面向web archive的社交媒体信息采集--基于arcomem项目的案例分析-张卫东.pdf

《面向web archive的社交媒体信息采集--基于arcomem项目的案例分析-张卫东.pdf》由会员分享，可在线阅读，更多相关《面向web archive的社交媒体信息采集--基于arcomem项目的案例分析-张卫东.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、情报资料工作 年第期W环境下的社交媒体（Sc Md）作为民众分享个人生活点滴的“自媒体” 及响应社会事件的“发声器”，已经成为当今社会重要的“文化集散地”。在社交媒体（微博、 微信、 论坛、Fck、T、Wk等）上人们能够参与信息的创建、发布、传播、利用活动，如随时随地发表个人观点，随心抒写所思所想与所感所悟，自由转发和共享“朋友圈”资源等。 G80G81G82G83社交媒体G84响G85G86G87G88G89G8AG80G8BG8C，G8DG8EG83社交媒体用G8FG8AG90G91 G92， G93G94G95G96用G8FG97G8A的%，G98G82，G99用G9AG9BG9CG9D

2、的社交媒体G9E要G9FQQGA0GA1、微信、GA2GA3微博等。社交媒体GA4GA5的用G8FGA6体GA7生GA8GA9G90GAA生GAB信息，G98G82GAC用G8F生成GADGAE（Ud ，GAFGB0U）为G9E，GB1GB2GB3社会GA6体的思想GB4GB5，GB6G9FGAA创GAB、时GB7GAB、G84响GB8、GB9GBAGBB等GBC点。GBDGBE信息GBF集GA8当今的GC0GC1事件、GC2点GA2GC3、G96GC4GC5论、动GC6GC7GC8等，GC9GCAGA8GA2媒体时GCB的生活GCCGCD，作为社会的“GCE众GCFGD0GD1”，GB6G9

3、F重要的GD2GD3GD4GD5、参GD6GD7GD8、GD9GDAGDBGDC等GDDGDE，GDF当GE0G96GC4信息资源GE1GE2GE3GE4（W Ac）的重要GE5GE6。 信息GE7集作为G96GC4资源GE3GE4的GE8要环GE9，在GEA个GE3GE4GEBGECG82GEDG89GEE作用， 如GEFGE5社交媒体信息GF0GC1G9FGB7GE7集，成为G96GC4资源GE3GE4GDBGDCGF1GF2G89GF3的GA2GF4GF5。面向Web Archive的社交媒体信息采集*基于AROMEM项目的案例分析张卫东 黄新平 （GF6GF7GA5GD9GF8GF9G

4、D9GFA GE1GFB ）摘 要 文章通过对欧盟FP7框架下发展成熟且具有代表性的社交媒体信息采集与保存项目ARCOMEM采用的信息采集机制、采集标准、采集策略和采集方法等方面予以深入剖析，提出了建立多元的组织协作采集机制、制定科学规范的采集标准、运用多目标驱动的采集策略、开发智能化的采集方法等建议，以期为我国社交媒体信息采集与保存的相关研究提供启示和借鉴。关键词 社交媒体 信息采集 Web Archive ARCOMEM 项目Web Archve Orented Soc Med Inforton Coecton: A Cse Study Bsed on ARCOMM ProjectZ Wd

5、 H X (Sc f M,J Uy,c, )Abstrct T fcd AROMEM c dy,c d cd f cc d jc d EU F fk Accd y d,c,dd,d y f AROMEM, d cd f c c cc c, d f cfc d dddcc dd, f jcd c y,d d f cc dKeywords c d， f c， W Ac， AROMEM， jc*本文系国家社会科学基金青年项目“馆际合作视阈下数字档案文化遗产整合路径研究”（编号：TQ）的研究成果之一。信息服务94万方数据情报资料工作 2017年第1期1 研究概况及实践进展1.1 国外研究现状面向W A

