比特幣交易P2P網(wǎng)站中意見領袖的識別與分析

李鋒 王妍灃 胡錦亞

摘?要：P2P交易網(wǎng)站中，用戶被其他用戶的評價有正面評價也有負面評價。這使得網(wǎng)絡中意見領袖的觀點更加重要，而意見領袖的識別也變得更加復雜。本研究從一個比特幣交易網(wǎng)站上獲取用戶之間的評價數(shù)據(jù)集合，構建了用戶評價的有向加權符號網(wǎng)絡。同時，根據(jù)用戶評價他人的記錄和被其他用戶評價的記錄，對用戶進行類別劃分。進而，從復雜網(wǎng)絡分析的視角，對用戶的評價數(shù)量和評價值分類統(tǒng)計;并且，計算了用戶各個屬性之間的相關性。計算和分析結(jié)果表明，描述用戶行為的多個屬性之間存在著較強的正向相關性;而用戶的網(wǎng)絡入度指標或出度指標，都可以作為網(wǎng)絡意見領袖的評價指標。

關鍵詞：意見領袖;比特幣交易網(wǎng)站;用戶評價;社會網(wǎng)絡分析;加權符號網(wǎng)絡

中圖分類號： F820.3?文獻標志碼：A?文章編號：1009-055X（2019）06-0064-10

doi：10.19366/j.cnki.1009-055X.2019.06.008

一、引?言

意見領袖是社會關系網(wǎng)絡中最具影響力的節(jié)點，其對整個網(wǎng)絡的意見導向起到了關鍵和核心的作用。通常來說，意見領袖在社會關系網(wǎng)絡中超出普通用戶的“朋友/粉絲”數(shù)量，使得其發(fā)布或轉(zhuǎn)發(fā)的信息能夠迅速散開，極大提高了信息擴散的網(wǎng)絡覆蓋率指標。同時，意見領袖建立起的網(wǎng)絡信譽，使得其觀點能夠為“朋友/粉絲”所接受，并因此能夠在線上輿論中引導爭議性話題的發(fā)展方向。因此，對于意見領袖的識別和描述是線上社交網(wǎng)絡平臺上的熱點議題。

隨著社交電子商務的不斷發(fā)展和模式創(chuàng)新，意見領袖的經(jīng)濟價值更加凸顯[1]。一方面，意見領袖對于“新”產(chǎn)品的推薦，能夠使得該產(chǎn)品迅速在其社會關系網(wǎng)絡上擴散開去，市場識別度甚至超過了傳統(tǒng)的廣告營銷。另一方面，意見領袖對于特定產(chǎn)品的好壞評價，通過其社會關系網(wǎng)絡的擴散，甚至能夠左右產(chǎn)品的市場需求。因此可以說，社交電子商務成功的關鍵之一就是在于找到產(chǎn)品在社交平臺上的意見領袖。

但是，當前對于社會關系網(wǎng)絡上的意見領袖的識別還停留在對普通社交平臺上的用戶分析和評價。對于社交電子商務網(wǎng)站中的社會關系網(wǎng)絡、意見領袖的識別還處于探索階段，研究工作和成果并不多見。相較于普通社交平臺上的意見領袖識別，社交電子商務平臺上意見領袖的識別復雜性主要體現(xiàn)在以下兩點：

（1）社交電子商務平臺上的用戶通常以產(chǎn)品交易雙方為主，意見領袖的涌現(xiàn)無法以普通社交平臺上的用戶“粉絲”數(shù)量評價。

（2）社交電子商務平臺上的用戶關系為買賣交易關系，而用戶之間的評價會因交易的產(chǎn)品和交易的過程有好有壞，意見領袖的輿論導向也分正面和負面兩類。

因此，對于社交電子商務平臺上的社會關系網(wǎng)絡必須采用能夠再現(xiàn)好/壞（正/負）的復雜網(wǎng)絡形式——符號網(wǎng)絡。并且，對于意見領袖的識別也必須根據(jù)符號網(wǎng)絡中連接線和連接線符號的應用含義來定制。

本文以一個P2P比特幣（Bitcoin）交易網(wǎng)站為例，通過構建其用戶群體的社會關系網(wǎng)絡，從中發(fā)現(xiàn)意見領袖。

二、國內(nèi)外研究現(xiàn)狀

意見領袖的識別問題原本是信息傳播領域中的熱點問題。隨著Web 2.0及線上社交平臺的繁榮，社交電子商務的興起，意見領袖的研究工作已經(jīng)逐步向社會和經(jīng)濟領域擴散。對于企業(yè)而言，意見領袖的重要地位在于其對產(chǎn)品口碑營銷的貢獻[2]。

