，侯煒，趙萬鵬，劉生輝，
申請(專利權)人：中國科學院信息工程研究所，
類型：發明
國別省市：