微博用戶影響力模型研究①昆明理工大學(xué) 畢秋敏

云南財(cái)經(jīng)大學(xué) 倪明明 曾志勇

微博用戶影響力模型研究①昆明理工大學(xué) 畢秋敏

云南財(cái)經(jīng)大學(xué) 倪明明 曾志勇

摘 要：本文建立的算法可用于在微博中尋找影響力大的用戶，并為控制虛假新聞的傳播提供有效的途徑。筆者在分析微博用戶的影響力中，發(fā)現(xiàn)本文提出的算法相對(duì)原始的PageRank算法更具有合理性；通過分析原始的PageRank與改進(jìn)的PageRank的基礎(chǔ)上，我們考慮引進(jìn)用戶內(nèi)在影響力建立偏隨機(jī)游走的PageRank算法；基于偏隨機(jī)游走的PageRank對(duì)用戶的影響力具有更好的分析性。本文沒考慮到地域性的差異，怎么結(jié)合地域的特點(diǎn)來建立模型也是下一步研究的重點(diǎn)。如果能較好地結(jié)合時(shí)間性與地域性的特點(diǎn)，那么我們能更好地預(yù)測重點(diǎn)輿論爆發(fā)的時(shí)間，并且有效地進(jìn)行控制。

關(guān)鍵詞：用戶影響力 PageRank 主題模型 內(nèi)在影響力

Web2.0時(shí)代，基于互聯(lián)網(wǎng)的社交網(wǎng)絡(luò)正在成為人類社會(huì)中社會(huì)關(guān)系維系和信息傳播的重要渠道和載體。社會(huì)個(gè)體通過各種連接關(guān)系在社交網(wǎng)絡(luò)上構(gòu)成“關(guān)系結(jié)構(gòu)”；各類信息基于社交網(wǎng)絡(luò)的關(guān)系結(jié)構(gòu)和網(wǎng)絡(luò)群體，得以快速發(fā)布并傳播擴(kuò)散形成社會(huì)化媒體，并反饋到現(xiàn)實(shí)社會(huì)，從而使得社交網(wǎng)絡(luò)與現(xiàn)實(shí)社會(huì)間形成互動(dòng)，并對(duì)現(xiàn)實(shí)世界產(chǎn)生影響[1]。

微博吸引了越來越多來自各個(gè)行業(yè)、擁有各種背景的人。人們可以自定義標(biāo)簽，五花八門的內(nèi)容體現(xiàn)出用戶的興趣需求點(diǎn)又廣又細(xì)。然而，除了一些大眾的需求，很多相對(duì)冷門的興趣點(diǎn)并沒有聚合起用戶。一方面，在當(dāng)前嘈雜的微博環(huán)境中，信息一出現(xiàn)就很有可能被迅速淹沒，據(jù)數(shù)據(jù)顯示[1]，只有很少量的微博才得以廣泛傳播；但是只要有一部分影響力大的用戶點(diǎn)贊或者轉(zhuǎn)發(fā)相應(yīng)的微博就會(huì)使信息得到廣泛的關(guān)注。因此找到微博影響力大的用戶對(duì)輿論控制或者信息傳播是十分重要的。

目前有許多人應(yīng)用了PageRank算法對(duì)微博用戶影響力進(jìn)行排名。因此本文以新浪微博作為社交網(wǎng)絡(luò)的出發(fā)點(diǎn)，類似于偏隨機(jī)游走PageRank算法從一個(gè)新的角度構(gòu)建微博用戶的影響力模型。

1 研究現(xiàn)狀

用戶影響力在微博領(lǐng)域的延伸始于鏈接分析，2010年Weng等基于PageRank設(shè)計(jì)了Twitter用戶和鏈接結(jié)構(gòu)的話題相似性影響力排序算法[3]。2010年王曉光將新浪微博作為研究對(duì)象，考察用戶的基本行為特征和關(guān)系特征，分析用戶影響力的相關(guān)變量，最終建立出影響力回歸方程[4]。2010年Cha等選擇從用戶行為的角度，通過分析微博的粉絲、被轉(zhuǎn)發(fā)與用戶被@狀況對(duì)用戶影響力進(jìn)行了考察［5］。Ye等將用戶粉絲數(shù)量影響力、回復(fù)影響力、轉(zhuǎn)發(fā)影響力、粉絲數(shù)、微博的數(shù)量、回復(fù)和轉(zhuǎn)發(fā)數(shù)作為排序的準(zhǔn)則進(jìn)行了計(jì)算和比較，認(rèn)為從回復(fù)最多的角度得出的用戶影響力值最穩(wěn)定，并按此進(jìn)行影響力排序作為標(biāo)準(zhǔn)[6]。2011年邵晶晶等提出PageRank算法的阻尼因子值[7]。2012年原福永等通過用戶活躍度與微博影響力針對(duì)微博的排名機(jī)制進(jìn)行研究，建構(gòu)了微博用戶的用戶影響力指數(shù)模型[8]。2013年周志峰等應(yīng)用h指數(shù)對(duì)博客的影響力進(jìn)行分析[9]。何靜等基于改進(jìn)PageRank算法的微博用戶影響力研究來控制僵尸粉的影響[10]。偏置游走模型針對(duì)PageRank的隨機(jī)游走模型進(jìn)行改進(jìn)，其基本思想很接近，不同點(diǎn)在于：智能游走模型考慮的是網(wǎng)頁內(nèi)容和用戶查詢的相關(guān)性，而偏置游走模型考慮的是鏈接指向的網(wǎng)頁內(nèi)容和當(dāng)前游覽網(wǎng)頁內(nèi)容之間的相似性[11]。Chakrabarti等指出一個(gè)網(wǎng)頁傾向于鏈向主題相關(guān)性的網(wǎng)頁，這從一定角度解釋了PageRank這一與查詢無關(guān)的排序方式在搜索結(jié)果排序中的有用性，更重要的是給研究者以提示：通過考慮網(wǎng)頁的主題特性可以改進(jìn)PageRank的效果。