但是，當前對于社會關系網(wǎng)絡中的意見領袖研究主要是針對一些大眾型的社交平臺，如國外的Twitter[2]、Facebook[3]，國內(nèi)的微博[4]、知乎[5]等。其中，對于社會關系網(wǎng)絡中的意見領袖識別，通常采用的是社會網(wǎng)絡分析中的網(wǎng)絡節(jié)點中心性指標[6]，計算節(jié)點重要性的PageRank算法[3]、HITS算法[3]，以及引入用戶“畫像”屬性的指標體系和多屬性評價模型[2]，信息擴散的主路徑分析方法[7]等。而為了驗證意見領袖的影響力，采用的研究方法主要包括實證分析[8]和仿真分析[2，4，5]兩種。

這些前期工作中的社會關系網(wǎng)絡與本文所研究的P2P交易網(wǎng)站中用戶之間的社會關系網(wǎng)絡不同在于，P2P交易網(wǎng)站中的用戶節(jié)點關系為交易關系，即發(fā)生產(chǎn)品買賣的用戶之間的關系——社會關系網(wǎng)絡中節(jié)點連線相對稀疏;并且，P2P交易網(wǎng)站中賣家與買家之間的交易連線通常定義為買家對賣家的產(chǎn)品和服務的評價，或賣家對買家的交易過程的評價——網(wǎng)絡中節(jié)點連線權值有大有小、有正有負，難以采用傳統(tǒng)社會關系網(wǎng)絡分析中的無權網(wǎng)絡或加權網(wǎng)絡構建其網(wǎng)絡模型。因此，必須采用復雜網(wǎng)絡分析中的加權符號網(wǎng)絡進行系統(tǒng)建模[9]。

由于加權符號網(wǎng)絡中連線的正負、權值在不同的應用背景中代表著不同的含義，對于加權符號網(wǎng)絡的研究工作更加發(fā)散。例如，從復雜網(wǎng)絡的視角研究加權符號網(wǎng)絡的網(wǎng)絡整體結(jié)構屬性和節(jié)點特征[10-11];從符號網(wǎng)絡的視角（結(jié)構平衡理論）研究節(jié)點之間連線符號的正確性，并對“缺失”的連線進行符號預測[12-15]。而對網(wǎng)絡中意見領袖（關鍵節(jié)點）的識別，多是在PageRank算法上進行改進，使其能夠分別對正負權值分開處理[16-17];或者采用仿真的方法，以影響力最大化為目標搜索出意見領袖集合[18]。但是，這些對網(wǎng)絡中關鍵節(jié)點/意見領袖的識別算法，都是將研究對象看作是一個無權符號網(wǎng)絡，即網(wǎng)絡連線的權值僅為+1或-1。這一點與P2P交易網(wǎng)站中用戶評價分等級的實際情況差異較大。因此，必須結(jié)合具體的應用問題，以及連線權值的含義針對性地定義意見領袖的評價指標體系。

本文就是針對一個具有較長時間跨度的比特幣交易P2P網(wǎng)站，通過構建交易用戶的加權符號網(wǎng)絡，從中識別意見領袖。

三、比特幣交易平臺及數(shù)據(jù)集合

（一）比特幣交易平臺簡介

本文研究的比特幣交易P2P網(wǎng)站為Bitcoin OTChttps：//www.bitcoin?otc.com.。在此平臺上，比特幣買家可以與比特幣賣家直接聯(lián)系和交易，不需要網(wǎng)站對交易進行監(jiān)管和擔保。

但是，為了避免用戶在交易中遇到不誠信用戶而上當受騙，交易網(wǎng)站提供了一個用戶之間的打分評價系統(tǒng)。在此系統(tǒng)中，用戶可以對交易對象打分。分數(shù)取值范圍為-10到+10，數(shù)值越大表明用戶對交易對方評價越高，數(shù)值越小表明用戶對交易對方評價越差https：//wiki.bitcoin?otc.com/wiki/OTC_Rating_System.。因此，用戶被其他用戶的評價分數(shù)值越高，表明與該用戶交易的風險越小;反之，用戶被其他用戶評價分數(shù)值越低，則與該用戶交易的風險越大。

