CN105260474A - 一种基于信息交互网络的微博用户影响力计算方法 - Google Patents

Abstract

本发明公开了一种基于信息交互网络的微博用户影响力计算方法，步骤为：第一，在微博平台上用网络爬虫技术采集用户的属性信息、微博信息和粉丝列表；第二，根据采集用户属性信息计算用户属性决定的影响力，根据用户微博信息构建微博信息交互网络模型，用微博信息交互网络模型来计算用户微博内容决定的影响力，通过用户属性决定的影响力和用户微博内容决定的影响力来计算用户的直接影响力；第三，用采集的用户粉丝列表来计算每个粉丝的影响力，通过每个粉丝的影响力综合计算用户的间接影响力；第四，通过用户的直接影响力和用户的间接影响力来计算用户的综合影响力。本发明提高了微博影响力计算的准确性，还突出了用户影响力的时效性和动态性。

Description

一种基于信息交互网络的微博用户影响力计算方法

技术领域

本发明涉及互联网社交媒体数据的挖掘与分析技术领域，尤其涉及一种基于信息交互网络的微博用户影响力计算方法。

背景技术

随着互联网的快速发展，近些年来以微博为代表的社交媒体发展迅猛，微博已成为重大信息发布、分享的首要平台，微博也是热点事件产生和扩散的重要场所。在微博平台上用户数量巨大，用户之间的关系结构纷繁复杂，其信息量相当庞大，用户的各种行为都对信息的传播起着影响，如何在这样一个复杂的平台之上对用户的影响力进行有力度量和对微博系统中的用户进行合理排序，从而为微博的拓展应用提供理论基础，如微博的舆情监控与预警和微博营销推广等等。目前，针对微博用户影响力的计算方法主要有两类：第一类是对微博用户的粉丝数和微博数等数据进行统计，对于基于微博用户的粉丝数和微博数等数据的统计方法只能度量用户的潜在影响力，若用户不进行活动，其实际影响力则难以得到体现，因此微博用户影响力统计不够准确；第二类是对微博系统中用户关系网的网络拓扑结构度量，由于抽取的网络拓扑结构是静态的，一方面无法表征连接关系的时效性，另一方面也无法描述连接之间的亲密性，从而导致此类方法的度量结果和实际情况有偏差，也得不到足够准确的微博用户影响力。

总之有必要对现有微博用户影响力计算方法提出改进。

发明内容

针对现有技术中的不足，本发明提供了一种基于信息交互网络的微博用户影响力计算方法。

为了实现上述目的，本发明所采取的技术方案是：

一种基于信息交互网络的微博用户影响力计算方法，包括以下步骤：

(1)在微博平台上通过网络爬虫技术采集用户的属性信息、用户的微博信息和用户的粉丝列表，所述用户的属性信息包括实名认证标志、关注数、粉丝数、总微博数、总转发数和总评论数，所述用户的微博信息包括其所发布的每篇微博的内容和发布时间、微博的转发数、评论数、点赞数以及对微博进行转发和评论的用户名单；

(2)根据步骤(1)采集的用户属性信息计算用户属性决定的影响力；

(3)根据步骤(1)采集的用户微博信息来构建微博信息交互网络模型，通过构建的微博信息交互网络模型来计算用户微博内容决定的影响力，所述定义微博信息交互网络模型步骤为：a、在微博系统中将用户看作节点，用户之间的关注关系看作边，边的方向为从用户到被关注对象，边不但有方向，也有权重，定义微博系统的用户关系网络为一带权有向图：UR＝(V,E,P,W)，有向图中的节点代表微博系统中的用户，有向边代表微博系统中用户之间的关系，所述该式中的V表示节点的集合，E表示有向边的集合，P表示节点权重的集合，W表示边权重的集合，该式表示在节点集合V中任取两个节点v_i和v_j，若该式表示在有向边集合E中存在一条连接节点v_i和节点v_j的有向边e_ij，边的方向为v_i指向v_j，即在微博系统中用户v_i和用户v_j之间存在关系，用户v_i关注用户v_j，即用户v_i是用户v_j的粉丝，p_i∈P表示节点v_i的权重为p_i，w_ij∈W表示有向边e_ij的权重为w_ij；b、微博系统中的微博元素定义为一个8元组：

