[發明專利]微博網絡意見領袖識別方法

無效

• 申請號: 201310027808.4
• 申請日: 2013-01-18
• 公開（公告）號: CN103136331A
• 公開（公告）日: 2013-06-05
• 發明（設計）人: 蔡霖;蔡皖東;彭冬
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

技術領域

本發明涉及一種識別方法，具體涉及一種微博網絡意見領袖識別方法。

背景技術

隨著Web2.0技術的發展，互聯網中出現了一些新型的網絡應用，如社交網絡、微博網絡等，在信息傳播和人際關系承載方面，顯現出越來越大的價值和影響力。

社交網絡作為現實社交網絡在互聯網上的擴展，旨在幫助人們更加有效地建立和維持人際關系網絡。與以聚合信息為特點的網站不同，社交網絡以聚合人群為特點，人們通過社交網絡可以建立和維持自己的朋友圈子，成為一種新型的個人社交方式和信息交流平臺，借助于朋友口碑相傳的信息傳播模式，加速了信息的傳播。

微博網絡(Micro-B1ogging?Network)也是一種社交網絡，用戶可以通過瀏覽器、手機、即時通信軟件等多種渠道發布140字以內的信息，這種即時性、碎片化、聚合性的信息傳播特性受到廣大用戶的歡迎，國內新浪微博的注冊用戶已超過3億人。

在網絡信息傳播過程中，意見領袖發揮了重要的作用。局部意見在意見領袖的引導和影響下演化為網絡輿論。意見領袖又稱輿論領袖，是指在人際傳播網絡中經常為他人提供信息并施加影響的“活躍分子”，他們在大眾傳播效果的形成過程中起著重要的中介或過濾作用，由他們將信息擴散給受眾，形成信息傳遞的兩級傳播。隨著網絡輿論影響力的不斷加大，人們對網絡意見領袖的研究也在不斷地深入。

統計數據顯示，網絡中的大部分用戶不經常參與信息的制造與傳播，他們做出的決定往往跟隨意見領袖。有效地識別網絡意見領袖，通過意見領袖發表引導性信息來影響所在網絡用戶而非直接說服他們，可以有效地觸發整個網絡或社會的影響力，對于推動信息傳播，提高廣告效應具有重要的現實意義。

微博網絡是一種復雜網絡，國內外通常采用復雜網絡理論對這類復雜網絡進行建模分析，以揭示復雜網絡的內在特性和科學規律。根據復雜網絡理論，可將微博網絡抽象成一種有向網絡圖，每個用戶構成網絡中的節點，用戶之間關系構成節點之間的邊，由于每個用戶擁有的朋友和粉絲數量不同，因此各個節點具有不同的權值，節點權值越大，說明該節點的影響力越大，成為意見領袖的可能性也就越大。因此意見領袖識別問題可歸結為如何計算節點權值問題。通過建立有向網絡圖模型，分析節點之間結構關系，計算每個節點的權值，節點權值越大，成為意見領袖的可能性就越大。

文獻1“Discovering?Important?Bloggers?based?on?Analyzing?Blog?Threads[WWW，Chiba，Japan，May?10-14，2005]”提出了一種基于帖子內容分析的博客重要用戶分析方法ThreadRank，該方法通過分析大量的博客內容來判斷其用戶的重要性，需要耗費大量的時間用于內容清理和分析，效率較低。

文獻2“Identifying?Opinion?Leaders?in?the?Blogosphere[CIKM，pp.971-974，2007]”提出了一種意見領袖識別方法InfluenceRank，該方法根據與其他博客相比較來判斷用戶的重要性，以及這些用戶對整個網絡所做的貢獻來計算用戶權值，并采用余弦定理計算不同博客實體的相似性，復雜性較高，開銷大。

文獻3“TwitterRank：Finding?topic-sensitive?Inuential?Twitterers[WSDM，2010]”提出了一種Twitter網絡節點計算方法TwitterRank，該方法根據Twitter中的用戶關系、粉絲與關注者之間的分布以及在信息傳播的過程中各種用戶群體所起到的作用進行權重計算，該算法主要基于話題進行分析，召回率不高。

發明內容

為了克服現有意見領袖識別方法召回率差的不足，本發明提供一種微博網絡意見領袖識別方法。該方法通過節點權重來標識節點影響力和重要性，節點權值越大，成為意見領袖的可能性就越大。在計算節點權重時，考慮到節點擁有的粉絲數量以及節點鏈接關系和交互關系等多方面因素，可以提高召回率，同時提高準確率。

本發明解決其技術問題所采用的技術方案是：一種微博網絡意見領袖識別方法，其特點是包括以下步驟：

步驟一、利用網絡爬蟲工具，從互聯網中采集實際的微博網絡數據，提取其中的網絡拓撲信息存入數據庫待處理。

步驟二、構建微博有向網絡圖

G＝（E，V）

式中，E表示節點關系集合，V表示節點集合。

步驟三、計算有效粉絲集合Ef(u)

Ef(u)={v|v∈Follower(u)∧Response(u)>δ}