第二百七十九章 潮水退去，全是大虾

这些用户动态的相似性，进行深度挖掘。”

    这是个极大的工作量。

    一个id在微博上有可能有成千上万个同名的账号。

    这些帐号的动态内容都得爬下来这不违法，在地球上，好像是在2017年12月份，微博才关闭了api接口的。。

    爬下来之后还得对这些id曾经发布的动态和内容进行关键词提取、照片信息提取，然后存档。

    注意哦，这只是一个id的工作量。

    比如说有一个人在豆半上注册了一个帐号叫张三，你按照这个名字在微博上搜索，结果出现了一万个叫张三。

    那这些张三的人的所有的动态都得爬下来。

    可是你怎么知道这一万个张三里面，哪一个是你想要的呢。

    1

    豆半的工作人员坚信昨晚这些人肯定是有相似性的，比如他们都是某一个人的粉丝。

    那么他们的发言里一定会提到同样的东西。

    这个时候就要再拿出来一个新的id，比如李四。

    利用李四这个id，在微博上进行搜索，又出来一万个李四。

    照例，全给爬取下来。

    接下来是王五、赵六

    然后再进行横向比对，一个个的去试！

    总能试出来蛛丝马迹。

    这个工作量是无比巨大的，