一種計算影響力數(shù)據(jù)的方法與裝置制造方法
【專利摘要】本發(fā)明公開了一種計算影響力數(shù)據(jù)的方法與裝置；所述方法適用于社交網(wǎng)絡(luò)，包括：以指定信息的標識作為輸入，從預(yù)定的社交網(wǎng)絡(luò)的服務(wù)器中爬取所述指定信息的用戶操作數(shù)據(jù)；根據(jù)所爬取的所述用戶操作數(shù)據(jù)計算每天的用戶參與次數(shù)；分別計算每天的參與次數(shù)增長率；比較各相鄰天的所述參與次數(shù)增長率，選出當(dāng)天的所述參與次數(shù)增長率與前N天的參與次數(shù)增長率之差均大于第一預(yù)定閾值的日期、以及前M天的參與增長率均為負值，當(dāng)天的所述參與次數(shù)增長率為正值且當(dāng)天的用戶參與次數(shù)大于第二預(yù)定閾值的日期。本發(fā)明能夠提高社交網(wǎng)絡(luò)的影響力數(shù)據(jù)的正確性和可靠性，更加符合實際情況。
【專利說明】一種計算影響力數(shù)據(jù)的方法與裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)領(lǐng)域，特別涉及一種計算影響力數(shù)據(jù)的方法與裝置。
【背景技術(shù)】
[0002]截至2012年12月底，新浪微博注冊用戶數(shù)已超過5億。2012年12月，日活躍用戶數(shù)達到4620萬。微博用戶數(shù)與活躍用戶數(shù)保持穩(wěn)定增長。騰訊微博的注冊賬戶數(shù)更高達5.4億，日均活躍用戶數(shù)超過8700萬。微博應(yīng)用的風(fēng)靡，尤其是門戶微博時代的到來，可以說是蓋過了各種模式的互聯(lián)網(wǎng)平臺的風(fēng)頭。在社交網(wǎng)絡(luò)上進行企業(yè)信息發(fā)布不僅擁有互聯(lián)網(wǎng)傳播快捷、廉價的優(yōu)勢，其特有的用戶互動效果是其它媒體方式所無法比擬的。此外在社交媒體上做宣傳不同于直接的廣告投放，以微博形式發(fā)布的信息不需要額外的資金投入;同時，信息的傳播不再只局限于企業(yè)自身的被關(guān)注度，有較強影響力用戶的轉(zhuǎn)發(fā)為信息的傳播貢獻了非常重要的力量。
[0003]傳統(tǒng)的影響力數(shù)據(jù)獲取方案中不會考慮用戶本身對信息的傳播貢獻，用戶也無法將自身的觀點和情感傾向融入信息中加以散播，而在社交網(wǎng)絡(luò)中用戶可以使用多種方式表達自身的觀點:發(fā)表評論點擊“贊”、“踩”，甚至可以直接發(fā)帖表明觀點；社交網(wǎng)絡(luò)的新穎性在成為信息傳播新模式的同時，導(dǎo)致信息的傳播手段、用戶參與方式、用戶關(guān)注渠道等都和傳統(tǒng)網(wǎng)絡(luò)非常不同，這意味著如果直接將傳統(tǒng)的影響力數(shù)據(jù)計算方案應(yīng)用在新型社交網(wǎng)絡(luò)中，將有可能忽略用戶在信息傳播中的行為，最終導(dǎo)致所得到的影響力數(shù)據(jù)片面且失真。比如由于社交網(wǎng)絡(luò)發(fā)文的免費性，企業(yè)的發(fā)文和用戶的發(fā)文處在一個平等的平臺中，導(dǎo)致兩者的影響力也相對接近。企業(yè)在傳統(tǒng)網(wǎng)絡(luò)中發(fā)布的信息影響力隨時間推進衰減的較少，而社交網(wǎng)絡(luò)中由于不斷有用戶發(fā)布新的信息，一條信息的影響力會在相對較短的時間內(nèi)迅速減弱，因此如果采用和傳統(tǒng)網(wǎng)絡(luò)相同的方式計算信息的活躍時間，很有可能會得到一個超出實際情況的活躍時間，無法得到準確的信息更新周期。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題是如何提高社交網(wǎng)絡(luò)的影響力數(shù)據(jù)的正確性和可靠性，更加符合實際情況。