然而，不誠信用戶的存在使得用戶的交易風險評價變得非常復雜。不誠信用戶可以利用該系統(tǒng)獲得較高的被評價分數(shù)，從而有可能欺騙那些僅根據(jù)被評價分數(shù)的高低來選擇交易對象的用戶。在Web 2.0時代，此類用戶被稱為“網(wǎng)絡水軍”，并大有人在[19]。因此，如何過濾掉這些用戶對評價系統(tǒng)的干擾，從而能夠有效地識別出網(wǎng)絡中的關鍵節(jié)點和意見領袖，成為一個非常復雜的問題。

（二）用戶相互評價的加權符號網(wǎng)絡

斯坦福大學的網(wǎng)絡分析項目（Stanford Network Analysis Project， SNAP）于2016年對Bitcoin OTC網(wǎng)站實施了數(shù)據(jù)抓取，發(fā)布了一個名為“bitcoin?otc”的數(shù)據(jù)集[14]。該數(shù)據(jù)集總共包括35?592條評價信息，涉及用戶數(shù)量為5?881人。數(shù)據(jù)集中每條評價信息包括四個字段：評價者、被評價者、評價分數(shù)和評價時間。

本文以評價者、被評價者和評價分數(shù)三個字段構建有向、加權、符號網(wǎng)絡。其中，每個網(wǎng)絡節(jié)點代表系統(tǒng)中唯一的一個用戶，而有向邊則定義了一位用戶對另外一位用戶的評價值。

所得到的加權符號網(wǎng)絡的基本統(tǒng)計信息如表1所示。忽略加權符號網(wǎng)絡中連線的方向和權值，可以計算得到網(wǎng)絡的平均聚類系數(shù)、網(wǎng)絡直徑和平均路徑長度等指標。

對網(wǎng)絡中每個節(jié)點的入度指標和出度指標進行統(tǒng)計，得到網(wǎng)絡入度和出度指標的分布情況如圖1所示：

對節(jié)點入度和出度指標進行冪律函數(shù)檢驗，得到入度指標的冪律分布函數(shù)參數(shù)ν=2.270?4（KS檢驗值為0.037?602，p檢驗值為0.462?782）;出度指標的冪律分布函數(shù)參數(shù)ν=2.058?9（KS檢驗值為0.035?791，p檢驗值為0.143?565）。這個結(jié)果表明網(wǎng)絡節(jié)點的入度和出度指標基本服從冪律分布，服從無標度網(wǎng)絡的網(wǎng)絡定義[20]。

（三）用戶評價網(wǎng)絡的網(wǎng)絡整體描述

Bitcoin OTC網(wǎng)站的評價系統(tǒng)對于每一位交易用戶提供了以下統(tǒng)計數(shù)據(jù)：

CI-1：該用戶評價其他用戶的總分數(shù)。

CI-2：該用戶給其他用戶正面評價（評價值大于零）的總次數(shù)。

CI-3：該用戶給其他用戶負面評價（評價值小于零）的總次數(shù)。

CI-4：該用戶被其他用戶正面評價的總次數(shù)。

CI-5：該用戶被其他用戶負面評價的總次數(shù)。

本文借鑒這五個指標對bitcoin?otc數(shù)據(jù)集中的5?881個節(jié)點進行統(tǒng)計。得到這幾個指標的分布如圖2所示：

另外，為了與指標CI-1對應，本文計算并統(tǒng)計了：

CI-6：該用戶被其他用戶評價的總分數(shù)。

從圖2可以看出，網(wǎng)絡節(jié)點的這6個統(tǒng)計指標比較集中，只有少數(shù)節(jié)點的指標值偏離均值。

為了進一步發(fā)現(xiàn)網(wǎng)絡節(jié)點的特征，結(jié)合指標CI-2、CI-3、CI-4和CI-5，下面分別給出了按照評價值的正負得出的統(tǒng)計分布。