m＝(ID,Content,Author,Type,Time,FN,CN,PN)，其中ID为微博编号，Content为微博内容，Author为微博作者，Type为微博的类型(原创博文、转发博文)，Time为微博发布的时间戳，FN为微博被转发的次数，CN为微博获得的评论数，PN为微博获得的点赞数；c、定义微博的传播关系，根据上述步骤a定义的用户关系网络为一带权有向图UR＝(V,E,P,W)，则用户发布微博的传播关系定义为sr＝(m_i,＜v_i,v_j＞)，其中v_i和v_j均表示代表微博用户的节点，m_i表示用户v_i发布的微博，＜v_i,v_j＞表示节点v_i指向节点v_j(表示信息传播方向)，即用户v_i发布的微博m_i从节点v_i传给了节点v_j，则表示用户v_j是用户v_i的粉丝，或者是表示用户v_i直接将微博m_i推送给了用户v_j，即用户v_i发布的微博m_i的内容中包含“v_j”的内容；d、定义微博的转发关系，根据步骤a将微博系统中的微博转发关系定义为fr＝＜m_i,m_j＞，m_i表示用户v_i发布的微博，m_j表示用户v_j发布的微博，该式表示微博m_j是对微博m_i进行转发的微博，微博转发关系的方向为m_i指向m_j；e、在微博系统中，用户对微博信息的主要动作包括：发布、转发、主动推送(用户名)、评论等，信息的发布和转发都是在用户关系网络上进行，沿着关系网络中边的反方向进行信息传播，信息的主动推送对象可以是其粉丝，也可以是其他用户，信息评论是围绕被评论微博展开，评论内容的传播范围就是原微博的传播范围，根据步骤a将微博系统中的微博评论关系定义为cr＝＜v_j,m_i＞，该式表示用户v_j对微博m_i进行了评论，微博评论关系的方向为v_j指向m_i；f、定义微博信息交互网络模型为H＝(M,U,SR,FR,CR,WM)，其中M为用户发布微博的集合(发布微博包括用户编写的微博和转发的微博)，U为发布和转发微博及评论微博的用户的集合，且(表示的是发布和转发微博及评论微博的用户集合属于微博用户的集合)，SR为微博传播关系的集合，FR为微博转发关系的集合，CR为微博评论关系的集合，WM为用户发布的微博内容影响力权重的集合，对于微博集合M中的微博m，Author(m)表示微博m的作者，即微博m的发布者，wm(m)表示微博m的内容影响力权重，根据上述d步骤的定义，对微博m进行转发的用户集合表示为：

$\mathrm{FU}\left(m\right)=\left\{\mathrm{Author}\left(m_j\right)\right|\&Exists;m_j\&Element;M,<m,m_j>\&Element;\mathrm{FR},\},$

根据上述e步骤的定义，对微博m进行评论的用户集合表示为： $\mathrm{CU}\left(m\right)=\left\{v_j\right|\&Exists;v_j\&Element;U,<v_j,m>\&Element;\mathrm{CR},\}.$

(4)根据步骤(2)和步骤(3)分别得到用户属性决定的影响力和用户微博内容决定的影响力来计算用户的直接影响力；

(5)根据步骤(1)采集的用户粉丝列表来获取其每个粉丝的影响力，再根据所述每个粉丝的影响力综合计算出用户的间接影响力；

(6)根据步骤(4)和步骤(5)得到用户的直接影响力和用户的间接影响力来计算用户的综合影响力，所述计算用户的直接影响力步骤具体如下：①、用户属性决定的影响力具体按照下面公式表述：

IF_{dir_user}＝β₀N₀+β₁N₁+β₂N₂+β₃N₃+β₄N₄+β₅N₅

其中，IF_{dir_user}为所述用户属性决定的影响力，N₀为用户的微博账号实名认证标志，即通过实名认证的用数值1表示，未通过实名认证的用数值0表示，N₁为用户的关注数，N₂为用户的粉丝数，N₃为用户的总微博数，N₄为用户的总转发数，N₅为用户的总评论数，β₀，β₁，β₂，β₃，β₄，β₅分别为相应子属性的权重比利系数，且β₀+β₁+β₂+β₃+β₄+β₅＝1；

②、计算用户发布的微博m的内容影响力，计算方法如下：

$wm\left(m\right)={\mathrm{\&gamma;}}_{1}PN+{\mathrm{\&gamma;}}_2\underset{v_j\&Element;FU\left(m\right)}{\&Sigma;}w\left(v_j\right)+{\mathrm{\&gamma;}}_3\underset{v_k\&Element;CU\left(m\right)}{\&Sigma;}w\left(v_k\right)$

其中，m表示用户发布的微博，且m已在微博系统中的微博元素定义为一个8元组：m＝(ID,Content,Author,Type,Time,FN,CN,PN)，其中ID为微博编号，Content为微博内容，Author为微博作者，Type为微博的类型(原创博文、转发博文)，Time为微博发布的时间戳，FN为微博被转发的次数，CN为微博获得的评论数，PN为微博获得的点赞数，wm(m)为微博m的内容影响力，PN为微博m获得的点赞数，v_j和v_k均为微博系统中的用户，FU(m)为对微博m进行转发的用户集合，w(v_j)表示对微博m进行转发的用户v_j的权重，即用户v_j的影响力值，CU(m)为对微博m进行评论的用户集合，w(v_k)表示对微博m进行评论的用户v_k的权重，即用户v_k的影响力值，γ₁，γ₂，γ₃分别为点赞、转发和评论属性的权重比例系数，且γ₁+γ₂+γ₃＝1；