6、c的社交媒体信息采集研究缘于近年社交媒体的迅速发展与广泛应用，年以来，欧美等一些发达国家陆续开始了相关研究和实践， 并涌现出一批有代表性的研究成果与实践项目。在研究成果方面， 主要集中在以下个内容：（）采集方法与技术研究。 多是从基本原理、体系结构、采集算法、 性能分析等方面G80现有的采集G81G82G83G84G85G86G87G88，G89G8AG8BG8CG8DG8E，G8F研究和开发G90的采集G81G82G91G92G93G94。 G95外，G96有一些研究G97G98G91出一G99G90的采集方法G9A技术，并分析G8BG8CG9B，G9CG9DG9E有成果的G9FG90GA0

7、GA1）采集信息的GA2GA3GA4GA5研究。 研究GA6GA7关GA8的GA9G8E是GAAGABG80GACGA3的社交媒体信息G83G84G89G8A与G89GAD， 实现有GA4GAEG8AGAF信息的GB0能GB1GB2和GB3GB4。 GB5GB6，G8F了GB7GB8GB9GBAGA4采集信息的GBBGBC性、GBD实性，G91出采集信息内容GA2GA3分析GBE信GBFGC0GC1的方法GC2GA1）采集G98GC3中面GC4的GC5GC6与GC7GC8。 社交媒体信息采集GC9GBE内容GB1GB2、GCA理体GCB、GCCGCD、GCE术、法GCF等GD0多GC5GC6，

8、相关研究GD1主要GD2GD3以GD4内容展开， GAA在内容GB1GB2方面G80社交媒体信息GCCGD5的GB1GB2性采集、GD6GC6采集、GD7G86GD8采集等采集GD9GDAGDBGDC关GA8。在GCA理体GCBGD4G80社交媒体信息采集GDDGDE体系G83G84GDFGE0，G91GE1采用多GE2构G86GE3采集GE2GCB，GE4分发GE5和GE6用GE7GE8构的G8CG9B与G9E有GCCGD5， 实现技术GE9GC6的GEAGB5GEB关和GCCGCDGECGED的G8CGEEGEFGF0，G97G98GCBGF1与GF2GF3GCCGD5GF4GF5相关的法

9、GCFG9A法GF6来GF7GF8GF9GFA的GFBGFCGFDGFEGFF束GC5GC6GC2在实践项目方面，年，美国国会图书馆启G9D了T GAE档项目，G80年T GD4公开发布的所有消息G83G84采集和GA4GAE， 揭开了社交媒体信息长期GA4GAE的实践序幕GC2 随后， G8B他GE7国的图书馆、档GF6馆、研究GE8构、联盟组织等纷纷投入G8B中，开展了不GB5层次、不GB5目的、不GB5形GD8的项目GC2 GAA英国国家档GF6馆负GDD的英国政府GF2GF3GAE档项目，用于采集和GA4GAEGE7政府部门官方T和YT公众号GD4公布的政府信息和政治热G8E事件； 欧

10、盟FGECGED的BF项目和AROMEM项目，G8B中BF项目GD6门针G80GF2GF3日志GCCGD5G83G84内容分析与采集，最终实现G8B数字GEE归档GC2 AROMEM项目旨在社交GF2GF3GB6代，GE6用群体GB0慧有GB1GB2性GB9采集B、Wk、T、Fck等主流社交媒体GD4可以被社会感GFB的重要信息，构建能够反映集体记忆的“社交GF2GF3数字档GF6馆”GC21.2 国内研究现状目前， 国内在面向W Ac的社交媒体信息采集方面的研究尚处于萌芽阶段GC2在理论GD4，国内主要GDFGE0了博客GA1GF2GF3日志）和微博的采集与长期GA4GAEGC2 从博客长期

11、GAEGB4的困境、现状、G80GD9GBE国外的相关研究与实践归纳出有必要G80博客G83G84长期GA4GAE， 但目前G8B采集仍GAE在技术GA5G80、G81GFEGC5GC6等，G80GF2GF3日志的采集G82G83了G8BG9DG84性、 G85续性和内容G86G87的社会GF2GF3关系以GBEG88G89和G8AG8E、G8BG8CG86G87的G8DG9D，G8EG80微博G82有长期GA4GAE的G8FGAFGDC以了G90GF1并G91用G92G93G94法分析了G8B长期GA4GAE的可G84性，并分G95G96用GBBGBC性采集、GA1GFBGFCG97G98）

