【技术实现步骤摘要】
融合多源数据的Telegram中文群组检索方法、装置及设备
[0001]本专利技术涉及信息检索
，特别涉及一种融合多源数据的Telegram中文群组检索方法、装置及设备。
技术介绍
[0002]Telegram是一款在国际范围有着巨大用户量的即时通讯软件，用户可以根据自己的兴趣爱好创建或加入不同的群组，其中，公开群组的聊天信息可被任意用户查看，而无需加入。但是，由于该软件宽松的监管，其中包含着大量涉及违法犯罪的群组，仍然在该软件上进行违法活动。如何准确的定位群组，并及时的掌握违法犯罪信息，对于制止犯罪、打击犯罪有着重要的意义。然而，Telegram官方只提供了英文检索功能，特定主题词相关的中文群组，仍然难以有效的检索。有的开发者通过给Telegram机器人积累群组与标题知识，利用关键词去与知识库中的群组标题匹配，从而实现中文群组检索功能。这种方法虽然可以实现中文检索功能，但这种做法存在几个缺点：
[0003]1)这类方法需要机器人事先遍历大量的群组，积累广泛的知识库；
[0004]2)Telegram群...
【技术保护点】
【技术特征摘要】
1.一种融合多源数据的Telegram中文群组检索方法，其特征在于，所述方法包括：获取检索词，并对所述检索词进行Telegram中文群组检索，生成多源融合群组；分析所述多源融合群组对应的群聊记录集合，得到特征词集合，并基于所述特征词集合筛选所述多源融合群组，得到符合特征群组V0；基于符合特征群组V
t
‑1对应的群聊记录集合中的分享群组，得到关联群组R
t
‑1；其中，t表示迭代轮数；对所述关联群组R
t
‑1中的每一Telegram中文群组进行联想搜索，生成关联联想群组L
t
‑1；基于所述特征词筛选所述关联群组R
t
‑1与所述关联联想群组L
t
‑1，得到符合特征群组V
t
；在所述符合特征群组V
t
不为空集的情况下，令t＝t+1，并返回至所述对所述关联群组R
t
‑1中每一Telegram中文群组的进行联想搜索，生成关联联想群组L
t
‑1；在所述符合特征群组V
t
为空集的情况下，基于所述多源融合群组与符合特征群组集合V，得到Telegram中文群组检索结果；其中，V＝{V0,
…
,V
t
‑1}。2.如权利要求1所述的方法，其特征在于，所述对所述检索词进行Telegram中文群组检索，生成多源融合群组，包括：利用多种数据源对检索词进行Telegram中文群组检索，得到多源数据检索群组；基于Telegram所提供的英文群组检索接口，对所述检索词的拼音以及与检索词拼音近似的拼音进行Telegram中文群组搜索，得到检索词联想群组；合并所述多源数据检索群组与检索词联想群组，并进行去重，以得到多源融合群组。3.如权利要求2所述的方法，其特征在于，所述多种数据源包括：谷歌数据源、推特数据源和其他第三方Telegram群组信息检索服务数据源。4.如权利要求3所述的方法，其特征在于，所述利用多种数据源对检索词进行Telegram中文群组检索，得到多源数据检索群组，包括：采用自定义搜索模式定向检索telegram.org范围内的所述检索词，得到谷歌数据源对应的检索结果；利用爬虫技术对推特数据定向搜索检索词，并筛选其中包含telegram群组字段的数据，得到推特数据源对应的检索结果；通过所述其他第三方Telegram检索服务中Telegram robot账户的问答式服务，搜索所述检索词，得到其他第三方Telegram群组信息检索服务数据源对应的检索结果；合并所述谷歌数据源对应的检索结果、所述推特数据源对应的检索结果、以及所述其他第三方Telegram群组信息检索服务数据源对应的检索结果，并进行去重，以得到多源数据检索群组。5.如权利要求2所述的方法，其特征在于，所述基于Telegram所提供的英文群组检索接口，对所述检索词的拼音以及与检索词拼音近似的拼音进行Telegram中文群组搜索，得到检索词联想群组；计算所述检索词的拼音；生成与检索词拼音近似的拼音；基于Telegram所提供的英文群组检索接口，并使用所述检索词的拼音、所述与检索词拼音近似的拼音对群组username进行检索，得到第一联想检索结果；
基于Telegram所提供的英文群组检索接口，并使用所述检索词的拼音对群组title进行检索，得到第二联想检索结果；合并所述第一联想检索结果与第二联想检索结果，并进行去...
【专利技术属性】
技术研发人员：井雅琪，郭孟汗，佟玲玲，段东圣，段运强，任博雅，刘晨，侯炜，赵万鹏，刘生辉，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。