③、计算用户所发布的全部微博的内容影响力，计算方法如下：

${\mathrm{IF}}_{dir\_mb}=\underset{k=1}{\overset{n}{\&Sigma;}}f\left(k\right)\underset{m.Time\&Element;W^k}{\&Sigma;}wm\left(m\right)$

其中，IF_{dir_mb}为用户所发布的全部微博的内容影响力，wm(m)为微博m的内容影响力，W^k为时间窗口k，时间窗口就是一段时间区间，用来刻画用户发布微博的时间范围，窗口是随时间推进向前顺次滑移的，即上一个窗口结束的时间就是下一个窗口开始的时间，m.Time∈W^k表示微博内容m在时间窗口k内所发布的，为简化起见，用正整数表示时间窗口，数字越大表示距离当前时间越近，即分别用1,2，…，n表示第1，第2，…,第n个时间窗口，其中第n个时间窗口是当前时间所在窗口，f为衰减函数，f(k)表示第k个时间窗口内发布微博的内容影响力相比第n窗口的折扣幅度函数称为衰减函数，衰减函数表示为1≤k≤n，表示的是衰减的大小比例，具体值可以在使用时指定，k表示的是时间窗口的序号；

④、根据步骤①和步骤③按照下列公式计算用户的直接影响力：

IF_dir＝αIF_{dir_user}+(1-α)IF_{dir_mb}

其中，IF_dir为用户的直接影响力，IF_{dir_user}为用户属性决定的影响力，IF_{dir_mb}为用户微博内容决定的影响力，α和(1-α)分别为用户属性决定的影响力和用户微博内容决定的影响力所占的权重比例系数，0＜α＜1。

(7)计算用户的间接影响力，其中用户的间接影响力是指用户通过其粉丝对其他用户产生的社交影响，用户的间接影响力由其粉丝的影响力决定，主要包括以下内容：首先需要先计算该用户每个粉丝的影响力，即用户间接影响力的计算过程是个迭代计算过程，迭代深度(次数)可根据计算精度的需求决定，然后根据获取的用户粉丝名单信息分别计算每个粉丝的影响力，其中以微博平台的用户关系网络模型为基础，参考PageRank算法的迭代投票思想，所述计算用户的间接影响力具体按照下列公式进行迭代计算：

${\mathrm{\&pi;}}_{{\mathrm{IF}}_{indir}}^{(k+1)T}=(1-c)e^T+{\mathrm{c\&pi;}}_{IF}^{\left(k\right)T}Y$

其中为所有用户间接影响力值组成的向量，即更新后所有用户的间接影响力值向量，为更新前所有用户的影响力值向量，c为阻尼系数，e^T为单位行向量，Y为投票矩阵，其中投票矩阵中的元素u_ij表示投票权重，所述其投票矩阵Y中的元素y_ij计算方法如下

$y_{ij}=\left\{\begin{array}{cc}0,& e_{ij}\&NotElement;E\\ \frac{p_i{w}_{ij}}{{\mathrm{\&Sigma;}}_{e_{ik}\&Element;E}{w}_{ik}},& e_{ij}\&Element;E\end{array}\right.$

其中，E为表示微博用户关系网络的带权有向图中连接节点间关系的有向边的集合，v_i、v_j和v_k均为带权有向图中的节点，p_i表示节点v_i的权重，e_ij表示连接节点v_i和节点v_j的有向边，w_ij表示有向边e_ij的权重，e_ik表示连接节点v_i和节点v_k的有向边，w_ik表示有向边e_ik的权重，w_ij的计算公式为w_ij＝ηT+(1-η)Q，其中，T为节点v_i所代表的用户对节点v_j所代表用户的微博进行转发的累计转发次数，Q为节点v_i所代表的用户对节点v_j所代表用户的微博进行评论的累计评论次数，η和(1-η)分别为累计转发次数和累计评论次数所占的权重比例系数，0＜η＜1。

所述其计算用户的综合影响力公式如下：

IF＝ρIF_dir+(1-ρ)IF_indir(0≤ρ≤1)

其中，IF为微博用户的综合影响力，IF_dir为用户的直接影响力，IF_indir为用户的间接影响力，ρ和(1-ρ)分别为用户的直接影响力IF_dir和间接影响力IF_indir所占的权重比例系数，若ρ＝1，则用户影响力完全为直接影响力，不考虑任何间接影响力。