12、GEAG99结G86G9AG9BGD9GDA和AGA1Ac fc，应用GC3序G9CGC3G9DG9E）采集来GF7GF8中G9F微博信息采集GA0GD2、采集GFEGE6、采集方法等关GA1GC5GC6GC2在实践GA2GA3，国内相关的实践应用研究尚处于GA4GA5阶GA6，G88GA7GA8GA9的实GAA应用G96GABG86GACGAA，系GAD应用实践发展尚不成GAEGC2 G8B中，相关实践研究成果多集中在G80社交媒体信息采集技术实现GC5GC6的GDFGAF，并GB0GB1实现了采集社交媒体信息的相应系GAD原GB2，GAAGB3GB4GB5GB6微博数GB7并构建了GECG

13、ED多G99GB8GB9的数GB7采集系GAD和GD6门针G80Fck、T的数GB7采集系GAD，G96有GBAGB7政GBBGF8GD9信息G84G8FGBCG8E的政GBDG81GE3GBEGBFGC0GC1信息采集系GADGC2GC2以GD4国内外面向W Ac的社交媒体信息采集研究现状可GFB，国外相关研究G9EGA5入项目GC3G9D、系GAD研发阶GA6，GC4多研究成果GD1相GC5应用于实践GC2国内在GC6方面的研究G96处于GA4GA5GDFGAF阶GA6， 研究成果多针G80信息采集的GD9GDA、流GC3、方GD8等GC7GC8，从理论层面G91出GF7GF8的方法等，开

14、展相关实践应用的研究G88GC9，面向国内主流社交媒体信息采集与GA4GAE的实践研究GB7GCA不GCBGC2 从G9E有研究成果中发现AROMEMGE3G8F目前最成GCC的社交媒体信息采集GA4GAE项目G86一， G8B所采用的社交媒体信息采集GE8GCB、采集GCDGCE、采集GD9GDA、采集方法可G8F国内相关理论研究与实践GDFGAFG91G92GCFGD0和G93G94GC22 ARCOMM社交媒体信息采集实现分析AROMEMGA1ARc Oy MEM）项目是GC2欧盟GD1GA7会G91G92GD2GD3与GECGED，GC2GD4GD5GD6术GD7、G81GD8GA2G

15、A3和公G97部门等家的GD9国组织联盟GDAGDBG86GE3的面向社交媒体信息采集与GA4GAE的实践项目， G8B中以英国GDCGDDGDEG92GA7GD6G8FGEAGDF方，GADGE0GA8GE1G86GE3事GE2GC2GC6项目于年发布了GE3一个集成G81的GF2GF3在GE4GBEGBF，并正GD8G80公众开GE5，旨在社交GF2GF3GB6代GE6用群众GB0慧，建GE6信息服务95万方数据情报资料工作 年第期一个基于社会感知和社会驱动的社区记忆系统， 守护记忆、保护过去、营造历史数字遗产。由于微博、T、Fck等社交媒体发布的信息和上下文语境密切关联且转瞬即逝， 不利

16、于信息的选择、采集与保存，这已成为制约社交媒体信息采集的关键问题。针对该问题，AROMEM项目建立了跨国多组织机构参与的信息采集机制，G80G81G82G83G84的G85G86G87G88G89G8AG8B的G8CG83G8DG8E、G8FG90会的G91G90G92G93，G94G80G81G95G96的信息采集G97G98G99G9A了社交媒体信息采集G8CG83的G9BG9C问题。G9DG9EG8FG9F上，采GA0G8F于GA1GA2GA3GA4对社交媒体信息GA5题G87GA6GA7G87GA8体GA8GA9选择GAA采集的采集GABGAC，利GA0G9DGADGAEGAFGB0G

17、B1信息选择上GB2GB3GA8GB4GB5GB6GB7GA3GB8G9AGAB的信息采集GB9GBA，GBB集社交GBCGBD上GBEGBFGC0联的社会记忆，建立了G8F于社会GC1知和社会驱动的社交媒体信息采集GC2GC3，为GC4GC5W Ac的社交媒体信息采集GC6GC7了GC8机制G87GC8G97G98G87GC8GABGAC与GC8GB9GBA。2.1 AROMEM信息采集机制GC4GC5W Ac的社交媒体信息采集GC9一项系统G88GCA，GCBGCCGCDGCEG8FG90G91GCFG87GD0GD1GD2GD3G87GBAGD4GD5境G87组织G85G86等，GD6G

