CN111210357A

CN111210357A - 基于社交网络信息交互的用户影响力获取方法

Info

Publication number: CN111210357A
Application number: CN201911363736.4A
Authority: CN
Inventors: 仲圣杰; 张�杰
Original assignee: Nanjing Fujitsu Nanda Software Technology Co Ltd
Current assignee: Nanjing Fujitsu Nanda Software Technology Co Ltd
Priority date: 2019-12-26
Filing date: 2019-12-26
Publication date: 2020-05-29

Abstract

本发明公开了一种基于社交网络信息交互的用户影响力获取方法，包括：S1：以热点资讯为目标，获取参与至该热点新闻中的所有用户信息；根据用户之间的转发关系创建用户关系拓扑网络，所述用户关系拓扑网络设置有多个层级，其中，最先发表热点资讯的用户处于最内层；S2：根据下述公式由外至内逐层计算每个层级上所有用户的影响力：用户影响力＝自身的被转发量+子用户的影响力*影响力系数；本发明能够解决当社交网络中某热点转发评论数量级别庞大时，如何立足于整体角度，快速计算出各个用户在此传播行为中所占权重的问题。

Description

基于社交网络信息交互的用户影响力获取方法

技术领域

本发明涉及社交网络技术领域，具体而言涉及一种基于社交网络信息交互的用户影响力获取方法。

背景技术

目前有许多基于用户关系信息分享、传播以及获取的通过关注机制分享简短实时信息的广播式社交媒体，例如：微博、Twitter、Facebook等。

对于某条热点新闻各个平台仅仅显示了此热点新闻的转发次数，并未显示出各个参与转发、点赞的用户在此次热点新闻传播中所产生的影响力，并且存在一些转发评论量过千万的热点，如何计算这些热点中所有用户的影响力成为了一个待解决的问题。

目前有部分研发人员结合事件本身和社交网络用户关系拓扑结构，对用户在某一事件中的影响力进行分析，例如，专利号为CN109063010A的发明中提及了一种基于PageRank的意见领袖挖掘方法，不仅考虑了社交网络用户关系拓扑结构信息，而且融合了社交网络用户的一些体现其影响力的属性信息。在社交网络拓扑信息方面算法基于事件中用户的转发关系构建了一个加权的用户关系网络，事件是具有主题性质的和大量广泛的用户参与的，以事件为基础使用转发机制构建关系网络不仅具有信息的针对性与目标性，而且明显能减少社交媒体信息数据量的使用，同时这种网络因事件的不同具有动态性。针对社交网络用户属性信息方面，算法使用了能直接体现用户影响力用户属性信息，能更加精确的刻画了用户影响力。但此类研究成果仍存在以下问题：

第一、以事件为基准，仍从每个用户为出发点，结合用户的转发、发文、朋友关系等角度对每个用户进行评估，由于计算量巨大，因此依然将目光聚焦在一些关键用户身上，难以从整体角度对事件参与者的影响力进行分析。

第二、部分参与用户之间存在着相当多的互动信息和相关信息，对于这部分互动信息和相关信息，现有算法分别聚焦于每个相关用户，对这部分内容进行重复计算，带来冗余计算量。

第三、当其中部分用户的相关信息发生变动时，难以快速更新与这部分用户相关的其他用户的信息。

发明内容

本发明目的在于提供一种基于社交网络信息交互的用户影响力获取方法，旨在解决当社交网络中某热点转发评论数量级别庞大时，如何立足于整体角度，快速计算出各个用户在此传播行为中所占权重的问题。

为达成上述目的，结合图1，本发明提出一种基于社交网络信息交互的用户影响力获取方法，所述方法包括：

S1：以热点资讯为目标，获取参与至该热点新闻中的所有用户信息；根据用户之间的转发关系创建用户关系拓扑网络，所述用户关系拓扑网络设置有多个层级，其中，最先发表热点资讯的用户处于最内层；

S2：根据下述公式由外至内逐层计算每个层级上所有用户的影响力：

式中，X(r)是用户r的影响力，A(r)是用户r的被转发量，N是用户r的第i个子用户的的影响力系数，X(r_i)是用户r的第i个子用户的影响力，i＝1,2,…,m；