本发明的有益效果：本发明基于信息交互网络模型的微博用户影响力计算方法在计算用户直接影响力时，首先通过网络爬虫技术采集用户的属性信息(包括认证标志、粉丝数、总微博数、总转发数和总评论数等)和用户所发布的微博信息(包括每篇微博的内容、发布时间、微博的点赞数、转发数和评论数，以及对微博进行转发和评论的用户列表信息等)，再以微博为中心，建立信息交互网络模型，分别计算用户属性决定的影响力和用户微博内容决定的影响力，再根据用户的粉丝列表计算出用户的间接影响力。本发明基于信息交互网络模型的微博用户影响力计算方法综合考虑的用户的被关注度、活跃度和其微博内容的影响力，相比其它同类方法，不但提供了计算的准确性，更体现用户影响力的时效性和动态性，更加能够对用户的影响力进行有力度量和对微博系统中的用户进行合理排序，从而为微博的拓展应用提供理论基础，如微博的舆情监控与预警和微博营销推广。

附图说明

图1为本发明微博用户影响力计算流程示意图。

具体实施方式

下面结合图1对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

一种基于信息交互网络的微博用户影响力计算方法，包括以下几个部分：数据采集单元，对微博平台上用户的属性信息、用户发布的微博信息以及用户的粉丝列表等数据进行采集；信息交互网络构建单元，根据数据采集单元获取的用户微博信息，建立微博信息交互网络模型；用户属性决定的影响力计算单元，根据数据采集单元采集到的用户属性信息计算用户属性决定的影响力；用户发布的微博内容决定的影响力计算单元，根据数据采集单元采集到的用户微博信息以及信息交互网络构建单元构建的微博信息交互网络模型，计算用户微博内容决定的影响力，从而计算用户的直接影响力；用户间接影响力计算单元，根据数据采集单元采集到的用户粉丝信息，计算用户每个粉丝的影响力，再计算用户的间接影响力，最终通过用户的直接影响力和间接影响力计算出用户的综合影响力。其具体步骤如下：

(1)在微博平台上通过网络爬虫技术采集用户的属性信息、用户的微博信息和用户的粉丝列表，所述用户的属性信息包括实名认证标志、关注数、粉丝数、总微博数、总转发数和总评论数，所述用户的微博信息包括其所发布的每篇微博的内容和发布时间、微博的转发数、评论数、点赞数以及对微博进行转发和评论的用户名单；

(2)根据步骤(1)采集的用户属性信息计算用户属性决定的影响力；

(3)根据步骤(1)采集的用户微博信息来构建微博信息交互网络模型，通过构建的微博信息交互网络模型来计算用户微博内容决定的影响力，所述定义微博信息交互网络模型步骤为：a、在微博系统中将用户看作节点，用户之间的关注关系看作边，边的方向为从用户到被关注对象，边不但有方向，也有权重，定义微博系统的用户关系网络为一带权有向图：UR＝(V,E,P,W)，有向图中的节点代表微博系统中的用户，有向边代表微博系统中用户之间的关系，所述该式中的V表示节点的集合，E表示有向边的集合，P表示节点权重的集合，W表示边权重的集合，该式表示在节点集合V中任取两个节点v_i和v_j，若该式表示在有向边集合E中存在一条连接节点v_i和节点v_j的有向边e_ij，边的方向为v_i指向v_j，即在微博系统中用户v_i和用户v_j之间存在关系，用户v_i关注用户v_j，即用户v_i是用户v_j的粉丝，p_i∈P表示节点v_i的权重为p_i，w_ij∈W表示有向边e_ij的权重为w_ij；b、微博系统中的微博元素定义为一个8元组：