[0005]為了解決上述技術(shù)問題，本發(fā)明公開了一種計算影響力數(shù)據(jù)的方法，適用于社交網(wǎng)絡(luò)，包括:
[0006]以指定信息的標識作為輸入，從預(yù)定的社交網(wǎng)絡(luò)的服務(wù)器中爬取所述指定信息的用戶操作數(shù)據(jù)；所述用戶操作數(shù)據(jù)至少包括所述指定信息及其各層子信息每天的轉(zhuǎn)發(fā)次數(shù)及評論次數(shù)；所述指定信息的第1層子信息是指對該指定信息的評論信息或轉(zhuǎn)發(fā)信息，所述指定信息的第L層子信息是指對該指定信息第L- 1層子信息的評論信息或轉(zhuǎn)發(fā)信息；L為大于1的正整數(shù)；
[0007]根據(jù)所爬取的所述用戶操作數(shù)據(jù)計算每天的用戶參與次數(shù)；所述每天的用戶參與次數(shù)為每天的評論次數(shù)加轉(zhuǎn)發(fā)次數(shù)；[0008]分別計算每天的參與次數(shù)增長率；所述參與次數(shù)增長率為當(dāng)天的用戶參與次數(shù)與前一天的用戶參與次數(shù)之差；
[0009]比較各相鄰天的所述參與次數(shù)增長率，選出當(dāng)天的所述參與次數(shù)增長率與前N天的參與次數(shù)增長率之差均大于第一預(yù)定閾值的日期、以及前Μ天的參與增長率均為負值，當(dāng)天的所述參與次數(shù)增長率為正值且當(dāng)天的用戶參與次數(shù)大于第二預(yù)定閾值的日期；其中Ν和Μ為正整數(shù)。
[0010]可選地，所述的方法還包括:
[0011]所述用戶操作數(shù)據(jù)還包括:對所述指定信息或其子信息的參與行為數(shù)據(jù)；所述參與行為數(shù)據(jù)至少包括參與行為的發(fā)布時間；所述參與行為包括評論、轉(zhuǎn)發(fā)、投票；
[0012]從所述指定信息的參與行為數(shù)據(jù)中獲取最遲的發(fā)布時間，用該最遲的發(fā)布時間減去所述指定信息的發(fā)布時間，得到所述指定信息的生存時間長度。
[0013]可選地，所述用戶操作數(shù)據(jù)還包括:所述指定信息及各層評論信息的內(nèi)容、對所述指定信息及其各層子信息的投票數(shù)據(jù)；所述被投票數(shù)據(jù)包括投票的內(nèi)容；
[0014]所述方法還包括:
[0015]對所述指定信息及各層評論信息的內(nèi)容分別進行分詞，使用情感判斷算法分別對所述指定信息及各層評論信息的分詞結(jié)果進行判斷，得到所述指定信息及各層評論信息的情感類型；各層轉(zhuǎn)發(fā)信息與所轉(zhuǎn)發(fā)的指定信息或子信息的情感類型一致；各投票的情感類型根據(jù)投票的內(nèi)容確定；
[0016]所述情感類型包括:正面、負面和中性。
[0017]可選地，所述用戶操作數(shù)據(jù)還包括:對所述指定信息及其各層子信息進行評論、轉(zhuǎn)發(fā)、投票的用戶標識、以及所述指定信息及其各層子信息中的用戶互動信息；所述用戶互動信息至少包括互動所針對的用戶標識；
[0018]所述方法還包括:
[0019]根據(jù)所述用戶互動信息提取互動所針對的用戶標識；
[0020]將所提取的用戶標識與所述用戶操作數(shù)據(jù)中進行評論、轉(zhuǎn)發(fā)、投票的用戶標識進行匹配，計算匹配成功的個數(shù)和匹配失敗的個數(shù)，用匹配成功的個數(shù)除以匹配成功和失敗的個數(shù)之和，得到所述指定信息的主動傳播成功率。
[0021]可選地，所述投票數(shù)據(jù)還包括:對所述指定信息及其各層子信息投票的次數(shù)；
[0022]所述方法還包括:
[0023]根據(jù)所述用戶操作數(shù)據(jù)中的用戶標識生成原始用戶集合，從中刪除重復(fù)的用戶標識，以及爬取過用戶數(shù)據(jù)的用戶標識后，根據(jù)所述原始用戶集合中剩余的用戶標識從所述社交網(wǎng)絡(luò)的服務(wù)器中爬取對應(yīng)的用戶數(shù)據(jù)；所述用戶數(shù)據(jù)至少包括所述用戶標識對應(yīng)的粉絲數(shù)；
[0024]計算每種情感類型下的傳播量和參與量:
[0025]傳播量:
[0026]
【權(quán)利要求】
1.一種計算影響力數(shù)據(jù)的方法，適用于社交網(wǎng)絡(luò)，其特征在于，包括: 以指定信息的標識作為輸入，從預(yù)定的社交網(wǎng)絡(luò)的服務(wù)器中爬取所述指定信息的用戶操作數(shù)據(jù)；所述用戶操作數(shù)據(jù)至少包括所述指定信息及其各層子信息每天的轉(zhuǎn)發(fā)次數(shù)及評論次數(shù)；所述指定信息的第1層子信息是指對該指定信息的評論信息或轉(zhuǎn)發(fā)信息，所述指定信息的第L層子信息是指對該指定信息第L - 1層子信息的評論信息或轉(zhuǎn)發(fā)信息；L為大于1的正整數(shù)；根據(jù)所爬取的所述用戶操作數(shù)據(jù)計算每天的用戶參與次數(shù)；所述每天的用戶參與次數(shù)為每天的評論次數(shù)加轉(zhuǎn)發(fā)次數(shù)；分別計算每天的參與次數(shù)增長率；所述參與次數(shù)增長率為當(dāng)天的用戶參與次數(shù)與前一天的用戶參與次數(shù)之差；比較各相鄰天的所述參與次數(shù)增長率，選出當(dāng)天的所述參與次數(shù)增長率與前N天的參與次數(shù)增長率之差均大于第一預(yù)定閾值的日期、以及前Μ天的參與增長率均為負值，當(dāng)天的所述參與次數(shù)增長率為正值且當(dāng)天的用戶參與次數(shù)大于第二預(yù)定閾值的日期；其中Ν和Μ為正整數(shù)。
2.如權(quán)利要求1所述的方法，其特征在于，還包括:所述用戶操作數(shù)據(jù)還包括:對所述指定信息或其子信息的參與行為數(shù)據(jù)；所述參與行為數(shù)據(jù)至少包括參與行為的發(fā)布時間；所述參與行為包括評論、轉(zhuǎn)發(fā)、投票；從所述指定信息的參與行為數(shù)據(jù)中獲取最遲的發(fā)布時間，用該最遲的發(fā)布時間減去所述指定信息的發(fā)布時間，得到所述指定信息的生存時間長度。
3.如權(quán)利要求1所述的方法，其特征在于:所述用戶操作數(shù)據(jù)還包括:所述指定信息及各層評論信息的內(nèi)容、對所述指定信息及其各層子信息的投票數(shù)據(jù)；所述被投票數(shù)據(jù)包括投票的內(nèi)容；所述方法還包括:對所述指定信息及各層評論信息的內(nèi)容分別進行分詞，使用情感判斷算法分別對所述指定信息及各層評論信息的分詞結(jié)果進行判斷，得到所述指定信息及各層評論信息的情感類型；各層轉(zhuǎn)發(fā)信息與所轉(zhuǎn)發(fā)的指定信息或子信息的情感類型一致；各投票的情感類型根據(jù)投票的內(nèi)容確定；所述情感類型包括:正面、負面和中性。
4.如權(quán)利要求3所述的方法，其特征在于:所述用戶操作數(shù)據(jù)還包括:對所述指定信息及其各層子信息進行評論、轉(zhuǎn)發(fā)、投票的用戶標識、以及所述指定信息及其各層子信息中的用戶互動信息；所述用戶互動信息至少包括互動所針對的用戶標識；所述方法還包括:根據(jù)所述用戶互動信息提取互動所針對的用戶標識；將所提取的用戶標識與所述用戶操作數(shù)據(jù)中進行評論、轉(zhuǎn)發(fā)、投票的用戶標識進行匹配，計算匹配成功的個數(shù)和匹配失敗的個數(shù)，用匹配成功的個數(shù)除以匹配成功和失敗的個數(shù)之和,得到所述指定信息的主動傳播成功率。
