基于六度分割理论和中心度识别微博网络的关键人物

随着互联网信息和科技的演变，迎来了Web2.0时代，微博作为一种新兴的传播载体，迅速崛起，并受到人们的广泛关注。与传统媒体相比，其具有信息量大、信息传播速度快、即时性强等特点，这些特点使其成为了人们交流和传递信息的新平台，也给谣言散播提供了新渠道。面对每天产生过亿条的微博数据量，如何处理微博数据，如何及时有效的识别微博中的关键节点，这都是本文将要面对的挑战。本文分析了微博的基本功能，信息特点以及传播特点等等，在此基础上结合国内外现有的关于中心度和聚类分类的算法，着重于研究了识别微博网络中关键节点的技术，在时间与精确度的平衡处理下，提出了解决方法： (1)对微博的特点进行整理分析，结合中心度算法思想，给出了互动指数和影响指数，并将两种指数结合起来，最终提出了适用于微博的关键指数，用于识别微博网络中的关键人物。 (2)面对微博每天产生的海量数据，本文结合了六度分割理论的思想，采用SPLINE算法原理，对规模过大的节点集进行整理，移除与源节点最短路径大于5的节点，经过此步，得到了若干联系紧密的节点集。 (3)针对紧密联系的节点集，本文分析了层次聚类算法，采用基于模块度凝聚数据的CNM算法，对微博数据集进行聚类，将相似度较高的微博聚集在一起，划分数据集，形成若干更加重要的节点集。 (4)针对第三步所得重要节点集，提取出影响力节点的用户信息，对其使用关键节点的算法，有效识别出微博网络中的关键节点。 最后，验证提出的方法，本文使用了该方法进行算法编程，对NLPIR微博内容语料库进行微博网络关键节点的识别，针对实验结果，本文对其进行分析，表明本文的方法是可行的和实用的。