m＝(ID,Content,Author,Type,Time,FN,CN,PN)，其中ID为微博编号，Content为微博内容，Author为微博作者，Type为微博的类型(原创博文、转发博文)，Time为微博发布的时间戳，FN为微博被转发的次数，CN为微博获得的评论数，PN为微博获得的点赞数；c、定义微博的传播关系，根据上述步骤a定义的用户关系网络为一带权有向图UR＝(V,E,P,W)，则用户发布微博的传播关系定义为sr＝(m_i,＜v_i,v_j＞)，其中v_i和v_j均表示代表微博用户的节点，m_i表示用户v_i发布的微博，＜v_i,v_j＞表示节点v_i指向节点v_j(表示信息传播方向)，即用户v_i发布的微博m_i从节点v_i传给了节点v_j，则表示用户v_j是用户v_i的粉丝，或者是表示用户v_i直接将微博m_i推送给了用户v_j，即用户v_i发布的微博m_i的内容中包含“v_j”的内容；d、定义微博的转发关系，根据步骤a将微博系统中的微博转发关系可以定义为fr＝＜m_i,m_j＞，m_i表示用户v_i发布的微博，m_j表示用户v_j发布的微博，该式表示微博m_j是对微博m_i进行转发的微博，微博转发关系的方向为m_i指向m_j；e、在微博系统中，用户对微博信息的主要动作包括：发布、转发、主动推送(用户名)、评论等，信息的发布和转发都是在用户关系网络上进行，沿着关系网络中边的反方向进行信息传播，信息的主动推送对象可以是其粉丝，也可以是其他用户，信息评论是围绕被评论微博展开，评论内容的传播范围就是原微博的传播范围，根据步骤a将微博系统中的微博评论关系可以定义为cr＝＜v_j,m_i＞，该式表示用户v_j对微博m_i进行了评论，微博评论关系的方向为v_j指向m_i；f、定义微博信息交互网络模型为H＝(M,U,SR,FR,CR,WM)，其中M为用户发布微博的集合(发布微博包括用户编写的微博和转发的微博)，U为发布和转发微博及评论微博的用户的集合，且(表示的是发布和转发微博及评论微博的用户集合属于微博用户的集合)，SR为微博传播关系的集合，FR为微博转发关系的集合，CR为微博评论关系的集合，WM为用户发布的微博内容影响力权重的集合，对于微博集合M中的微博m，Author(m)表示微博m的作者，即微博m的发布者，wm(m)表示微博m的内容影响力权重，根据上述d步骤的定义，对微博m进行转发的用户集合表示为：

$\mathrm{FU}\left(m\right)=\left\{\mathrm{Author}\left(m_j\right)\right|\&Exists;m_j\&Element;M,<m,m_j>\&Element;\mathrm{FR},\},$

根据上述e步骤的定义，对微博m进行评论的用户集合表示为：

$\mathrm{CU}\left(m\right)=\left\{v_j\right|\&Exists;v_j\&Element;U,<v_j,m>\&Element;\mathrm{CR},\}.$

(4)根据步骤(2)和步骤(3)分别得到用户属性决定的影响力和用户微博内容决定的影响力来计算用户的直接影响力；

(5)根据步骤(1)采集的用户粉丝列表来获取其每个粉丝的影响力，再根据所述每个粉丝的影响力综合计算出用户的间接影响力；

(6)根据步骤(4)和步骤(5)得到用户的直接影响力和用户的间接影响力来计算用户的综合影响力，所述计算用户的直接影响力步骤具体如下：所述计算用户的直接影响力步骤具体如下：

①、用户属性决定的影响力具体按照下面公式表述：

IF_{dir_user}＝β₀N₀+β₁N₁+β₂N₂+β₃N₃+β₄N₄+β₅N₅

其中，IF_{dir_user}为所述用户属性决定的影响力，N₀为5用户的微博账号实名认证标志，即通过实名认证的用数值1表示，未通过实名认证的用数值0表示，N₁为用户的关注数，N₂为用户的粉丝数，N₃为用户的总微博数，N₄为用户的总转发数，N₅为用户的总评论数，β₀，β₁，β₂，β₃，β₄，β₅分别为相应子属性的权重比利系数，且β₀+β₁+β₂+β₃+β₄+β₅＝1；

②、计算用户发布的微博m的内容影响力，计算方法如下：

$wm\left(m\right)={\mathrm{\&gamma;}}_{1}PN+{\mathrm{\&gamma;}}_2\underset{v_j\&Element;FU\left(m\right)}{\&Sigma;}w\left(v_j\right)+{\mathrm{\&gamma;}}_3\underset{v_k\&Element;CU\left(m\right)}{\&Sigma;}w\left(v_k\right)$

其中，m表示用户发布的微博，且m已在微博系统中的微博元素定义为一个8元组：m＝(ID,Content,Author,Type,Time,FN,CN,PN)，其中ID为微博编号，Content为微博内容，Author为微博作者，Type为微博的类型(原创博文、转发博文)，Time为微博发布的时间戳，FN为微博被转发的次数，CN为微博获得的评论数，PN为微博获得的点赞数，wm(m)为微博m的内容影响力，PN为微博m获得的点赞数，v_j和v_k均为微博系统中的用户，FU(m)为对微博m进行转发的用户集合，w(v_j)表示对微博m进行转发的用户v_j的权重，即用户v_j的影响力值，CU(m)为对微博m进行评论的用户集合，w(v_k)表示对微博m进行评论的用户v_k的权重，即用户v_k的影响力值，γ₁，γ₂，γ₃分别为点赞、转发和评论属性的权重比例系数，且γ₁+γ₂+γ₃＝1；

③、计算用户所发布的全部微博的内容影响力，计算方法如下：

${\mathrm{IF}}_{dir\_mb}=\underset{k=1}{\overset{n}{\&Sigma;}}f\left(k\right)\underset{m.Time\&Element;W^k}{\&Sigma;}wm\left(m\right)$

