一種新的微博社區用戶影響力評估算法

劉 玲 楊長春

(常州大學信息科學與工程學院 江蘇 常州 213164)

?

一種新的微博社區用戶影響力評估算法

劉 玲 楊長春

(常州大學信息科學與工程學院 江蘇 常州 213164)

近年來，微博用戶都憑借其自身在社區中的影響力來對信息傳播做出貢獻，尤其是活躍的大V用戶能夠引起信息廣泛的傳播。為了在微博社區中提高用戶影響力衡量的準確性，提出了一種基于傳統的PageRank算法和用戶交互行為的用戶影響力改進算法(IUIR算法)，此算法通過直接質量指數和間接質量指數來構建微博用戶的質量指數，再結合近期用戶的活躍度來構造用戶影響力評價公式。在新浪微博數據集上進行實驗，并與傳統的PageRank算法作比較，結果表明，該算法能夠更有效地反映微博用戶影響力的排名。

微博社區 用戶影響力 用戶質量指數 近期活躍度 PageRank算法

0 引 言

隨著Web2.0時代互聯網技術的不斷發展，微博以其獨特的應用傳播模式逐漸成為了新的信息互動和傳播的社會化媒體，并且在社會網絡中產生了巨大的影響力。作為一個近年來興起的在線社會網絡，微博憑借其社交網絡和媒體傳播特性，吸引了越來越多的研究者從新聞傳播、社會網絡等多個角度、層次進行分析。

在這個信息爆炸的時代，尤其是在微博客中，對用戶影響力的研究已經在微博市場營銷、社會媒體搜索等應用中呈現出重要的應用價值[1]。作為一種廣泛應用的、重要的傳輸媒介和信息載體，擁有大量流動信息和活躍用戶的微博從很大程度上影響了我們的日常生活和工作。微博用戶影響力就是在微博中衡量用戶行為的一個重要標準。社會內容是憑借自己的“傳播性”來進行分享的，微博話題的擴散也不例外。具有高影響力的用戶作為熱點話題產生和發展不可或缺的因素，直接決定了熱點話題的傳播范圍。例如，一些微博中的“大V”用戶，因為擁有更多機會閱讀、轉發和評論那些還沒得到足夠關注的微博，所以就會產生更多的熱點話題，從而一定程度上影響著輿論的走勢。因此，對微博用戶影響力的研究在實現微博用戶的客觀判斷、深入發掘微博消息機制的傳播規律以及網絡營銷、廣告投放、輿論引導等方面都具有重要的應用價值。

目前，微博用戶影響力方面的研究大致分為4種[2]：(1) 基于用戶行為權值的評估方法，將用戶交互行為作為考慮因素，選取如粉絲數、評論數、轉發數等參量來進行度量；(2) 基于PageRank算法的微博用戶影響力評估方法，即在總結微博特征的基礎上，依據用戶的粉絲數量或質量來衡量影響力，雖然該方法實用、簡單，但因為“僵尸粉”的影響一定程度上會削弱該算法的準確性、客觀性；(3) 基于用戶行為權值計算與PageRank算法相結合的評估方法，為了避免單憑粉絲數量作為影響指標所帶來的客觀性、準確性上的缺失問題，該方法利用用戶—內容圖來較好地反映用戶與消息、用戶與用戶以及消息與消息之間的相互關系；(4) 基于URL追蹤的評價方法，即在URL受歡迎的種子節點的帶領下，通過一系列跟隨者的報告來追蹤URL的傳播情況，直到傳播結束。

微博網絡的用戶影響力研究在國內外已有一些研究成果。針對區域信息傳播中能夠覆蓋主要網絡信息傳播行為的那些核心節點，Weng等[3]提出了一種基于主題敏感的TwitterRank算法，該算法通過計算用戶和鏈接結構的主題相似性來衡量用戶的影響力。肖宇等[4]將基于真實測量的信息傳播覆蓋率作為一種新的評價指標，提出了一種基于傳統PageRank算法的Weibo-Rank用戶傳播影響力識別算法，并通過與多種社會性傳統用戶影響力評估算法作比較，驗證了該算法的有效性和準確性。馬俊等[5]利用信息傳播特征對用戶影響力進行度量，結合個人屬性特征對其進行回歸分析，提出了一種基于個人屬性特征的用戶影響力分析方法—PBF方法，雖然一定程度上提高了用戶影響力的評估質量，但是忽略了用戶間關系網絡結構在用戶影響力中所發揮的作用。Cha等[6]通過分析比較了被轉發次數、關注數量、被提及次數分別作為衡量影響力指標的3種方法，得出用戶影響力隨時間變化的規律。雖然該方法獲得了較多關注者的用戶不一定引發更多的轉發和提及行為的結論，但是該研究并沒有利用歷史數據來評估當前或者未來一段時間內用戶的社會影響力，只是僅僅關注過去某個時刻用戶影響力的的大小。唐飛龍等[7]通過分析微博的網絡結構特征，總結出微博相對于其他傳統社會載體的特性，并提出一種通過用戶相對微力值和用戶相對鏈接質量對各博主的影響力進行動態評估的UIR算法，盡管一定程度上消除了僵尸粉絲對排序的影響，但是該算法沒有考慮到博文的具體信息對用戶影響力指標的影響。