18、9E，对社交媒体信息的采集与保存不GB8GD7GD8GD9GDA机构，GDBGDC多机构的GBEGBF参与。AROMEM项目G9DGA8GA9社交媒体信息采集GDD采GA0了GDE布GC3GD2G86的采集机制，GCBGCC，G8FG90G91GCF上由GDFGE0GE1GE2会GC6GC7了GE3GE4G8AGDEG91G90保GE5项目GE6GE7GE8G9DGD0GD1GD2GD3GB1GBAGD4GD5境GB9GC4，为了GD2GE9知GEA产GD1问题AROMEM于GEBGECG9D多GED多知GEA产GD1会GD3上GEEGEF了知GEA产GD1的问题， GF0GF1AROMEM项

19、目的目的GA0于保存GBCGBDGB1社交GBCGBDGADGAE，保护GF2GF3数字记忆，GF4GF5GF6GB3GBAGD4保护GE8G9D组织GF7G86上，GF8GF9的GFAGFBGFCGFDGE4G82与GFDGFE的GFF诺威莱布尼兹GE4G82等GCB他G82G83科GEE单位承担社交GBCGBD的语义演变GB1情境信息保存等相GC0理论的GEE究， 雅典G8CG83GCC心负责GA3GB8化GBCGBD爬虫等G8CG83难题的攻GC0，GF4腊GD3会、奥地利GD3会GB3GCEGFDGFE之声等公GBEG8AG8B负责GA8GA9社交GBCGBDG91源的采集、管理、保存

20、与利GA0， 这些G85G86机构通过组织GFE际GEEGEF会来商GD3G99G9A社交媒体信息采集GC4临的困难与挑战。2.2 AROMEM信息采集G97G98为了GA8GB4对来GB5GFDGFE之声、GFDGFE公GBE广播、GF4腊GD3会、 奥地利GD3会等G8AG8B海量异质的社交媒体信息进GE7统一规G96的采集GB1组织管理，AROMEM项目G9DGA8GA9信息采集GDD遵循REST AG97G98、RDF三元组数据交互格GC3G97G98、 数据获取A服务G97G98等对收割社交媒体信息的GBCGBD爬虫G88具进GE7了规G96配置，确保获取的社交媒体信息GB8够GB3

21、JSO、RDF/XML等G97G98格GC3数据集的形GC3返回。 G94参照“SO/W”等相GC0的WG8CG83服务G97G98， 采GA0RDF、OWL等语义GBCG8CG83设计了一GDA数据GC2型GA0于对采集的社交媒体信息进GE7统一的G91源描述，使无序信息有序化，GB9便GB3后的数据管理。 GBFGDD采GA0G97G98的WARGBC页档案文GA7格GC3GA0于记录采集的社交媒体信息的GADGAE、G80构、管理过GCA、形成G81G82等信息， GB3形成对G83描述G91源GCEGCB构成G8AGDE的G98确G84述，GA8GB4对采集的社交媒体信息的G85目G8

22、6录，G87G88使这些GDCG89档保存的社交媒体信息GADGAE与GCB元数据信息建立G93G8A联系，保G8B信息GADGAE的G8CGA8GAA、G8DG8EGAAGB1GB2G8FGAA，GB3便形成GB2GB3GA8GB4G90G91保存的社交媒体信息数据G92。2.3 AROMEM信息采集GABGACAROMEM项目的G93GE4G94G95G96GC9采GA0了G8F于GA1GA2GA3GA4G97G98G89档信息G91源G99集与GAFGB0的选择GAA采集与G9A题采集G9BG85的信息采集GABGAC，GCB采集G9CGCAGC9G9DGF1确信息采集GA5题G9EG9

23、EG9E利GA0社交G9FGA0GA1GA2G9EG9EG9E社交媒体GA0GA3GB5发参与相GC0GA5题信息G91源的G99集与GADGAEGAFGB0G9EG9E负责机构GB3GA5题、GA6GA7、GA8体为GCC心有选择地GA4GA5采集GA6GDC信息G9EG9EG9EGA7采集的社交GBCGBD情境与信息GB3G9A题形GC3G89档保存G9EG9EG9E建立GA8GA9集体记忆、 社会GC1知的社交GBCGBD数字档案GAAGAB。与GA2统的GBCGBD信息采集GABGAC相GAC，AROMEM项目G83采GA0的信息采集GABGACGADGE9“GAEGAF参与、GBEG

