“头，你知道吧，很多人，在不同的平台习惯用一个id的。而且这批新用户注册的那么急，所以肯定有不少人用了常用的id。”

还是那句话，人过留痕，雁过留声。

而且这痕迹里，往往带着很浓重的个人特色。

汇报人员继续说：“然后我们根据这四万个id，逐一在微博上进行了搜索，然后爬取了这些用户名的所有的发言，再利用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帐号。

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ai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。

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。