其中，IF_{dir_mb}为用户所发布的全部微博的内容影响力，wm(m)为微博m的内容影响力，W^k为时间窗口k，时间窗口就是一段时间区间，用来刻画用户发布微博的时间范围，窗口是随时间推进向前顺次滑移的，即上一个窗口结束的时间就是下一个窗口开始的时间，m.Time∈W^k表示微博内容m在时间窗口k内所发布的，为简化起见，用正整数表示时间窗口，数字越大表示距离当前时间越近，即分别用1,2，…，n表示第1，第2，…,第n个时间窗口，其中第n个时间窗口是当前时间所在窗口，f为衰减函数，f(k)表示第k个时间窗口内发布微博的内容影响力相比第n窗口的折扣幅度函数称为衰减函数，衰减函数表示为1≤k≤n，表示的是衰减的大小比例，具体值可以在使用时指定，k表示的是时间窗口的序号；

④、根据步骤①和步骤③按照下列公式计算用户的直接影响力：

IF_dir＝αIF_{dir_user}+(1-α)IF_{dir_mb}

其中，IF_dir为用户的直接影响力，IF_{dir_user}为用户属性决定的影响力，IF_{dir_mb}为用户微博内容决定的影响力，α和(1-α)分别为用户属性决定的影响力和用户微博内容决定的影响力所占的权重比例系数，0＜α＜1。

计算用户的间接影响力，其中用户的间接影响力是指用户通过其粉丝对其他用户产生的社交影响，用户的间接影响力由其粉丝的影响力决定，主要包括以下内容：首先需要先计算该用户每个粉丝的影响力，即用户间接影响力的计算过程是个迭代计算过程，迭代深度(次数)可根据计算精度的需求决定，然后根据获取的用户粉丝名单信息分别计算每个粉丝的影响力，其中以微博平台的用户关系网络模型为基础，参考PageRank算法的迭代投票思想，所述计算用户的间接影响力具体按照下列公式进行迭代计算：

${\mathrm{\&pi;}}_{{\mathrm{IF}}_{indir}}^{(k+1)T}=(1-c)e^T+{\mathrm{c\&pi;}}_{IF}^{\left(k\right)T}Y$

其中为所有用户间接影响力值组成的向量，即更新后所有用户的间接影响力值向量，为更新前所有用户的影响力值向量，c为阻尼系数，e^T为单位行向量，Y为投票矩阵，其中投票矩阵中的元素u_ij表示投票权重，所述其投票矩阵Y中的元素y_ij计算方法如下

$y_{ij}=\left\{\begin{array}{cc}0,& e_{ij}\&NotElement;E\\ \frac{p_i{w}_{ij}}{{\mathrm{\&Sigma;}}_{e_{ik}\&Element;E}{w}_{ik}},& e_{ij}\&Element;E\end{array}\right.$

其中，E为表示微博用户关系网络的带权有向图中连接节点间关系的有向边的集合，v_i、v_j和v_k均为带权有向图中的节点，p_i表示节点v_i的权重，e_ij表示连接节点v_i和节点v_j的有向边，w_ij表示有向边e_ij的权重，e_ik表示连接节点v_i和节点v_k的有向边，w_ik表示有向边e_ik的权重，w_ij的计算公式为w_ij＝ηT+(1-η)Q，其中，T为节点v_i所代表的用户对节点v_j所代表用户的微博进行转发的累计转发次数，Q为节点v_i所代表的用户对节点v_j所代表用户的微博进行评论的累计评论次数，η和(1-η)分别为累计转发次数和累计评论次数所占的权重比例系数，0＜η＜1。

所述其计算用户的综合影响力公式如下：

IF＝ρIF_dir+(1-ρ)IF_indir(0≤ρ≤1)

其中，IF为微博用户的综合影响力，IF_dir为用户的直接影响力，IF_indir为用户的间接影响力，ρ和(1-ρ)分别为用户的直接影响力IF_dir和间接影响力IF_indir所占的权重比例系数，若ρ＝1，则用户影响力完全为直接影响力，不考虑任何间接影响力。

Claims (8)

1.一种基于信息交互网络的微博用户影响力计算方法，其特征在于，包括以下步骤：

(1)在微博平台上通过网络爬虫技术采集用户的属性信息、用户的微博信息和用户的粉丝列表；

(2)根据步骤(1)采集的用户属性信息计算用户属性决定的影响力；

(3)根据步骤(1)采集的用户微博信息来构建微博信息交互网络模型，通过构建的微博信息交互网络模型来计算用户微博内容决定的影响力；

(4)根据步骤(2)和步骤(3)分别得到用户属性决定的影响力和用户微博内容决定的影响力来计算用户的直接影响力；

(5)根据步骤(1)采集的用户粉丝列表来获取其每个粉丝的影响力，再根据所述每个粉丝的影响力综合计算出用户的间接影响力；

(6)根据步骤(4)和步骤(5)得到用户的直接影响力和用户的间接影响力来计算用户的综合影响力。

2.根据权利要求1所述的一种基于信息交互网络的微博用户影响力计算方法，其特征在于，所述用户的属性信息包括实名认证标志、关注数、粉丝数、总微博数、总转发数和总评论数。