24、B0记忆GAB，G8F于公GA2、 GB1体的GA3GA4通过社交GBCGBD信息的历史、文化、GB2GB3、GEE究GB0GB4等进GE7GADGAEGAFGB5，确GB6GB7GB7GA4GA5采集的信息，G94利GA0社会GBCGBD语义G97GB8与GB9取等G8CG83，保G8B采集的社交媒体GA6GA7、 GA5题、 GA8体等信息具有语义GAA， GA8GB4社会GBCGBDGA5题信息的语义GBAGBB与G8F于语义过GCAGBCGBDGA6GA7的语境使GCB情G82化GBEGB4， G87G88GA7GBCGBD信息G91源采集与保存转变为G8F于社会GBFGEAGB1社会

25、驱动的存GC0GC2GC3。 这GC1采集GABGACGC2GCFGA1GA2GC3量，GC4GC2社交媒体GB5GC5GC6GA2广GC7、 互动GAAGAD等GA4GC8G9D一GB6GCAGC9上G99G9A了GA2统的选择GAA采集G9D信息GCAGCB、GCC选GB9GC4GC4临的困难，GCDGCE了信息采集的G88G86量，GCFGE4了信息采集G96GD0，GD1GD2了信息采集成GD3，GC6GD4了信息采集质量，进一GD5GD6动了社交媒体信息采集与保存G88G86G9D数字GDDGD7的GD8GAA发G98。2.4 AROMEM信息采集方法社交媒体信息与常规的网站信息不同

26、， 多是用户生成内容，包含大量的文本、图像、音频、视频等异质的网络信息。 二者在数据冗余、时效性、抓取技术等方面的差异， 致使目前大部分网站网页保存项目采用的网络爬虫等信息采集方法对社交媒体信息采集不具有适信息服务96万方数据情报资料工作 2017年第1期用性，因此，研发面向社交媒体的网络信息抓取工具是社交媒体信息长期保存工作中面临的一个重要挑战。针对该难题，AROMEM项目研究人员在现有的网络爬虫工具H的基础上，综合应用最佳信息新鲜度优化抓取、宽度与深度优先搜索、社会网络分析、智能自适应决策支持、“语义保护” 方法等技术设计和实现了智能的社交媒体信息抓取工具AROMEM，并G80用G81实现

27、对社交媒体信息的G82上G83G84、G82G85G83G84和交G86G83G84，具体G83G84G87G88G89G8AG8BG8C。AROMEM社交媒体信息G83G84G87G88G8DG8E个重要G8FG90：（）社交媒体信息的G91G92。AROMEM G83用基G93 REST A 的应用G88G94G95G96技术， G92取G97自T、Fck、Fck、+、YT等社交媒体的信息，G98G99G87A Ky G9A用方法与G9BG82G88G83G84方法的G9C合G9D用， 实现G91G92的社交媒体信息URL的G9EG9FGA0GA1。 （）社交媒体信息的G84中抓取。 该G

28、8FG90GA2GA3G82上G87G88、G82G85G87G88、交G86G83G84GA4个GA5GA6的信息抓取，GA7中， G82上G87G88基G93智能爬虫决GA8， G99G87G82上GA9GAAGABGAC、 社交媒体GADGAE分析等在G82GAFGA1G98抓取GB0GB1分析优先和GB2GB3GB4GB5优先的URLGB6G9F。GB7GB8G82GB9GBA是用G97分析在G82信息G83G84GB9GBA的抓取G9CGBB， G98G99G87GBCGBD语GBE抓取GBFGC0，GC1GC2基G93URLGC3GC4G9FGC5的语义信息实体、GC6题GC7GA

