CN102662956A - 一种基于用户话题链接行为的社交网络意见领袖识别方法 - Google Patents

Abstract

本发明公开了一种基于用户话题链接行为的社交网络意见领袖识别方法，首先构建社交网络有向图，然后修正网络边权值，对每一个网络节点i，计算经过节点i的最短路径条数，计算最短路径长度，对节点边进行加权，求得加权和B(i)，基于话题追踪的意见领袖将由B(i)值较大的节点构成。本发明由于采用社交网络用户话题中链接关系的计算方法，降低了网络节点规模，从而降低了系统开销，提高了算法准确率和召回率。

Description

一种基于用户话题链接行为的社交网络意见领袖识别方法

技术领域

本发明涉及一种基于用户话题链接行为的社交网络意见领袖识别方法，主要用于在社交网络环境下，根据社交网络话题链接特性识别网络中的意见领袖。

背景技术

意见领袖的识别方法主要分为基于自然语言处理和基于网络链接关系两大类。基于自然语言处理的意见领袖识别方法首先将特定领域的特征提取出来，然后对网络节点的所有帖子内容进行相同的特征提取，最后计算二者的相似度，相似度较高者可认为属于该领域的意见领袖。基于网络链接关系的意见领袖识别方法主要通过网络节点与其他节点的关系来识别，目前主要的识别方法是后者。

文献1“Identifying Opinion Leaders in the Blogosphere[CIKM，pp.971-974，2007]”公开了一种意见领袖识别方法InfluenceRank，该方法根据与其他博客相比较来判断用户的重要性，以及这些用户对整个网络所做的贡献来计算用户权值，该论文采用了余弦定理计算不同博客实体的相似性，复杂性较高，开销大。

文献2“TwitterRank：Finding topic-sensitive Inuential Twitterers[WSDM，2010]”公开了一种Twitter网络节点计算方法TwitterRank，该方法根据Twitter中的用户关系、粉丝与关注者之间的分布以及在信息传播的过程中各种用户群体所起到的作用进行权重计算，该算法主要基于话题进行分析，召回率不高。

基于网络链接关系的意见领袖的识别算法在处理网络图的时候，只要节点有直接相连的关系即可以认为有边的存在边权值为1，否则边权值为0，因此该网络为边权值取值范围为{0，1}，然而在社交网络中，用户的交流比较广泛，用户关系的有无只能粗略地反映网络节点的关系，本发明将用户话题链接关系纳入研究范围，可以更加有效识别意见领袖，更适合社交网络环境的意见领袖识别。

发明内容

在传统模式下话题追踪采用的自然语言处理方式需要对文本进行分词处理，追踪时则还需要话题关键词特征提取等复杂处理，对于目前海量的网络数据而言具有很大的局限性。然而在社交网络中已经包含了大量的潜在用户关系和用户行为，因此使用社交网络中拓扑关系建模来取代传统话题特征提取和话题追踪，更符合网络特性。

为了克服传统模式下话题追踪的局限性并适合目前流行的社交网络，本发明所采用的基于话题链接追踪的社交网络意见领袖识别方法提高意见领袖识别率和准确率。

本发明解决其技术问题所采用的技术方案是：一种基于用户话题链接行为的社交网络意见领袖识别方法，其特点是包括以下步骤：

1.构建社交网络有向图

G＝(E，V)

式中，E表示用户关系集合，V表示用户节点集合；

2.修正网络边权值

在话题追踪过程中需要将传统的用户连接关系进行修正，边权值将不再是离散的{0，1}，在追踪过程将根据用户之间的互动关系进行加权，当用户B对用户A的话题T1进行了回复、转发以及收藏将影响增加这个权值。

结合话题追踪模型进行边的加权，算法将设置算法常数向量

表示用户好友关系、回复、转帖和收藏各项加权系数。

定义1：好友值F(i，j)，表示由用户好友关系的边加权，用户i与j是好友会产生话题边E(i，j)加权，加权系数为α

定义2：回复值R₁(i，j)，表示由用户j回复用户i某话题得到的边E(i，j)加权，加权系数为β，用户回复该话题将使得该边的权值增加

定义3：转帖值R₂(i，j)，表示由用户j转帖用户i某话题得到的边E(i，j)加权，加权系数为δ，转帖次数也将影响转帖值的大小

定义4：收藏值C(i，j)，表示由用户j收藏用户i某话题得到的边E(i，j)加权，加权系数为ω，收藏次数将影响收藏值的大小

定义5：边加权值E(i，j)，表示经过加权后的网络图边的权重

对每一个网络节点i和j，且i≠j，计算E(i，j)，边加权值E(i，j)通过下式进行计算。

其中

因此边加权值E(i，j)展开为：

$E(i,j)=\mathrm{\α}*F(i,j)+\mathrm{\β}*R_1(i,j)+\mathrm{\δ}*R_2(i,j)+\mathrm{\ϖ}*C(i,j)$