5.如權(quán)利要求4所述的方法，其特征在于:所述投票數(shù)據(jù)還包括:對所述指定信息及其各層子信息投票的次數(shù)；所述方法還包括:根據(jù)所述用戶操作數(shù)據(jù)中的用戶標識生成原始用戶集合，從中刪除重復(fù)的用戶標識，以及爬取過用戶數(shù)據(jù)的用戶標識后，根據(jù)所述原始用戶集合中剩余的用戶標識從所述社交網(wǎng)絡(luò)的服務(wù)器中爬取對應(yīng)的用戶數(shù)據(jù)；所述用戶數(shù)據(jù)至少包括所述用戶標識對應(yīng)的粉絲數(shù)；計算每種情感類型下的傳播量和參與量:傳播量:
6.如權(quán)利要求5所述的方法，其特征在于，還包括:利用病毒傳播SIR模型，根據(jù)被轉(zhuǎn)發(fā)和被評論關(guān)系，生成轉(zhuǎn)發(fā)評論樹；統(tǒng)計所述轉(zhuǎn)發(fā)評論樹的最深層數(shù)，找出所述轉(zhuǎn)發(fā)評論樹中轉(zhuǎn)發(fā)次數(shù)和評論次數(shù)之和最大的前k個節(jié)點；k=min{(userX α ), 10},其中0〈α〈1，user為對所述指定信息及其各層子信息進行轉(zhuǎn)發(fā)或評論的用戶標識的個數(shù)，min{}是指取{}中的最小值；查詢這k個節(jié)點所對應(yīng)的評論信息或轉(zhuǎn)發(fā)信息的情感類型，在所述用戶操作數(shù)據(jù)中查詢發(fā)布這k個節(jié)點所對應(yīng)的評論信息或轉(zhuǎn)發(fā)信息的用戶標識，作為強影響力用戶。
7.如權(quán)利要求4所述的方法，其特征在于:所述用戶操作數(shù)據(jù)還包括:所述評論信息、轉(zhuǎn)發(fā)信息、投票的層數(shù)；其中，評論信息和轉(zhuǎn)發(fā)信息的層數(shù)是所評論或轉(zhuǎn)發(fā)的信息的層數(shù)加1，所述投票的層數(shù)是所針對的信息的層數(shù)；所述指定信息的層數(shù)為0 ;所述方法還包括:從所述指定信息中提取一個或多個關(guān)鍵詞；以選出的關(guān)鍵詞為檢索詞在所述社交網(wǎng)絡(luò)的服務(wù)器中進行搜索，從檢索出的信息的標識中去除所述指定信息的標識后，作為衍生信息；分別以各衍生信息的標識作為輸入從所述社交網(wǎng)絡(luò)的服務(wù)器中爬取各衍生信息的用戶操作數(shù)據(jù)；如果爬取到的所有衍生信息的用戶操作數(shù)據(jù)中，存在信息的標識或用戶標識相同的多條數(shù)據(jù)，則保留層數(shù)最多的一條數(shù)據(jù)，將所述多條數(shù)據(jù)中其它數(shù)據(jù)及其后續(xù)數(shù)據(jù)全部刪除；一條數(shù)據(jù)的后續(xù)數(shù)據(jù)是指:對該條數(shù)據(jù)所對應(yīng)的信息或子信息進行轉(zhuǎn)發(fā)、評論、投票所產(chǎn)生的數(shù)據(jù)；統(tǒng)計過濾后的0層信息的個數(shù)，作為所述指定信息對應(yīng)的衍生信息的個數(shù)。
8.如權(quán)利要求7所述的方法，其特征在于，還包括:根據(jù)所爬取的各衍生信息的用戶操作數(shù)據(jù)，獲取所述過濾后的0層信息的內(nèi)容，并根據(jù)所獲取的內(nèi)容判斷各所述過濾后的0層信息的情感類型；將各所述過濾后的0層信息的情感類型與所述指定信息的情況類型進行比較，如果情感類型相反的0層信息的個數(shù)或比例超過第四預(yù)定閾值則生成告警提示消息。