29、9GAA，GC8GC9新的在G82G83G84GCAGCB，实现GB2GB3的GCCGCD抓取和有GCDGBCGCE，GCFGD0GB2GB3GD1GD2和GD3GD4，GD5保信息G83G84GD6GD7。 最GD8，交G86G83G84G80用GD9GDA应用G88G94GDBGDC（A-cA H）对社交媒体GADGAE和GC6题、GA9GAA的URLGDDGDEGB0GB1GDF分析G98智能GB4GB5GB2GB3， 实现GE0G95优先GA6GE1G94，GE2GE3了GE4GE5作用。GE6G93GA9GAAGE7GE8GE9GEA持GEBGECGED，该G87G88GEEG8FG

30、DDGDE，GEFGB7GF0GF1信息的有GCDGBCGD7和新鲜度。 （）G83G84GADGAEGF2GF3与GB4GB5的自适应智能决GA8。该G8FG90用G97对AROMEM G91G92的社交媒体GADGAEGDDGDEGF2GF3，G98G80用GF4GF5智GF6GF7GD9GDA、G92GF8有GF9义的社会媒体GA9GAA、GC6题、实体G8EGB0GB1GE0G95，智能GB4GB5有保存GF3GFA的信息作GFBG83G84对GFC。 GE6G93GE7GE8GFDGEA和GE9GEA的GED化，GC6题、GA9GAA、实体等信息GFE会GE7GFFGCB态演化，对此

31、，AROMEMG80用机器学习和自然语言GAFGA1（L）等方法提供了一组丰富的、与原始数据GB0互GB1联的元数据信息（爬虫信息、日期和GE9GEA，抓取的MME类型等），这些信息与GB4GB5的原始页面以 W Ac 文GAA形式（WAR）储存在AROMEMGDAGAB库，可以GD5GF0被GA7他应用G88G94G9D用GE9能够还原GA7原始信息。3 ARCOMM项目的启示AROMEM是实现社交媒体信息G83G84与GF0存较GFB优秀的案例， G81在实施面向W Ac的社交媒体信息G83G84中G8BG83用的G83G84机制、G83G84标准、G83G84GA8略、G83G84方法等

32、GFB社交媒体在网络GB2GB3GF0存中的应用开辟了新思路，对国GADGB0GB1的研究与实践具有重要的参考GF3GFA。3.1 建立G9B元的组织协作G83G84机制微博、 微信等国GADGC6流社交媒体上发布的海GD7原生数字化信息GE6G93网络的不稳定GDF和信息GCB态GBC长、分享与转载GC9致GA7更新频繁，且重G9A、无G94GADGAE较G9B，很难辨别GB3头，给G83G84工作带G97了巨大的困难和挑战，因此， 单靠某个机构难以完成社交媒体大GD7异构信息的G83G84，G80要参考和G81G82AROMEM项目G8BG83用的分布式协作G83G84机制，GE6G9B个

33、组织机构合作，在G83G84GA7G85和G86用自G87G88有GB2GB3G85G89GDC协作、 协G8AG8BGB1实现信息G83G84的GCCGCD抓取和有GCDGBCGD7。在组织联G8C中，给G8D基G8E支持的机构GD5GF0GB2G8E的有GCDG80用与优化G8FG90； 提供技术支持的组织G80要在技术上G91G92G93新， 提GCC信息G83G84的GCDG94与GD6GD7； GB0GB1参与G95研单G96G80要制定合GA1的G83G84标准、GA8G97、方案等； 合作协G98方G80要G99G9AGBFG9BG9CG9DG9EG9F和标准体GA0， GD5G

34、F0G83G84的分工与有G94GDDGDE。G9C合国GA1，国GAD可建立GE6G8AGA2GA3、 GA4案GA3GFBGC6GC9， GA5GA6GA7些对社会化媒体GB2GB3G83G84与GF0存的重图 AROMEM社交媒体信息采集过程信息服务WARC文件应用程序接口广播AP议会APWARC输出爬行控制ARCOMEM知识库内容评价和选择的自适应智能决策支持系统内容挖掘主观性主题实体事件空间/时间社会网络挖掘感知链接语境相关性提取链接URLs种子列表ARCOMEM爬虫序列管理资源获取感知应用程序助手URLs相关分析优先资源选择优先智能爬虫决策BlogsWikis、TwitterFac