其中，最外层用户的影响力＝该用户自身的被转发量。

进一步的实施例中，所述方法还包括：

创建用户影响力分布图；

将用户id和对应的影响力数值以键值对：(key-value)的方式存储到用户影响力分布图中，其中，用户id为key，对应的影响力数值为value。

进一步的实施例中，用户影响力分布图的显示方式不固定，包括图形、数据库、变量、模型

进一步的实施例中，所述方法还包括：

结合value值的取值范围，在用户影响力分布图上做对应标记。

进一步的实施例中，所述方法还包括：

如果其中任意一个用户的转发量发生变动，以该用户为起点，由外至内逐层调整该用户、以及与该用户相关的其他用户的影响力。

进一步的实施例中，所述子用户的影响力系数为一固定值。

进一步的实施例中，所述子用户的影响力系数以该子用户所处层级为基准预先设置。

以上本发明的技术方案，与现有相比，其显著的有益效果在于：

(1)根据用户之间的转发关系创建某热点资讯相关的用户关系拓扑网络，以转发量和对应的影响力系数为参数，由外至内逐级快速计算得到每个用户的影响力，顺利解决当社交网络中某热点转发评论数量级别庞大时，如何立足于整体角度，快速计算出各个用户在此传播行为中所占权重的问题。

(2)只需要对网络中所有的用户节点各计算一次，即可获取所有用户的影响力，并且当其中一个节点的转发量发生变化是只需要重新计算与此节点相关的数据，不需要重新计算所有节点的数据，尤其适用于某些需要快速获取影响力的场合，如针对突发热点资讯，采用该方法快速获取相关用户的影响力，以制定对应的应急策略等。

(3)作为重要参数之一的影响力系数根据实际需求设定，用户可根据自身需求在计算速度和计算结果精准性之间做任意取舍。

(4)作为重要参数之一的影响力系数还可以参考历史数据，以获取更加准确的影响力计算结果。

(5)构建用户影响力分布图，将用户id和对应的影响力数值以键值对：(key-value)的方式存储到用户影响力分布图中，优选的，结合value值的取值范围，在用户影响力分布图上做对应标记，帮助用户直观了解热点资讯相关影响力分布规律。其中，用户影响力分布图的显示方式不固定，包括图形、数据库、变量、模型等等。

应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。

结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。

附图说明

附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：

图1是本发明的基于社交网络信息交互的用户影响力获取方法的流程图。

图2是本发明的用户关系拓扑网络结构示意图。

图3是本发明的用户影响力计算顺序示意图，图3(a)-图3(f)中的灰色实心圈分别是第一次至第六次的计算对象。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

结合图1，本发明提出一种基于社交网络信息交互的用户影响力获取方法，所述方法包括：

S1：以热点资讯为目标，获取参与至该热点新闻中的所有用户信息；根据用户之间的转发关系创建用户关系拓扑网络，所述用户关系拓扑网络设置有多个层级，其中，最先发表热点资讯的用户处于最内层。

式中，X(r)是用户r的影响力，A(r)是用户r的被转发量，N是用户r的第i个子用户的的影响力系数，X(r_i)是用户r的第i个子用户的影响力，i＝1,2,…,m。

其中，最外层用户的影响力＝该用户自身的被转发量。

图2是其中一种用户关系拓扑网络结构示意图。其中，黑色斜纹圈代表最先发表的热点资讯的用户。黑色空心圈代表该用户转发过热点资讯的，并且该用户转发过的这条资讯被子用户转发。黑色实心圈代表该用户只转发过热点资讯，并且没有其他子用户转发该用户的资讯。数字代表当前转发层数。字母a-e表示用户id。A(y)表示用户y的被转发量。N表示子用户影响力系数。X(y)表示用户y的影响力。设用户影响力＝自身的被转发量+子用户的影响力*影响力系数，则有：

(1)用户c的影响力计算公式：

X(c)＝A(d)*N+A(c)

(2)用户b的影响力结算公式：

X(b)＝A(e)*N+X(c)*N+A(b)

(3)用户a的影响力计算公式：

X(a)＝X(b)*N+A(a)。

结合本发明所提及的用户影响力获取方法，假设现在需要获取灰色空心圈用户的影响力，整个获取过程包括：

S101：计算最外层用户节点的影响力，在图2中最外层为第5层，先计算所有层级为5 的用户的影响力，并将结果以键值对的方式存储到map中。

S102：计算最外层上一层的节点的影响力，在图2中为第4层，由于计算第4层需要先计算层级5的用户影响力，步骤1中已经计算过所以可以通过层级5用户的键来获取该用户对应的影响力，并将结果也储存到map中。