總而言之，在實際應用中，如果單憑一種用戶行為或者用戶之間的好友關系，如轉發、評論和提及行為又或者是僵尸粉，對用戶影響力的評估結果是沒什么影響的。因此，將PageRank算法和用戶交互行為兩者相結合，才能更合理、客觀地對用戶影響力進行度量，從而得出更有效的用戶影響力排名。本文的工作就是提出一種新的考慮用戶自身質量指數(直接質量指數)、粉絲質量指數(間接質量指數)以及用戶近期活躍度來綜合評估用戶影響力的方法。

1 微博社區網絡特征及其描述

(1) 平均節點度K:度是一種衡量微博關系網絡中個體影響力和重要程度的指標，通常指的是與當前節點相連的其他節點的數目[8]，而平均節點度是所有節點度的平均值，若N表示網絡中節點的個數，j表示當前節點，那么K可表示為：

(1)

微博關系網絡中通常會出現同配性的現象，即度數大的節點會傾向于和度數大的節點相互連接，就如同在實際應用中，大多數用戶會傾向于與自己同地位或者更高地位的用戶進行互動、交流，從而加入他們的朋友圈建立一種關聯關系。

(2) 平均路徑長度L：平均路徑長度是用來衡量網絡中節點間的分離程度和網絡的連通性的一個重要指標，通常指的是任意兩個網絡節點距離的平均長度，L越大，說明整個網絡的連通性就越弱，傳輸性越弱。若dij表示節點i和j之間的最短距離，N表示網絡中節點的個數，那么L可表示為：

(2)

(3) 平均聚類系數C：聚類系數是用來衡量相鄰節點之間所在社區也就是朋友圈子的重合程度，指的是微博網絡中所有節點的聚類系數的平均值，C越大，整個網絡中節點聯系越緊密，直接聯系程度越大。若Ei表示節點i的ki個相鄰節點間實際存在的邊數，那么C可表示為：

(3)

文中通過采集和統計“校園那些事”這個微博社區的信息，得到的網絡特征值的統計結果如表1所示。

表1 微博社區網絡節點特征值統計

該社區的平均路徑長度為4.69，說明網絡中只要任意兩個節點通過平均4.69個節點就能夠相互連通起來。社區內所發信息數為36 897條，不活躍節點數為4 062，占總節點數的43.9%，這些用戶可能是水軍或者是僵尸粉絲，因為他們很可能最近一段時間內沒有發布任何微博消息，包括評論、轉發等交互行為或者相當長時間內沒有登錄微博。這些僵尸用戶的存在一定程度上會影響該網絡社區中節點影響力的評估質量。平均節點度為55.63，并且剩下的5 192名博主，貢獻了30 024條消息，占全部社區內發言的81.4%，這充分說明這是一個人氣旺盛、互動頻繁的微群。該社區的平均聚類系數為0.271，表現了該社區內部較高的交互程度以及該微博網絡中較好的集聚性。總的來說，這些統計指標顯示了此微博網絡具有“小世界網絡”模型的顯著特性，即有高聚類和低平均路徑長度的特征。這5 192名較活躍用戶是整個微博社區引導輿論方向的群體，其中的少部分用戶很可能就是此微博網絡中具有高影響力的活躍用戶，下文將具體對這些起著核心角色作用的用戶進行影響力的綜合評估。