错误！未找到引用源。

经过加权后的网络图边权值将发生变化而变得不均匀。

3.对每一个网络节点i，计算经过节点i的最短路径条数Path(i)，最短路径的计算方法本发明没有定义，可以采用现有的任何一种最短路径计算方法，如Dijstra算法；

4.定义意见领袖指标

网络介数是指经过节点i的最短路径条数，将介数计算方法进行修改以适合加权的网络图，依然称其为介数，用符号B(i)表示，在社交网络中B(i)能够反映网络中节点i的重要性和中心性，基于话题追踪的意见领袖将由B(i)值较大的节点构成。

计算最短路径长度，对节点边进行加权，求得加权和B(i)，计算式如下所示：

$B\left(i\right)=\underset{j=1}{\overset{\mathrm{Path}\left(i\right)}{\mathrm{\Σ}}}E(i,j)$

为了使得结果在[0-1]之间，将上式进行归一化处理得到B′(i)，如下式所示：

$B^{\′}\left(i\right)=\frac{B\left(i\right)}{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}B\left(k\right)}=\frac{\underset{j=1}{\overset{\mathrm{Path}\left(i\right)}{\mathrm{\Σ}}}E(i,j)}{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}B\left(k\right)}$

本发明的有益效果是：由于采用社交网络用户话题中链接关系的计算方法，降低了网络节点规模，从而降低了系统开销，提高了算法准确率和召回率。下面从统计学的Kendal-tau和Spareman Rank以及算法准确率和召回率说明本发明的效果。

在统计学中，肯德尔相关系数是是一个用来测量两个随机变量相关性的统计值。一个肯德尔检验是一个无参数假设检验，它使用计算而得的相关系数去检验两个随机变量的统计依赖性。肯德尔相关系数的取值范围在-1到1之间，当τ为1时，表示两个随机变量拥有一致的等级相关性；当τ为-1时，表示两个随机变量拥有完全相反的等级相关性；当τ为0时，表示两个随机变量是相互独立的。

表1给出了基于度意见领袖识别算法、基于PageRank意见领袖识别算法及基于TwitterRank意见领袖识别算法与本发明的算法之间的Kendall-tau值。

表1意见领袖算法K-tau值

意见领袖识别算法	基于度	PageRank	TwitterRank
				Kendall-Tau值	0.8768	0.9107	0.8979

根据表1可以看出，三种算法的Kendal-Tau值较高，说明该三种方法得到的用户排序序列具有较高的一致性，本发明具有意见领袖识别能力。

斯皮尔曼等级相关系数用来估计两个变量X、Y之间的相关性，其中变量间的相关性可以使用单调函数来描述。如果两个变量取值的两个集合中均不存在相同的两个元素，那么，当其中一个变量可以表示为另一个变量的很好的单调函数时(即两个变量的变化趋势相同)，两个变量之间的ρ可以达到+1或-1。

表2各个算法的Spareman Rank值表

表2给出了5种算法之间的Spareman Rank值，由表可以看出本发明的意见领袖识别具有与其他经典算法一致性的意见领袖识别效果。

使用准确率和召回率(查全率)来评价意见领袖的识别算法性能。

由于意见领袖的识别算法中没有标准能够发现全部的意见领袖，因此在计算准确率和召回率的时候采用基于经验的意见领袖获得真实意见领袖的数目。

表3各种节点权值计算算法的召回率、准确率及平均节点处理时间对照

算法	召回率(％)	准确率(％)	时间(min)/10w节点
				出度	57.31	62.24	0.1434
入度/出度结合	65.43	67.33	0.2355
				InfluenceRank	81.71	84.70	2.8131
TwitterRank	88.53	90.48	2.7634
				本发明	90.73	92.54	2.8597