S103：以此类推，计算所有层级的影响力，最后即可通过层级1用户的影响力来计算出层级0用户的影响力，并且所有用户的影响力都存储到了map中。

图3是用户影响力计算顺序示意图。

通过前述过程，只需要对网络中所有的用户节点各计算一次，即可获取该网络中所有用户的影响力，并且当其中一个节点的转发量发生变化是只需要重新计算与此节点相关的数据，不需要重新计算所有节点的数据。计算量小，计算速度快，尤其适用于某些需要快速获取影响力的场合，如针对突发热点资讯，采用该方法快速获取相关用户的影响力，以制定对应的应急策略等。

在实际应用中，为了帮助用户直观了解热点资讯相关影响力分布规律，本发明还提出一种构建用户影响力分布图的方法，将用户id和对应的影响力数值以键值对：(key-value)的方式存储到用户影响力分布图中。优选的，结合value值的取值范围，在用户影响力分布图上做对应标记。其中，用户影响力分布图的显示方式不固定，包括图形、数据库、变量、模型等等。在此基础上，整个用户影响力的获取流程可具体化为以下流程：

(1)声明变量map用来存放用户id以及对应的影响力。

(2)分析模型，遍历最外层节点，遍历每个节点时先获取节点id、节点父id以及当前节点的转发量。

(3)将当前节点的id作为key，转发量作为value存放到map中，并且在判断map中是否存在key为父id的数据，如果不存在则将父id作为key，转发量乘以影响力系数作为value存放到map中，如果存在则通过父id取出map中存放的数据，累加上转发量乘以转发系数并且存放到map中覆盖原有数据。

(4)此时父id对应的value是不包括本身的转发量的，所以在后续的遍历中遍历到父id 那一个节点时需要从map中取出对应的value，value中是子节点的影响力乘以系数，需要在此基础上累加上父id本身的转发量。

(5)以此类推，计算完所有节点时map中存放的数据即为所有用户的影响力。

在本发明中，所述影响力系数可根据系统需求进行设置。影响力系数作为重要参数之一，其取值直接关系到计算结果精准性，用户可根据自身需求在计算速度和计算结果精准性之间做任意取舍

例如，将所述子用户的影响力系数设定为一固定值，或者以子用户所处层级为基准预先设置对应子用户的影响力系数，由于排除了用户的其他相关信息，只聚焦在对应热点资讯的转发关系上，在确保一定精确性的基础上，极大地缩短了计算时间，尤其适用于用户参数获取困难、用户信息采集时间长等突发热点资讯的处理场合。

在一些例子中，还可以参考历史数据设定某些用户的影响力系数，以获取更加准确的影响力计算结果。例如任意一个用户在热点资讯A中的最终影响力系数为N1，当热点资讯B 发生时，由于热点资讯A和热点资讯B存在较强的共性特征，可直接引用N1作为该用户在热点资讯B中的影响力系数，在热点资讯B发生初始即可通过简单的计算过程快速获取较为准确的影响力预测结果。

在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims

1.一种基于社交网络信息交互的用户影响力获取方法，其特征在于，所述方法包括：

其中，最外层用户的影响力＝该用户自身的被转发量。

2.根据权利要求1所述的基于社交网络信息交互的用户影响力获取方法，其特征在于，所述方法还包括：

创建用户影响力分布图；

3.根据权利要求2所述的基于社交网络信息交互的用户影响力获取方法，其特征在于，用户影响力分布图的显示方式不固定，包括图形、数据库、变量、模型。

4.根据权利要求3所述的基于社交网络信息交互的用户影响力获取方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的基于社交网络信息交互的用户影响力获取方法，其特征在于，所述方法还包括：

6.根据权利要求1所述的基于社交网络信息交互的用户影响力获取方法，其特征在于，所述子用户的影响力系数为一固定值。

7.根据权利要求1所述的基于社交网络信息交互的用户影响力获取方法，其特征在于，所述子用户的影响力系数以该子用户所处层级为基准预先设置。