35、ebook捕获线上事件识G80 社G81G82体分析线上过G83线G84过G83提取社G81媒体信息G85G86/G87G88线G84事件识G89 图G8A/G8BG8C分析社G81媒体分析G81G8DG8EG8F社G81G82体G90G91实体G92G9397万方数据情报资料工作 年第期要性有足够认识、有意向参与这项公益事业，且数字保存技术有保障的网站平台运营商参加的组织协作采集，开展面向W Ac的社交媒体信息采集工作。其中，图书馆、档案馆作为数字资源保存的责任主体，在构建信息采集的规范和体系等方面具有显著的优势，而且比较容易获取政府的资金、政策支持。 网站平台运营商提供的网络数据采集、 云

36、存G80等技术G81为信息采集提供G82要的技术支G83。这G84G85构G86G87G88工协作，G89G8AG8BG8CG8DG8E社G8FG90媒体资源在G91的网络资源的G92集工作，G93而G86G87G88G8C责任、G94G95G96G97，G98G99益G9AG9BG90。3.2 G9CG9DG9EG9F规范的采集GA0GA1社交媒体资源具有GA2GA3GA4的GA5GA6GA7构且信息GA8GA9持GAAGABGAC，其GADGAE性、GA5GA6性GAF技术GB0GB1性GB2等GB3GB4GB5GB6开展社交媒体信息G92集与GB7存GB8面GB9GBAGBBGBCGBD

37、，GBEGBF：GBFGC0GA8GA9G92集GC1G8A社交网络GC2GC3GC4的信息资源；GBFGC0G92集GC5G84具有GC6GBCGC7GC8的社交网站信息； GBFGC0GC9GCAGCBGCC的社交网络GC2GC3信息的有G99获取； GBFGC0GCDGCE信息G92集中GCFGAF的GD0识GD1GC7GAFGD2GD3GD4GD5GBCGBD等。 为GD6GD7GD8社交媒体信息资源G92集有GD9G81GDA， G9CG9DG9EG9F规范的G92集GDBGA1势在GDCGDD。 GDEGDFGE0GE1GE2GE3G91网络资源G92集与GD8存的GA0GA1GE

38、4益GE5GE6，GE7GE8，G81在GE9GEA AROMEM 信息G92集GA0GA1的GEBGECGED，参GEEGE3G91网络资源G92集GA0GA1，G9CG9DGEFGF0GF1GE3G91社交媒体信息G92集的GA0GA1，GF2GF3：资源GF4GF5GDBGA1、GF6GAEGF7GF8GDBGA1、GD0识G89GF9协GFAGDBGA1、GFB媒体GFCGFDGDBGA1、 资源GDB识和著GFEGA0GA1、 GFF数据编码GAF转换GA0GA1等。 GF0G9EG9F合理的GA0GA1来规范约束社交媒体信息G92集的整GD2GFB程，GC1仅能GD7GD8信息G9

39、2集的完整性，还能够便GF1各G85构所G92集资源的G89GF9与整合， G93而G94G95已G92集资源未来的GD8存GE5本。3.3 运GF0GBBGE1GA0驱GA8的G92集策略社交媒体信息G92集策略在GA7合我GE3网络资源G92集政策和GA0GA1的GE2提GC4，着眼GF1GAC远，GC9GCA信息G92集范围的扩G9B、G92集G91容的持GAA有G99增GAC等。由GF1单靠某一种G92集策略无法GC9GCAG92集的高G99性，GE7GE8，需糅合GBB种G92集策略规避单一G92集策略的局GC8性。 社交媒体信息G92集策略的G9CG9D应在宏观GED予以策划，G8

40、AGB8立足GF1GC9际，GCDGCE信息G92集要GC9GCA的G91容GF4GF5与评价、G91容挖掘、社G8F网络G88析等GBBGD2GE1GA0， 针对GC1G8AGE1GA0对象G98GF0相应的G92集策略。 GBEGBF，在GFBGDD热GB4、新闻话GBD和专GBDG91容信息的G92集GEDG81GE9GEAAROMEM 项GE1G92GF0的GEBGF1群众智慧开展归档信息资源征集与评价的信息G92集策略，G81GDEGDF提倡GE3家图书馆、档案馆等有影响力的G85构积极建立公众号，GBF微信公众号等，让全民参与，利GF0群众的智慧和力GAEGCEG9DG92集哪G8