9.一種計算影響力數(shù)據(jù)的裝置，適用于社交網(wǎng)絡(luò)，其特征在于，包括:爬取模塊，用于以指定信息的標識作為輸入，從預(yù)定的社交網(wǎng)絡(luò)的服務(wù)器中爬取所述指定信息的用戶操作數(shù)據(jù)；所述用戶操作數(shù)據(jù)至少包括所述指定信息及其各層子信息每天的轉(zhuǎn)發(fā)次數(shù)及評論次數(shù)；所述指定信息的第1層子信息是指對該指定信息的評論信息或轉(zhuǎn)發(fā)信息，所述指定信息的第L層子信息是指對該指定信息第L- 1層子信息的評論信息或轉(zhuǎn)發(fā)信息；L為大于1的正整數(shù)；用戶參與次數(shù)計算模塊，用于根據(jù)所爬取的所述用戶操作數(shù)據(jù)計算每天的用戶參與次數(shù)；所述每天的用戶參與次數(shù)為每天的評論次數(shù)加轉(zhuǎn)發(fā)次數(shù)；參與次數(shù)增長率計算模塊，用于分別計算每天的參與次數(shù)增長率；所述參與次數(shù)增長率為當(dāng)天的用戶參與次數(shù)與前一天的用戶參與次數(shù)之差；比較模塊，用于比較各相鄰天的所述參與次數(shù)增長率，選出當(dāng)天的所述參與次數(shù)增長率與前N天的參與次數(shù)增長率之差均大于第一預(yù)定閾值的日期、以及前Μ天的參與增長率均為負值，當(dāng)天的所述參與次數(shù)增長率為正值且當(dāng)天的用戶參與次數(shù)大于第二預(yù)定閾值的日期；其中Ν和Μ為正整數(shù)。
10.如權(quán)利要求9所述的裝置，其特征在于:所述用戶操作數(shù)據(jù)還包括:對所述指定信息或其子信息的參與行為數(shù)據(jù)；所述參與行為數(shù)據(jù)至少包括參與行為的發(fā)布時間；所述參與行為包括評論、轉(zhuǎn)發(fā)、投票；所述裝置還包括:生存時間長度計算模塊，用于從所述指定信息的參與行為數(shù)據(jù)中獲取最遲的發(fā)布時間，用該最遲的發(fā)布時間減去所述指定信息的發(fā)布時間，得到所述指定信息的生存時間長度。
11.如權(quán)利要求9所述的裝置，其特征在于:所述用戶操作數(shù)據(jù)還包括:所述指定信息及各層評論信息的內(nèi)容、對所述指定信息及其各層子信息的投票數(shù)據(jù)；所述被投票數(shù)據(jù)包括投票的內(nèi)容；所述裝置還包括:情感類型判斷模塊，用于對所述指定信息及各層評論信息的內(nèi)容分別進行分詞，使用情感判斷算法分別對所述指定信息及各層評論信息的分詞結(jié)果進行判斷，得到所述指定信息及各層評論信息的情感類型；各層轉(zhuǎn)發(fā)信息與所轉(zhuǎn)發(fā)的指定信息或子信息的情感類型一致；各投票的情感類型根據(jù)投票的內(nèi)容確定；所述情感類型包括:正面、負面和中性。
12.如權(quán)利要求11所述的裝置，其特征在于:所述用戶操作數(shù)據(jù)還包括:對所述指定信息及其各層子信息進行評論、轉(zhuǎn)發(fā)、投票的用戶標識、以及所述指定信息及其各層子信息中的用戶互動信息；所述用戶互動信息至少包括互動所針對的用戶標識；所述裝置還包括:用戶標識提取模塊，用于根據(jù)所述用戶互動信息提取互動所針對的用戶標識；成功率計算模塊，用于將所提取的用戶標識與所述用戶操作數(shù)據(jù)中進行評論、轉(zhuǎn)發(fā)、投票的用戶標識進行匹配，計算匹配成功的個數(shù)和匹配失敗的個數(shù)，用匹配成功的個數(shù)除以匹配成功和失敗的個數(shù)之和，得到所述指定信息的主動傳播成功率。
13.如權(quán)利要求12所述的裝置，其特征在于:所述投票數(shù)據(jù)還包括:對所述指定信息及其各層子信息投票的次數(shù)；所述爬取模塊還用于根據(jù)所述用戶操作數(shù)據(jù)中的用戶標識生成原始用戶集合，從中刪除重復(fù)的用戶標識，以及爬取過用戶數(shù)據(jù)的用戶標識后，根據(jù)所述原始用戶集合中剩余的用戶標識從所述社交網(wǎng)絡(luò)的服務(wù)器中爬取對應(yīng)的用戶數(shù)據(jù)；所述用戶數(shù)據(jù)至少包括所述用戶標識對應(yīng)的粉絲數(shù)；所述裝置還包括:情感影響力計算模塊，用于計算每種情感類型下的傳播量和參與量:傳播量:
14.如權(quán)利要求13所述的裝置，其特征在于，還包括:轉(zhuǎn)發(fā)評論統(tǒng)計模塊，用于利用病毒傳播SIR模型，根據(jù)被轉(zhuǎn)發(fā)和被評論關(guān)系，生成轉(zhuǎn)發(fā)評論樹；統(tǒng)計所述轉(zhuǎn)發(fā)評論樹的最深層數(shù)，找出所述轉(zhuǎn)發(fā)評論樹中轉(zhuǎn)發(fā)次數(shù)和評論次數(shù)之和最大的前k個節(jié)點；k=min{(userX α )，10},其中0〈 α〈1，user為對所述指定信息及其各層子信息進行轉(zhuǎn)發(fā)或評論的用戶標識的個數(shù)，min{}是指取{}中的最小值；強影響力用戶查詢模塊，用于查詢這k個節(jié)點所對應(yīng)的評論信息或轉(zhuǎn)發(fā)信息的情感類型，在所述用戶操作數(shù)據(jù)中查詢發(fā)布這k個節(jié)點所對應(yīng)的評論信息或轉(zhuǎn)發(fā)信息的用戶標識，作為強影響力用戶。
15.如權(quán)利要求12所述的裝置，其特征在于:所述用戶操作數(shù)據(jù)還包括:所述評論信息、轉(zhuǎn)發(fā)信息、投票的層數(shù)；其中，評論信息和轉(zhuǎn)發(fā)信息的層數(shù)是所評論或轉(zhuǎn)發(fā)的信息的層數(shù)加1，所述投票的層數(shù)是所針對的信息的層數(shù)；所述指定信息的層數(shù)為0 ;所述裝置還 包括:衍生模塊，用于從所述指定信息中提取一個或多個關(guān)鍵詞；以選出的關(guān)鍵詞為檢索詞在所述社交網(wǎng)絡(luò)的服務(wù)器中進行搜索，從檢索出的信息的標識中去除所述指定信息的標識后，作為衍生信息；所述爬取模塊還用于分別以各衍生信息的標識作為輸入從所述社交網(wǎng)絡(luò)的服務(wù)器中爬取各衍生信息的用戶操作數(shù)據(jù)；篩選模塊，用于當(dāng)爬取到的所有衍生信息的用戶操作數(shù)據(jù)中，存在信息的標識或用戶標識相同的多條數(shù)據(jù)時，保留層數(shù)最多的一條數(shù)據(jù)，將所述多條數(shù)據(jù)中其它數(shù)據(jù)及其后續(xù)數(shù)據(jù)全部刪除；一條數(shù)據(jù)的后續(xù)數(shù)據(jù)是指:對該條數(shù)據(jù)所對應(yīng)的信息或子信息進行轉(zhuǎn)發(fā)、評論、投票所產(chǎn)生的數(shù)據(jù)；衍生信息個數(shù)計算模塊，用于統(tǒng)計過濾后的0層信息的個數(shù)，作為所述指定信息對應(yīng)的衍生信息的個數(shù)。
16.如權(quán)利要求15所述的裝置，其特征在于:所述情感類型判斷模塊還用于根據(jù)所爬取的各衍生信息的用戶操作數(shù)據(jù)，獲取所述過濾后的0層信息的內(nèi)容，并根據(jù)所獲取的內(nèi)容判斷各所述過濾后的0層信息的情感類型；所述裝置還包括: 告警模塊，用于將各所述過濾后的0層信息的情感類型與所述指定信息的情況類型進行比較，如果情感類型相反的0層信息的個數(shù)或比例超過第四預(yù)定閾值則生成告警提示消肩、Ο
【文檔編號】G06F17/30GK103678613SQ201310693308
【公開日】2014年3月26日 申請日期:2013年12月17日 優(yōu)先權(quán)日:2013年12月17日
【發(fā)明者】王君鶴, 曲武, 周濤, 葉潤國 申請人:北京啟明星辰信息安全技術(shù)有限公司, 北京啟明星辰信息技術(shù)股份有限公司