對于用戶對其他用戶評價的分數(shù)進行統(tǒng)計，按照評價值的正負分類統(tǒng)計。下面給出了分類統(tǒng)計的4個指標值（如圖3）：

CI-2-S：該用戶給其他用戶正面評價的分數(shù)的累計值。

CI-2-A：該用戶給其他用戶正面評價的分數(shù)的平均值。

CI-3-S：該用戶給其他用戶負面評價的分數(shù)的累計值。

CI-3-A：該用戶給其他用戶負面評價的分數(shù)的平均值。

同理，對用戶被其他用戶評價的分數(shù)進行統(tǒng)計，按照評價值的正負分類統(tǒng)計（如圖4）。

從圖2、圖3和圖4所示的網(wǎng)絡節(jié)點的指標來看，網(wǎng)絡中多數(shù)節(jié)點的指標相對集中，只有少數(shù)節(jié)點的指標值偏離集中值較多（從指標CI-2-A、CI-3-A、CI-4-A、CI-5-A的統(tǒng)計分布上可以直觀看出這些特點）。

四、意見領袖的特征識別

（一）用戶各指標的一致性檢驗

圖1至圖4所示網(wǎng)絡中節(jié)點的指標統(tǒng)計結(jié)果顯示，多數(shù)節(jié)點的行為模式比較接近，呈現(xiàn)出類似正態(tài)分布的分布特征。

指標CI-2-A、CI-3-A、CI-4-A、CI-5-A進一步表明有少數(shù)節(jié)點表現(xiàn)出脫離大眾的行為特征。根據(jù)前期研究成果表明，這4個指標的異常值所代表的用戶節(jié)點多數(shù)被證明是問題節(jié)點（“騙子”節(jié)點）[11]。因此，剔除這些指標，采用pearson相關系數(shù)計算節(jié)點這些指標的指標值一致性。

通過表2所示的pearson相關系數(shù)，可以看出：

（1）網(wǎng)絡用戶的出度指標與入度指標、CI-2和CI-4具有較強的正向相關性。

（2）指標CI-6與出度、入度、CI-2和CI-4具有相對較強的正向相關性。

（3）指標CI-1和指標CI-3，指標CI-5和指標CI-6具有較弱的負向相關性。

根據(jù)加權符號網(wǎng)絡的構建方法，網(wǎng)絡節(jié)點的出度實質(zhì)上是網(wǎng)絡用戶對其他用戶評價的總次數(shù)，入度則是網(wǎng)絡用戶被其他用戶評價的總次數(shù)。因此，結(jié)合pearson相關系數(shù)的計算結(jié)果，可以得到以下結(jié)論：由于用戶對他人的評價值有正有負，因此，用戶對其他用戶評價的總次數(shù)（出度）與用戶對其他用戶評價的總分數(shù)（指標CI-1）相關性不高。但是，節(jié)點的出度與節(jié)點的入度，以及與該用戶對其他用戶正面評價的總次數(shù)（指標CI-2）和該用戶被其他用戶正面評價的總次數(shù)（指標CI-4）具有較強的相關性。

根據(jù)節(jié)點的入度、出度、指標CI-2和指標CI-4之間的強正相關性，可以初步認為網(wǎng)絡節(jié)點的重要性/意見領袖與節(jié)點的出度或入度具有較強的相關性。因此，可以以節(jié)點的出度或入度作為網(wǎng)絡節(jié)點的意見領袖特性評價。

（二）意見領袖特征的正確性檢驗

以節(jié)點的出度或入度作為網(wǎng)絡意見領袖的判定標準，但是結(jié)合比特幣交易網(wǎng)站的加權符號網(wǎng)絡描述，存在以下問題需要深入挖掘：用戶的出度或入度較高，但是如果被其他用戶給予負值評價時，該用戶有可能是“騙子”用戶，此用戶不能被標簽為網(wǎng)絡的意見領袖。

因此，根據(jù)用戶評價他人的情況，以及該用戶被他人評價的情況，將用戶分為以下八類：第1類簡寫為（P，P），第2類簡寫為（P，N），第3類簡寫為（P，Z），第4類簡寫為（N，P），第5類簡寫為（N，N），第6類簡寫為（N，Z），第7類簡寫為（Z，P），第8類簡寫為（Z，N）。其中，標號“（X，X）”中第1個字母X描述了該用戶對其他用戶的評價總體情況，第2個字母則描述了其他用戶對該用戶的評價總體情況。具體來說，字母P表示正值（positive），代表用戶對其他用戶的評價全部為正值，或被其他用戶的評價也全部為正值;字母N表示負值（negative），代表用戶對其他用戶的評價有負值（并不強制要求所有的評價都是負值，即有正有負），或被其他用戶的評價也有負值;字母Z表示零（zero），代表用戶沒有對任何一個用戶進行評價，或被其他用戶評價。另外，如果一個用戶既沒有對其他用戶評價，也沒有被其他用戶所評價，（Z，Z）則表示該用戶沒有進行任何交易。這樣的用戶在網(wǎng)站的用戶評價系統(tǒng)中數(shù)量為0。因此，后續(xù)并不對其進行分析。

