社交网络中的意见领袖挖掘方法研究

社交网络是一个没有界限的在线平台,可以让那些有相同知识结构、对同一个领域感兴趣的用户们参与,进行信息传播。在信息传播过程中,意见领袖发挥着越来越重要的影响力,被广泛应用于舆情监控、信息推广、电子商务等领域。如何在大规模社交网络数据中准确地发现具有一定影响力的用户集合,一直是意见领袖挖掘的研究目标。目前针对意见领袖的挖掘方法主要有三类,即基于统计学的挖掘方法、基于网络结构的挖掘方法以及基于聚类分析的挖掘方法。其中,基于网络结构的PageRank算法,可以快速处理大量数据,是对网页排名的经典算法,也常用于计算节点的影响力。但在PageRank算法中,网页影响力值是均匀传递到链出页面的,而没有考虑页面间投票的差异性,即用户的行为差异。然而,网络用户行为往往是用户最真实的想法和思想的反映,用户在社交网络上不仅会与自己现实生活中的朋友结为好友,也会与陌生用户结为好友。在成为好友之后,用户可以关注对方发布的信息,根据自己爱好选择性对其进行评论或转发。因此,本文首先通过对社交网络中的用户行为进行分析,在此基础上引出关注行为与关注度的定义,并讨论了用户行为对用户影响力所产生的影响;其次,综合考虑网络结构和用户关注行为两个方面的因素,通过引入PageRank算法思想,提出一种社交网络中意见领袖挖掘算法SNURank,在用户间关注行为分析的基础上计算关注度,进而计算用户影响力,并以此发现意见领袖。最后,基于真实数据集进行的实验与理论分析表明,该算法是有效的,且能够准确地找出意见领袖。