2 相關研究

2.1 PageRank算法

微博用戶影響力指的是直接或者間接產生影響的能力，本質上也可以認為是用戶間的一種相互作用，即一個用戶如果對與他有交互作用的用戶產生的作用越大，其影響力、吸引度就越大[9]。相比于普通用戶，明星用戶往往就有著較大的影響力。Weng等[3]的研究說明，如果將被關注數作為影響力評價公式的唯一指標應用在Twitter上，雖然最后實驗的排序結果與經典的PageRank算法排序結果總體上一致，但是在一個擁有具體的、特定的話題的微博社區內，由于用戶的所有粉絲不一定都在該主題社區內，再使用唯一的影響指標—粉絲數來進行排名，結果肯定是不準確的，所以用戶的影響力需要多項指標來進行綜合評估。

經典PageRank算法的思想是通過對網絡圖上的網頁鏈接進行分析來計算網頁的重要度。例如，若網頁C有一個指向網頁D的鏈接，就可認為C要貢獻一定的分值給D，值的大小決定于網頁C本身的重要程度，即網頁C越重要或者影響力越大，網頁D最終獲取的貢獻分值就越高。傳統的PageRank表達式是沒有加入阻尼系數d的，引入阻尼系數是為了避免出現由于實際的網絡鏈接拓撲結構不可能形成一個強連通圖而出現大量的沒有外出鏈接的獨立網頁問題。若設某一頁面為Pi，頁面Pi到其他頁面的鏈接數目為L(Pj)，鏈入頁面Pi的數目為M(Pi)，阻尼系數為d，介于0到1之間(一般取值為0.15)，它表示瀏覽者在瀏覽某個頁面之后能夠繼續以1-d的概率瀏覽某一個鏈出的頁面，以d的概率重新挑選一個隨意頁面進行瀏覽[8]，則修正的PageRank算法公式即頁面的PR值可以表示為：

(4)

總之，PageRank算法一定程度上避免了人為因素對排序結果的干擾影響，但由于在該算法中鏈出頁面上得到的PR值是被均勻傳送上去的，這就忽視了該頁面本身的重要程度。因為僅僅利用網絡的鏈接結構來評估網頁的重要性會出現主題漂移、偏重舊網頁問題，所以在微博社交網絡分析中應用PageRank算法時，應該更要考慮用戶本身的特性來合理的分配PR值。

2.2 用戶影響力評價模型

文中通過結合用戶本身的特點再加入新的指標微博用戶質量指數(包括直接、間接質量指數)、近期用戶活躍度來改進、優化算法，即提出了一種基于傳統的PageRank算法和用戶交互行為的用戶影響力改進算法(下文簡稱IUIR算法)來進一步提高微博用戶影響力的綜合評價質量，表2即為用戶影響力評估指標體系。

表2 用戶影響力評估指標體系

(1)用戶影響力指數

通過用戶質量指數和近期用戶活躍度兩個指標，定義一個新的概念—用戶影響力指數。即用戶的質量指數與近期平均每天發博數的乘積值，設用戶影響力指數為Ii，則可以表示為：

Ii=Qi×Ai

(5)

(2) 微博用戶質量指數

微博用戶質量指數定義為用戶自身質量指數(直接質量指數)與粉絲質量指數(間接質量指數)兩個指標共同來決定。

用戶質量指數越高，對其粉絲的影響力就越大，就能越吸引粉絲對用戶所發的微博內容進行轉發和評論。用戶與粉絲之間的轉發、評論這兩種交互行為可以作為衡量影響力的指標。那些用戶感興趣、關注的微博信息可以通過轉發傳遞給其他用戶，轉發的次數越多，信息傳播的能力就越強，影響力就越大；用戶還可以對微博信息進行評論，一個用戶的信息被評論的次數越多，用戶信息產生的影響力就越大。同樣，用戶微博中原創微博數、含有圖片和視頻的微博數越多，從而用戶的博文質量也就相應越高。因此，每篇博文平均被轉發、評論的次數越多，微博內容的原創豐富度越高，證明用戶更多的表達了自己的思想，博文質量越高，用戶的影響力也就越大。

① 用戶自身質量指數(直接質量指數)

用戶自身質量指數其實就是用戶自身微博總數、被評論數、被轉發數、原創微博數、含有圖片和視頻的微博數以及是否認證等方面綜合得到的直接質量指數。設微博用戶為i，微博平均轉發率為Ri，用戶微博平均評論率為Ci，用戶微博內容原創豐富度為Oi，用戶原創微博數為Ki，帶有圖片和視頻的微博數為Mi，用戶是否認證為Vi，(為了實驗操作方便，這里定義：如果是認證用戶Vi取值0.5，反之為0)微博被轉發總數為Si(Retweet)，被評論總數為Si(Comment)，用戶所發微博總數為Si(Microblog)，微博總用戶數為Sum(User)，則用戶自身質量指數(直接質量指數)Qself(i)、Ri、Ci、Oi和Vi分別表示為:

(6)

(7)

(8)

(9)

Qself(i)=Ri+Ci+Oi+Vi

(10)

② 粉絲質量指數(間接質量指數)

考慮粉絲質量是為了剔除僵尸粉、新浪自身運營手段所產生的偽聽眾以及泛濫性營銷的追隨者，另外粉絲是否認證、粉絲自身質量指數等都與用戶真實影響力有一定的關系，所以這其實是一個迭代過程。粉絲質量其實是指用戶的粉絲為用戶所貢獻的質量指數，即間接質量指數。如果設i、j為微博用戶，用戶i的粉絲集合為M(i)，用戶j追隨者的微博用戶總數為L(j)，粉絲質量指數(間接質量指數)為Qfollow(i)，則微博用戶i的質量指數Qi可以表示為:

Qi=Qself(i)+Qfollow(i)

(11)

由于粉絲質量指數的計算是一個迭代過程，所以文中在PageRank算法的基礎上來對其作進一步的評估，表達式可以描述為:

(12)

其中，將式(12)進一步分解可得:

(13)

(3) 近期用戶活躍度

如果用戶只是習慣性地轉發自己感興趣的微博消息，就會增加最終得到的轉發、評論次數，而實際的微博發表次數很少，但也不能說明這種用戶的影響力比較大。因此，僅僅以用戶質量指數這一個指標來衡量用戶影響力是不全面的，需要添加近期用戶活躍度這一指標來綜合評價。近期用戶活躍度指的是最近一段時間內(如一個月)用戶平均每天所發微博數。若設用戶i最近30天內所發微博數量為Ni，時間T=30，則近期用戶i的活躍度Ai可以表示為：

(14)

3 實驗分析

3.1 數據采集

文中的實驗數據是采用廣度優先方式、從大節點開始爬取的新浪微博中標簽為“校園那些事”這個微博社區的數據，從表1可以看出這是一個人氣旺盛、互動頻繁的微群，具有高聚類性和低平均路徑長度的特點。由于在爬取的數據中存在大量的垃圾用戶，所以經過數據預處理、篩選之后最終得到用戶數9 254個，發微博總數達到36 897。文中重點研究用戶的轉發、評論等交互行為來評估該社區中用戶的影響力。采用Matlab、Ucinet可視化工具進行數據分析，其中數據庫采用SQL Server 2010。即將文中提出的算法模型與采集到的數據相結合，再通過Matlab、Ucinet軟件進行社會網絡可視化分析處理，最后得到分析結果。

3.2 實驗結果及分析

對文中采集的“校園那些事”這個微博社區的數據進行采樣分析，再將文中提出的IUIR算法與傳統的PageRank算法作比較，分別得到不同用戶影響力的評估結果。其中表3和表4分別是PageRank算法、本文算法得到的該社區內影響力前十名用戶的排名結果對比。

表3 PageRank算法得到的社區內影響力前十名的用戶

表4 IUIR算法得到的社區內影響力前十名的用戶

對比兩種算法的排名結果，可以發現前2名和第4、第10名是一樣的。雖然本文提出的IUIR算法經14次迭代才收斂，經典的PageRank算法只需要12次迭代才得到收斂結果，效率雖然略高于本文算法，但是最終兩種算法所得到的影響力排名總體上是相似的。由于傳統的PageRank算法只考慮用戶的粉絲數和粉絲質量，不注重微博數對用戶影響力的影響，所以往往關注數、粉絲數和微博數較低的用戶排名會靠前。比如“仰望太陽的向日葵41”這個用戶，分析原因發現，該用戶的粉絲質量非常的高，前10名PR值最高的用戶中有4名都是他的粉絲，因此導致他在PageRank算法中排名如此之高，排在第5位。另外，反觀“罔龐”和“寶帥帥2012”這兩位用戶，由于他們粉絲中有79%的是潛水黨即僵尸粉絲，粉絲與用戶之間通過瘋狂轉發他們所發布的微博互粉廣告，一張凝聚力比較大的僵尸粉絲網就會構建起來，最終會影響PageRank算法的排序，所以這兩個用戶在PR算法中排在第6和第8兩名，而在本文算法中都排出了前10，減少了僵尸粉絲對用戶影響力評估的干擾作用。同時，表4中還有兩個新排進前10的用戶“沉睡的貓”和“向上的大雨”，由于“沉睡的貓”的粉絲中有排名前5的用戶有2個，“向上的大雨”的粉絲中排名前10的用戶有5個，并且他們兩個微博平均轉發和評論的頻率也非常高，盡管他們的關注、粉絲和微博數都相比于其他用戶低，但是這兩個用戶在IUIR算法中越居到了前10名內，分別排在第8、9位。表3中的“烈日驕陽哥”和“仰望太陽的向日葵41”分別從原來的第9、5位上升到了表4中的7、3位，其主要原因是很多有高影響力的用戶轉發他們的微博，再通過二次轉發，大大增強了用戶的影響力。綜合分析兩種算法所得結果，影響力排名中第5到9名的排名次序相差較大，是因為IUIR算法在考慮節點的關系之外還考慮了節點本身的特性，并且該算法能有效地過濾掉不活躍用戶對結果的干擾，能夠更加準確客觀地反映用戶的影響力排名。