41、4有GD8存价值的信息；在面对G91容挖掘和社G8F网络G88析的信息G92集GB8G81以在对GF4G9D的GE1GA0信息进GDD完整性批GAEG92集的G8AGB8，G98GF0GD3工干预的方法对信息进GDD甄别，GF4GF5一G84有历G80、G81G90、G82G83以GAFG84G85价值的信息进GDD有针对性G86GA2GA3GA4G87G88G92集，这种G89合G8AG92集策略G81以G93G8BG8C和GA2G8CG8DGD2方面对社交媒体信息资源进GDD比较全面而GA2G8E的G92集，进而GD8G8F信息G92集的GF6与GAE。 G90G91，社交媒体信息G92集

42、需要在宏观G92GB5和G92集GE1GA0驱GA8GC4G92GF0G9A合GEF的G92集方GFD加以G93G94，G98资源G92集能够G95GE0G9A优G90的G96平。3.4 开G97智能G90的G92集方法社交媒体资源G98GF1GA2GA3网的范G99， G8BG9A资源的站GB4GA7构GA5GA6， G9BG9C的针对G9DGA3网的网G9EG92集方法GC1能有G99GCDGCE这G9F信息的G92集GBCGBD。 G93GA0GE2网络资源GD8存项GE1GC9GA1GC2GA2来GA3， GE1GE2我GE3G92GF0的网络GA4GDD工具G9BGBB数GA5能GA

43、6据GA7GA8GA9的GAAGAB来获取G9DGA3网G9E的资源，GACGAD有专GAE针对GA2GA3网G9E进GDD数据G92集的，GE7GE8，开G97新的方法和工具来GC9GCA社交媒体资源的G92集， GAFGE3G91开展面向W Ac社交媒体信息G92集工作要GB0GB1的一GD2G82要技术GBCGBD。 AROMEM项GE1G84G97的智能G90社交媒体信息G92集工具AROMEM 所GC9GCA的技术GB2新与GB0GB1G81为GE3G91社交媒体信息G92集方法的开G97提供参GDE和GE9GEA。AROMEM 的优势在GF1G86G87A Ky GA5GF0方法与

44、GBBGB3GB4G92集方GB5的GA7合G98GF0，GB6GB1社交媒体AGC6GBCG87GB7的GC8G9C， GB8在G92集G91容评价与GF4GF5的GB9GEF应智能GCE策系G9C的GBAG9CGC4， G93GB3GEDG92集、 GB3GC4G92集和交GBBG92集GBCGD2GA3GBDGC9GCA对社交媒体信息的集中GBE取，GC1仅G81以GD8G8F获取的数据GFCGFD规范、数据完整性GBF，便GF1GC0GAA的GC1理，而且G9BGC2G8C提高GD6G92集G99GB7与G92集GF6GAE。GE7GE8，GE3G91在开G97智能G90的社交媒体信息

45、G92集方法的G87GB4中，G81GDEGDF以AROMEM 的GC3GC4为“GC5GC6”，GA7合GC9际需GC7，对GCA有的网络GA4GC8工具GC9G92集方法进GDD优G90GCA进， GC9GCA面向我GE3主GFB社交媒体信息G92集的智能GA4GC8工具， 以GCDGCEGA0GE2GE3G91面向W Ac的社交媒体信息G92集的技术GCBGCC。4 结语GCDG84G85立足GF1GE3G91开展社交媒体信息G92集与GD8存工作的GCAGC9需GC7，对GE3GCEGE5GCFGC9GA1案GD0AROMEM项GE1GC9GCA面向W Ac的社交媒体信息G92集所G92GF0信息服务98万方数据情报资料工作 2017年第1期的采集机制、采集标准、采集策略、采集方法等进行了全面而深入的分析。研究发现，我国当前在社交媒体信息采集与保存方面的研究尚处于起步探索阶段，因此，可以借鉴AROMEM项目的相关成功实践经验，通过建立多元的组织协作采集机制、 制定科学规范的采集标准、运用多目标驱动的采集策略、开发智能化的采集方法来实施面向W Ac的社交媒体信息采集。参考文献 中国社交媒体影响报G80 EB/OL