该文主要研究在微博社交网络中怎样评价用户的影响力。在影响用户影响力的众多因素中,该文认为用户的传播能力越强,用户的信息便可以更快地在网络中扩散,其影响力也越大。和传统的用户影响力评价方法相比,该文综合考虑用户的活跃度和用户所发微博质量两个方面的因素,得到用户的影响力权重,然后把每一个用户作为社交网络中的节点,计算其在社交网络中的影响力。通过在公开语料集和真实数据中的实验,表明该方法是可行的,比传统的用户影响力评价方法更能客观、真实地反映用户的实际影响力。

微博用户影响力分析作为社交网络分析的重要组成部分,一直受到研究人员的关注。针对现有研究工作分析用户行为时间性的不足和忽略用户与参与话题之间关联性等问题,提出了一种面向微博话题的用户影响力分析算法——基于话题和传播能力的用户排序(TSRank)算法。

在已有 Pagerank算法构建的微博用户影响力评估模型中，存在用户自身属性信息欠缺以及在用户不活跃期间其影响力被误判下降的问题。为此，综合考虑用户自身的属性，基于用户的活跃度、认证信息及博文质量来确定其自身的基本影响力，通过引入用户博文的传播率挖掘用户的潜在影响力，结合用户不同好友的质量，基于改进的 Pagerank算法构建微博用户影响力评估算法。实验结果表明，与改进BWPR算法相比，该算法准确率、召回率和F值分别提高13.5%、10.1%和12.3%，能准确、客观地反映微搏用户的实际影响力，可为社交网络中的意见领袖挖掘、信息传播和舆论引导等研究提供参考。

为了充分考虑微博的跨领域与领域交叉性特点,提出了基于领域的微博用户影响力的计算方法.该方法依据用户的微博内容与ODP领域本体的相似度,通过KNN领域分类算法判别微博所属的领域;并根据用户的粉丝数、被提及数、被评论数、在线时间与注册时间、微博的转发数等参数运用影响力计算公式分别计算用户在各领域的影响力,从而确定微博用户在各领域的影响力大小.实验表明,本文的计算方法充分考虑了微博的跨领域性与领域交叉性特点,并能更好地计算用户在各领域的影响力大小.

伴随着互联网的高速发展与普及，微博作为信息交流与传播的载体，已成为新型社会化媒体的代表。在中国，微博用户规模已经达到了2.42亿。微博用户影响力计算对社会日常信息在微博中有效传播、正确传播、健康传播有着非常重要的意义。以新浪微博数据为实验对象，通过改进传统的PageRank模型，提出了新的微博用户影响力排名算法——MBUI-Rank（micro-blog user influence rank）算法。该算法在传统的PageRank算法模型上加入了微博用户自身在微博中的行为活动，同时考虑到了微博用户的自身行为，结合用户权值得到最终影响力。实验结果表明，与传统的PageRank算法相比，MBUI-Rank算法可以更加真实有效地反映微博用户的实际影响力。

利用社交网络大数据进行用户影响力分析，有助于识别网络环境中影响力强的用户实现其社会和商业价值。传统方法无法高效处理海量社交网络数据，定量准确地分析用户影响力，为解决该问题，提出一种基于PageRank算法的改进的用户影响力评价模型。综合考虑了用户连接程度和活跃程度，并以支持大规模并行图计算的Spark GraphX为工具，快速高效地实现了微博用户影响力的定量分析与评价。实验结果表明，所提方法效率更高，得到的用户影响力结果更接近真实情况。

微博平台用户影响力评估研究