注：时间测试是在包含10万个用户节点下的论坛真实数据环境下得到的结果

表3是以处理10万个网络节点为基准测试的，从表中可以看出，单纯分析网络节点(入度，出度等链接关系算法)可以降低节点分析时间，但准确率和召回率不高；考虑节点内容(InfluenceRank和TwitterRank算法)后能够提高节点分析的召回率和准确率，但是会大大降低系统效率；本发明用户话题链接关系的计算方法，降低了网络节点规模，因而降低了系统开销，同时准确率和召回率也有显著的提高。

下面结合具体实施方式对本发明作详细说明。

具体实施方式

本实施例以国内大型微博网络-新浪微博作为研究对象，数据集从新浪微博网络上采集，所采集的用户数量是350，747，用户关系13，223，205条。由于原始数据量比较大，为了方便描述本发明，本实施例假设微博网络中有如下一个特例：

(1：2，4，5，6，12，16，19)

(2：3，7)

(3：4，7，8，9)

(4：1，3，7)

(5：2，6，8，9，11)

(6：1，3，4，10)

(7：3，4，5，8)

(8：3)

(9：1，7，13，19，22，25)

(10：2，4，5，9)

(11：4，7，12，29，33，41，565，587)

上述节点链接关系(Ni：Nj，...，Nk)，其中Ni表示源节点，Nj...Nk表示由Ni指向的目的节点，即在实际网络中，Nj...Nk为Ni的关注者，后者是前者的粉丝。

根据上述特例，本发明实施过程如下：

1.定义微博网络有向图

由于网络节点巨大，在实际分析中不可能将所有节点关系都提取出来，为了减少节点数目，降低分析数据规模，在上述节点列表中，保留10个节点数据，去除ID号大于10的节点，整理后的节点链接关系如下所示：

(1：2，4，5，6)

(2：3，7)

(3：4，7，8，9)

(4：1，3，7)

(5：2，6，8，9)

(6：1，3，4，10)

(7：3，4，5，8)

(8：3)

(9：1，7)

(10：2，4，5，9)

矩阵表示为：

$N=\left[\begin{array}{cccccccccc}0& 1& 0& 1& 1& 1& 0& 0& 0& 0\\ 0& 0& 1& 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 1& 0& 0& 1& 1& 1& 0\\ 1& 0& 1& 0& 0& 0& 1& 0& 0& 0\\ 0& 1& 0& 0& 0& 1& 0& 1& 1& 0\\ 1& 0& 1& 1& 0& 0& 0& 0& 0& 1\\ 0& 0& 1& 1& 1& 0& 0& 1& 0& 0\\ 0& 0& 1& 0& 0& 0& 0& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 1& 0& 0& 0\\ 0& 1& 0& 1& 1& 0& 0& 0& 1& 0\end{array}\right]$

因此，可以定义网络有向图

G＝(E，V)

式中，E表示用户关系集合，V表示用户节点集合。即集合E＝{1，2，3，4，5，6，7，8，9，10}，V＝{(1，2)，(1，4)，(1，5)，(1，6)，(2，3)，(2，7)，(3，4)，(3，7)，(3，8)，(3，9)，(4，1)，(4，3)，(4，7)，(5，2)，(5，6)，(5，8)，(5，9)，(6，1)，(6，3)，(6，4)，(6，10)，(7，3)，(7，4)，(7，5)，(7，8)，(8，3)，(9，1)，(9，7)，(10，2)，(10，4)，(10，5)，(10，9)}。

2.修正网络边权值

节点交互链接关系矩阵表示为：

$\stackrel{\mathrm{\ρ}}{F}=\left[\begin{array}{cccccccccc}0& 0& 0& 1& 0& 1& 0& 0& 0& 0\\ 0& 0& 1& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 0& 1& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 1& 0& 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 0& 1& 0& 0& 0& 1& 0\end{array}\right]$

$\stackrel{\mathrm{\ρ}}{R_1}=\left[\begin{array}{cccccccccc}0& 0& 0& 5& 0& 1& 0& 0& 0& 0\\ 0& 0& 4& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 7& 0& 0& 0\\ 2& 0& 0& 0& 0& 0& 3& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 0& 4& 0& 0& 0& 0& 0& 0& 12\\ 0& 0& 6& 0& 0& 0& 0& 9& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 3& 0& 0& 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 0& 7& 0& 0& 0& 2& 0\end{array}\right]$