鑒于評價節(jié)點意見領袖的指標（出度或入度），以及與其強正相關的指標CI-2和指標CI-4，表3對這8類節(jié)點進行指標統(tǒng)計。

從表3數(shù)據(jù)可以看出，分屬于類別（N，N）和（N，P）的節(jié)點在平均出度、平均入度、CI-2均值和CI-4均值都顯著高于其他類節(jié)點。

以不同類別節(jié)點的入度指標進行分類統(tǒng)計，得到如圖5所示的統(tǒng)計結(jié)果。

不同類別的用戶節(jié)點具有較為相似的行為特征（指標值），指標值集中趨勢良好。

為了進一步檢驗網(wǎng)絡意見領袖的指標特征，表4和表5分別以節(jié)點出度和節(jié)點入度作為評價意見領袖的指標，選取了指標值排名前10的節(jié)點進行指標展示。

對比表4和表5中數(shù)據(jù)，表4中以出度為評價指標的意見領袖與表5中以入度為評價指標的意見領袖有高度的重合。例如，表4和表5中，是同一節(jié)點的節(jié)點對序號分別是：（a-1）、（b-2）、（c-3）、（d-5）、（e-7）、（f-9）、（g-6）、（h-8），只有入度指標判定的意見領袖i和j與出度指標判定的意見領袖4和10沒有重合。

但是，表4和表5中入度和出度都非常高的節(jié)點（c-3）指標CI-5均為41，這意味著有41位用戶給予此“意見領袖”以負面評價。

為此，進一步對這41個節(jié)點進行分析。統(tǒng)計結(jié)果顯示這41個節(jié)點有39個節(jié)點為（N，N）類節(jié)點（另外兩個節(jié)點為（N，P）類節(jié)點）。將表3所示的（N，N）類節(jié)點的各指標集中趨勢（平均值），與這39個（N，N）類節(jié)點的各指標集中趨勢進行對比，得到表6所示數(shù)據(jù)。

從表6數(shù)據(jù)對比可以看出，對編號為c的節(jié)點給出負面評價的節(jié)點，其指標值非常顯著地偏離了網(wǎng)絡中此類節(jié)點的整體特征。根據(jù)前期的研究分析[11]，此類節(jié)點自身存在問題，具有較大的可能性屬于網(wǎng)絡中的“騙子”節(jié)點，即有可能是“騙子”節(jié)點被識破后的報復行為。表6類似地給出其他幾個節(jié)點的情況（編號為b的節(jié)點指標CI-5僅為1，所以只給出了該節(jié)點的指標值）。

（三）小結(jié)

通過以上的數(shù)據(jù)分析，可以得出以下結(jié)論：

依據(jù)比特幣P2P交易網(wǎng)站上的用戶評價所構建的加權符號網(wǎng)絡，網(wǎng)絡中節(jié)點（用戶）行為模式非常相似;根據(jù)用戶對他人的評價值符號，以及其他用戶對該用戶的評價值符號，對網(wǎng)絡中的所有節(jié)點進行分類，分類結(jié)果良好（相同類別中節(jié)點各指標值較為集中，不同類別節(jié)點的各指標值差異顯著）;雖然用戶之間的評價值有正有負，并且評價值有大有小，但是以節(jié)點的出度或入度作為其意見領袖的評價指標，指標依然有效。

五、結(jié)論及展望

本文以當前流行的P2P交易網(wǎng)站用戶群體為對象，通過構建用戶相互評價的網(wǎng)絡來識別其中的意見領袖。通過分析發(fā)現(xiàn)，雖然用戶之間的評價有好有壞、評價值也有高有低，但是采用復雜網(wǎng)絡分析中的節(jié)點出度指標或入度指標能夠簡單快速并有效地識別網(wǎng)絡中的意見領袖。

參考文獻：

[1]HAJLI N， SIMS J， ZADEH A H， et al.?A social commerce investigation of the role of trust in a social networking site on purchase intentions [J]. Journal of Business Research， 2017， 71（1）： 133-141.

[2]LI F， DU TC.?Listen to me—evaluating the influence of micro?blogs [J]. Decision Support Systems， 2014， 62（1）： 119-130.