3.根据权利要求1所述的一种基于信息交互网络的微博用户影响力计算方法，其特征在于，所述定义微博信息交互网络模型步骤为：

a、定义微博系统的用户关系网络为一带权有向图：UR＝(V,E,P,W)，有向图中的节点代表微博系统中的用户，有向边代表微博系统中用户之间的关系，所述该式中的V表示节点的集合，E表示有向边的集合，P表示节点权重的集合，W表示边权重的集合，该式表示在节点集合V中两个节点v_i和v_j，若该式表示在有向边集合E中存在一条连接节点v_i和节点v_j的有向边e_ij，边的方向为v_i指向v_j，即在微博系统中用户v_i和用户v_j之间存在关系，用户v_i关注用户v_j，即用户v_i是用户v_j的粉丝，p_i∈P表示节点v_i的权重为p_i，w_ij∈W表示有向边e_ij的权重为w_ij；

b、定义微博系统中用户发布的微博元素为一个8元组：

m＝(ID,Content,Author,Type,Time,FN,CN,PN)，其中，m表示用户发布的微博，ID为微博编号，Content为微博内容，Author为微博作者，Type为微博的类型，Time为微博发布的时间戳，FN为微博被转发的次数，CN为微博获得的评论数，PN为微博获得的点赞数；

c、定义微博的传播关系，根据上述步骤a定义的用户关系网络为一带权有向图UR＝(V,E,P,W)，则用户发布微博的传播关系定义为sr＝(m_i,＜v_i,v_j＞)，其中v_i和v_j均表示代表微博用户的节点，m_i表示用户v_i发布的微博，＜v_i,v_j＞表示节点v_i指向节点v_j，即用户v_i发布的微博m_i从节点v_i传给了节点v_j，则表示用户v_j是用户v_i的粉丝，或者是表示用户v_i直接将微博m_i推送给了用户v_j，即用户v_i发布的微博m_i的内容中包含“v_j”的内容；

d、定义微博的转发关系，根据步骤a将微博系统中的微博转发关系定义为fr＝＜m_i,m_j＞，m_i表示用户v_i发布的微博，m_j表示用户v_j发布的微博，该式表示微博m_j是对微博m_i进行转发的微博，微博转发关系的方向为m_i指向m_j；

e、定义微博的评论关系，根据步骤a将微博系统中的微博评论关系定义为cr＝＜v_j,m_i＞，该式表示用户v_j对微博m_i进行了评论，微博评论关系的方向为v_j指向m_i；

f、定义微博信息交互网络模型为H＝(M,U,SR,FR,CR,WM)，其中M为用户发布微博的集合，U为发布和转发微博及评论微博的用户的集合，且SR为微博传播关系的集合，FR为微博转发关系的集合，CR为微博评论关系的集合，WM为用户发布的微博内容影响力权重的集合，对于微博集合M中的微博m，Author(m)表示微博m的作者，即微博m的发布者，wm(m)表示微博m的内容影响力权重，根据上述d步骤的定义，对微博m进行转发的用户集合表示为：

$FU\left(m\right)=\left\{Author\right(m_j\left)\right|\&Exists;m_j\&Element;M,<m,m_j>\&Element;FR,\},$

根据上述e步骤的定义，对微博m进行评论的用户集合表示为： $CU\left(m\right)=\left\{v_j\right|\&Exists;v_j\&Element;U,<v_j,m>\&Element;CR,\}.$

4.根据权利要求1所述的一种基于信息交互网络的微博用户影响力计算方法，其特征在于，所述用户的微博信息包括其所发布的每篇微博的内容和发布时间、微博的转发数、评论数、点赞数以及对微博进行转发和评论的用户名单。

5.根据权利要求1和3所述的一种基于信息交互网络的微博用户影响力计算方法，其特征在于，所述计算用户的直接影响力步骤具体如下：①、用户属性决定的影响力具体按照下面公式表述：

IF_{dir_user}＝β₀N₀+β₁N₁+β₂N₂+β₃N₃+β₄N₄+β₅N₅

其中，IF_{dir_user}为所述用户属性决定的影响力，N₀为用户的微博账号实名认证标志，即通过实名认证的用数值1表示，未通过实名认证的用数值0表示，N₁为用户的关注数，N₂为用户的粉丝数，N₃为用户的总微博数，N₄为用户的总转发数，N₅为用户的总评论数，β₀，β₁，β₂，β₃，β₄，β₅分别为相应子属性的权重比利系数，且β₀+β₁+β₂+β₃+β₄+β₅＝1；