4 結 語

目前，微博作為一個既有媒體傳播特性又有社交網絡特性的在線社會網絡，吸引了越來越多的學者對其進行研究，尤其是微博社區用戶影響力方面的研究。文中首先對微博網絡結構特征進行了重點分析，然后通過用戶之間的評論、轉發等交互行為來構建用戶影響力的評價公式，提出了一種基于傳統的PageRank算法和用戶交互行為的用戶影響力改進算法(IUIR算法)，最后通過在新浪微博數據集上進行實驗，驗證了該算法的有效性，提高了用戶影響力的評估質量。盡管如此，研究還需進一步完善，比如沒有考慮到微博網絡中用戶所發微博的具體信息以及時間因素對用戶影響力的影響，這將都是本文接下來的研究目標。

[1] 馮靜. 微博用戶排名機制的研究[D]. 燕山大學,2012.

[2] 陳浩. 基于Hadoop的微博用戶影響力排名算法研究[D]. 華東理工大學,2014.

[3] Weng J, Lim E P, Jiang J, et al. TwitterRank: finding topic-sensitive influential twitterers[C]// International Conference on Web Search and Web Data Mining, WSDM 2010, New York, Ny, Usa, February. 2010:261-270.

[4] 肖宇，許煒，商召璽. 微博用戶區域影響力識別算法及分析[J]. 計算機科學,2012, 39(9):38-42.

[5] 馬俊，周剛，許斌，等. 基于個人屬性特征的微博用戶影響力分析[J]. 計算機應用研究, 2013, 30(8):2483-2487.

[6] Cha M, Haddadi H, Benevenuto F, et al. Measuring User Influence in Twitter: The Million Follower Fallacy[C]// Icwsm 10: International AAAI Conference on Weblogs & Social. 2015.

[7] 唐飛龍，葉施仁，肖春. 基于用戶質量的微博社區博主影響力排序算法[J]. 計算機工程與應用, 2015, 51(4):128-132.

[8] 康書龍. 基于用戶行為及關系的社交網絡節點影響力評價—以微博研究為例[D]. 北京郵電大學, 2011.

[9] 馬俊. 基于話題傳播的微博用戶影響力分析[D]. 解放軍信息工程大學, 2013.

A NEW ASSESSMENT ALGORITHM ON INFLUENCE OF USERS IN MICROBLOG COMMUNITY

Liu Ling Yang Changchun

(SchoolofInformationScienceandEngineering,ChangzhouUniversity,Changzhou213164,Jiangsu,China)

In recent years, Microblog users made contributions to the dissemination of information by virtue of its own influence in the microblog community, especially active users could spread information widely. In order to improve the accuracy of measuring the influence of users in microblog community, an improved influence algorithm based on traditional PageRank algorithm and user interactions (IUIR algorithm) is proposed. This algorithm created the final quality index of users through direct and indirect mass index, combining with the recent user activity to construct user influence assessment formula. Through the experimental analysis on the Sina microblog data collection to compare this proposed algorithm with the traditional PageRank algorithm, the results indicate that the algorithm could reflect the users’ influence ranking more accurately.

Micro blog community Influence of users Users mass index Recent user activity PageRank algorithm

2016-09-06。國家自然科學基金項目(61272367)；江蘇省產學研前瞻性聯合研究項目(BY2014037-08)。劉玲，碩士生，主研領域：數據挖掘。楊長春，教授。

TP391

A

10.3969/j.issn.1000-386x.2017.07.039