[3]趙之瀅， 于海， 朱志良， 等.?基于網(wǎng)絡社團結(jié)構的節(jié)點傳播影響力分析 [J]. 計算機學報， 2014， 37（4）： 753-766.

[4]LI F， DU TC.?Maximizing micro?blog influence in online promotion [J]. Expert Systems with Applications， 2017， 70： 52-66.

[5]魏瑩， 劉冠， 李鋒.?線上社交網(wǎng)絡上信息擴散中“隱形”關鍵節(jié)點的識別及影響力評價[J]. 情報科學， 2018， 36（3）： 138-143.

[6]任曉龍， 呂琳媛.?網(wǎng)絡重要節(jié)點排序方法綜述[J]. 科學通報， 2014， 59（13）：1175-1197.

[7]魏瑩， 李鋒.?基于主路徑分析的關鍵節(jié)點識別與謠言擴散抑制研究[J]. 情報科學， 2018， 36（6）： 13-19.

[8]謝耘耕， 榮婷.?微博傳播的關鍵節(jié)點及其影響因素分析——基于30起重大輿情事件微博熱帖的實證研究 [J]. 新聞與傳播研究， 2013（3）： 5-15.

[9]程蘇琦， 沈華偉， 張國清， 等.?符號網(wǎng)絡研究綜述 [J]. 軟件學報， 2014， 25（1）： 1-15.

[10]GU K， FAN Y， ZENG A， et al.?Analysis on large?scale rating systems based on the signed network [J]. Physica A， 2018， 507： 99-109.

[11]李鋒， 胡錦亞.?基于加權符號網(wǎng)絡的比特幣交易平臺用戶交易風險評價 [J]. 華南理工大學學報（社會科學版）， 2019， 21（1）： 15-27.

[12]MA L， GONG M， YAN J， et al.?A decomposition?based multi?objective optimization for simultaneous balance computation and transformation in signed networks [J]. Information Sciences， 2017， 378（C）： 144-160.

[13]DU H， HE X， WANG J， et al.?Reversing structural balance in signed networks [J]. Physica A， 2018， 503： 780-792.

[14]KUMAR S， SPEZZANO F， SUBRAHMANIAN V S， et al.?Edge weight prediction in weighted signed networks [C]. In Proceedings of 2016 IEEE 16th International Conference on Data Mining， Barcelona： IEEE， 2016， 221-230.

[15]伍杰華.?異構符號網(wǎng)絡中正負社交關系的分類預測研究 [J]. 情報科學， 2016， 34（1）： 81-86.

[16]顧潔， 胡安安， 劉旭， 等.?社交網(wǎng)絡正、負影響力計算——基于符號網(wǎng)絡的PageRank算法改進 [J]. 情報學報， 2015， 34（7）： 725-733.

[17]曹林林， 鄭明春.?微博話題符號網(wǎng)絡下的意見領袖挖掘算法研究 [J]. 計算機應用研究， 2017， 34（12）： 3547-3551.

[18]LI D， WANG C， ZHANG S， et al.?Positive influence maximization in signed social networks based on simulated annealing [J]. Neurocomputing， 2017， 260： 69-78.

[19]莫倩， 楊柯.?網(wǎng)絡水軍識別研究 [J]. 軟件學報， 2014， 25（7）： 1505-1526.

[20]BARABASI AL， ALBERT R.?Emergence of scaling in random networks [J]. Science， 1999， 286（5439）： 509-512.

Opinion Leader Identification and Analysis in a Bitcoin Trading P2P Website

LI Feng?WANG Yan?feng?HU Jin?ya

（School of Business Administration， South China University of Technology， Guangzhou 510640， Guangdong， China）

Abstract： Online users of P2P trading website usually were rated by others as being positive or negative. These made attitudes of opinion leaders more important， and identification of opinion leaders more complicated. This paper fetched rating records among users from a Bitcoin trading P2P website. Based on these data， a directed weighted signed network was constructed. Users were classified into several classes according to ratings they had sent and received. Moreover， statistics description of these users was given， along with data through social network analysis. Then， the correlation coefficients between features of users were calculated. Based on data analysis， strong positive correlation coefficients between several features of users were uncovered. More important， in?degree and out?degree of nodes （users in the network） were verified to recognize opinion leaders.

Keywords： opinion leader; Bitcoin trading website; peer?to?peer rating; social network analysis; weighted signed network