$\stackrel{\mathrm{\ρ}}{R_2}=\left[\begin{array}{cccccccccc}0& 0& 0& 1& 0& 1& 0& 0& 0& 0\\ 0& 0& 12& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1& 0& 0& 0\\ 3& 0& 0& 0& 0& 0& 3& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 0& 3& 0& 0& 0& 0& 0& 0& 5\\ 0& 0& 2& 0& 0& 0& 0& 2& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 7& 0& 0& 0\\ 0& 0& 0& 0& 1& 0& 0& 0& 1& 0\end{array}\right]$

$\stackrel{\mathrm{\ρ}}{C}=\left[\begin{array}{cccccccccc}0& 0& 0& 1& 0& 2& 0& 0& 0& 0\\ 0& 0& 1& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 3& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 3& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 3& 0& 1& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 3& 0& 0& 0& 0& 2& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 7& 0& 0& 0& 0& 0& 3& 0& 0& 0\\ 0& 0& 0& 0& 1& 0& 0& 0& 1& 0\end{array}\right]$

本示例取

对每一个网络节点i和j，且i≠j，计算E(i，j)，边加权值E(i，j)通过下式进行计算。

其中

因此边加权值E(i，j)展开为：

计算结果为：

$\stackrel{\mathrm{\ρ}}{E}=\left[\begin{array}{cccccccccc}0& 0& 0& 1.02& 0& 1.42& 0& 0& 0& 0\\ 0& 0& 1.21& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0.23& 0& 0& 0\\ 1.11& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 3.02& 0& 0.21& 0& 0& 0& 0& 0& 0& 1.12\\ 0& 0& 3.21& 0& 0& 0& 0& 0.12& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 7.21& 0& 0& 0& 0& 0& 3.01& 0& 0& 0\\ 0& 0& 0& 0& 1.54& 0& 0& 0& 0.91& 0\end{array}\right]$

3.对每一个网络节点i，计算经过节点i的最短路径条数Path(i)，最短路径的计算方法本发明没有定义，可以采用现有的任何一种最短路径计算方法，如Dijstra算法；

$\stackrel{\→}{\mathrm{Path}}=\left(\mathrm{5,4,1,2,5,3,2,6,7,1}\right)$

4.求意见领袖权值

采用下式进行意见领袖权值计算：

$B\left(i\right)=\underset{j=1}{\overset{\mathrm{Path}\left(i\right)}{\mathrm{\Σ}}}E(i,j)$

代入各个已知量，求得

为了使得结果在[0-1]之间，将上式进行归一化处理得到B(i)，如下式所示：

$B^{\′}\left(i\right)=\frac{B\left(i\right)}{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}B\left(k\right)}=\frac{\underset{j=1}{\overset{\mathrm{Path}\left(i\right)}{\mathrm{\Σ}}}E(i,j)}{\underset{k=1}{\overset{N}{\mathrm{\Σ}}}B\left(k\right)}$

得到最终意见领袖权值向量

最后的节点按意见领袖权值从大到小排名情况为：2，9，7，1，3，4，5，10，6，8。

Claims (1)

1.一种基于用户话题链接行为的社交网络意见领袖识别方法，其特征在于包括下述步骤：

1)构建社交网络有向图G＝(E，V)，式中，E表示用户关系集合，V表示用户节点集合；

2)修正网络边权值

定义1：好友值F(i，j)，表示由用户好友关系的边加权，用户i与j是好友会产生话题边E(i，j)加权，加权系数为α；

定义2：回复值R₁(i，j)，表示由用户j回复用户i某话题得到的边E(i，j)加权，加权系数为β，用户回复该话题将使得该边的权值增加；

定义3：转帖值R₂(i，j)，表示由用户j转帖用户i某话题得到的边E(i，j)加权，加权系数为δ，转帖次数也将影响转帖值的大小；

定义4：收藏值C(i，j)，表示由用户j收藏用户i某话题得到的边E(i，j)加权，加权系数为ω，收藏次数将影响收藏值的大小；

定义5：边加权值E(i，j)，表示经过加权后的网络图边的权重；

对每一个网络节点i和j，且i≠j，其中

因此边加权值E(i，j)展开为

错误！未找到引用源。

3)对每一个网络节点i，计算经过节点i的最短路径条数Path(i)；

4)计算最短路径长度，对节点边进行加权，求得加权和

B(i)表示网络介数是指经过节点i的最短路径条数，基于话题追踪的意见领袖将由B(i)值较大的节点构成。