②、计算用户发布的微博m的内容影响力，计算方法如下：

$wm\left(m\right)={\mathrm{\&gamma;}}_{1}PN+{\mathrm{\&gamma;}}_2\underset{v_j\&Element;FU\left(m\right)}{\&Sigma;}w\left(v_j\right)+{\mathrm{\&gamma;}}_3\underset{v_k\&Element;CU\left(m\right)}{\&Sigma;}w\left(v_k\right)$

其中，m表示用户发布的微博，wm(m)为微博m的内容影响力，PN为微博m获得的点赞数,v_j和v_k均为微博系统中的用户，FU(m)为对微博m进行转发的用户集合，w(v_j)表示对微博m进行转发的用户v_j的权重，即用户v_j的影响力值，CU(m)为对微博m进行评论的用户集合，w(v_k)表示对微博m进行评论的用户v_k的权重，即用户v_k的影响力值，γ₁，γ₂，γ₃分别为点赞、转发和评论属性的权重比例系数，且γ₁+γ₂+γ₃＝1；

③、计算用户所发布的全部微博的内容影响力，计算方法如下：

${\mathrm{IF}}_{dir\_mb}=\underset{k=1}{\overset{n}{\&Sigma;}}f\left(k\right)\underset{m.Time\&Element;W^k}{\&Sigma;}wm\left(m\right)$

其中，IF_{dir_mb}为用户所发布的全部微博的内容影响力，wm(m)为微博m的内容影响力，W^k为时间窗口k，时间窗口就是一段时间区间，用来刻画用户发布微博的时间范围，窗口是随时间推进向前顺次滑移的，即上一个窗口结束的时间就是下一个窗口开始的时间，m.Time∈W^k表示微博m是在时间窗口k内所发布的，f为衰减函数，f(k)表示第k个时间窗口内所发微博的内容影响力相比第n个窗口的折扣幅度函数，也称衰减函数，衰减函数表示为④、根据步骤①和步骤③按照下列公式计算用户的直接影响力：

IF_dir＝αIF_{dir_user}+(1-α)IF_{dir_mb}

其中，IF_dir为用户的直接影响力，IF_{dir_user}为用户属性决定的影响力，IF_{dir_mb}为用户微博内容决定的影响力，α和(1-α)分别为用户属性决定的影响力和用户微博内容决定的影响力所占的权重比例系数，0＜α＜1。

6.根据权利要求1所述的一种基于信息交互网络的微博用户影响力计算方法，其特征在于，所述计算用户的间接影响力具体按照下列公式进行迭代计算：

${\mathrm{\&pi;}}_{{\mathrm{IF}}_{indir}}^{(k+1)T}=(1-c)e^T+{\mathrm{c\&pi;}}_{IF}^{\left(k\right)T}Y$

其中为所有用户间接影响力值组成的向量，即更新后所有用户的间接影响力值向量，为更新前所有用户的影响力值向量，c为阻尼系数，e^T为单位行向量，Y为投票矩阵。

7.根据权利要求6所述的一种基于信息交互网络的微博用户影响力计算方法，其特征在于，所述其投票矩阵Y中的元素y_ij计算方法如下：

$y_{ij}=\left\{\begin{array}{cc}0,& e_{ij}\&NotElement;E\\ \frac{p_i{w}_{ij}}{{\mathrm{\&Sigma;}}_{e_{ik}\&Element;E}{w}_{ik}},& e_{ij}\&Element;E\end{array}\right.$

其中，E为表示微博用户关系网络的带权有向图中连接节点间关系的有向边的集合，v_i、v_j和v_k均为带权有向图中的节点，p_i表示节点v_i的权重，e_ij表示连接节点v_i和节点v_j的有向边，w_ij表示有向边e_ij的权重；e_ik表示连接节点v_i和节点v_k的有向边，w_ik表示有向边e_ik的权重，w_ij的计算公式为：

w_ij＝ηT+(1-η)Q

其中，T为节点v_i所代表的用户对节点v_j所代表用户的微博进行转发的累计转发次数,Q为节点v_i所代表的用户对节点v_j所代表用户的微博进行评论的累计评论次数，η和(1-η)分别为累计转发次数和累计评论次数所占的权重比例系数，0＜η＜1。

8.根据权利要求1所述的一种基于信息交互网络的微博用户影响力计算方法，其特征在于，所述其计算用户的综合影响力公式如下：

IF＝ρIF_dir+(1-ρ)IF_indir

其中，IF为微博用户的综合影响力，IF_dir为用户的直接影响力，IF_indir为用户的间接影响力，ρ和(1-ρ)分别为用户的直接影响力和间接影响力所占的权重比例系数，0≤ρ≤1。