本文重點(diǎn)研究新浪微博社區(qū)中用戶的影響力。建立一個(gè)通過偏隨機(jī)游走建立的PageRank算法，利用微博社區(qū)網(wǎng)絡(luò)中用戶之間的相互關(guān)系作為微博影響力的因素，評(píng)價(jià)其在網(wǎng)絡(luò)中的影響力，找出微博社區(qū)網(wǎng)絡(luò)中的關(guān)鍵用戶，并且為PageRank算法提供新的思路。

2 方法描述

2.1 基于傳統(tǒng)PageRank算法的影響力模型

PageRank算法是用來衡量網(wǎng)絡(luò)中節(jié)點(diǎn)重要程度的經(jīng)典算法[12]，該算法基于用戶鏈接分析計(jì)算用戶的重要度。其基本思想是將用戶之間的鏈接作為一種投票行為。重要用戶投出的選票要比一般用戶投出的價(jià)值高。如果在最后一個(gè)用戶得到的選票越多說明該用戶越重要。雖然PageRank會(huì)一直傳遞，但經(jīng)過佩奇等(1997)的證實(shí)，PageRank的計(jì)算是收斂的[13]。為此，拉里·佩奇和謝爾蓋·布林得到了簡易計(jì)算模型：

由于用戶在進(jìn)行瀏覽別人博客時(shí)，會(huì)出現(xiàn)“疲勞”，也就是會(huì)跳至別的URL。因此需要對(duì)PageRank公式進(jìn)行修正，的基礎(chǔ)上增加了阻尼系數(shù)d(一般為d=0.85)。所以得到修正后較為具體的PageRank。

PageRank算法運(yùn)用用戶之間的關(guān)注情況來評(píng)價(jià)用戶的重要性，在一定程度上避免和減少了人為因素對(duì)排序結(jié)果的影響；一個(gè)用戶只能通過別的用戶關(guān)注對(duì)其引用來增加自身的PR值，且算法的均分策略使得一個(gè)用戶的關(guān)注越多，被關(guān)注的用戶所獲得的PR值就越少。因此，算法可以有效避免那些為了提高網(wǎng)站的搜索排名而故意使用鏈接的行為，但是原始的PageRank算法僅利用網(wǎng)絡(luò)的鏈接結(jié)構(gòu)，無法判斷網(wǎng)頁內(nèi)容上的相似性。我們針對(duì)這種情況在只有關(guān)注的與被關(guān)注的數(shù)據(jù)上對(duì)模型進(jìn)行修正。

2.2 改進(jìn)PageRank算法的影響力模型

僵尸粉是指已經(jīng)注冊卻不活躍在平臺(tái)上的用戶，他們的特點(diǎn)往往是無頭像、極少內(nèi)容、無粉絲、卻有大量關(guān)注，是一些虛假粉絲、“死粉絲”?，F(xiàn)在一些用戶通過花錢購買僵死粉從而增加自己的粉絲數(shù)量，增加人氣值。僵尸粉的存在使得傳統(tǒng)的PageRank算法不合適。

改進(jìn)的PageRank算法的思想：每位影響力很大的用戶，必須具備兩個(gè)條件：一是具有大量的粉絲；二是具有較少的關(guān)注數(shù)。兩者的比值是一個(gè)較大的數(shù)，結(jié)合實(shí)際生活中很多用戶是通過了解別人與之成為好友從而引發(fā)好友也關(guān)注他。這樣改進(jìn)后，如果某個(gè)用戶被一個(gè)重要的用戶引用，則這個(gè)用戶可以流入一個(gè)較大的PR值。如果這個(gè)用戶被很多虛假用戶引用，流入的PR值也應(yīng)該較小。通過這個(gè)方法，PR值大的用戶在分配給其他用戶時(shí)，其他用戶可以獲得較高PR值。對(duì)于虛假粉絲，具有很少粉絲卻具有較多關(guān)注的用戶，可以適當(dāng)?shù)亟档退麄儗?duì)PR值的影響，有效地過濾掉了僵尸粉。因此可以引入一個(gè)條件系數(shù)m(粉絲數(shù)與關(guān)注數(shù)的比值)[10]。

由以上陳述現(xiàn)將改進(jìn)的PageRank算法計(jì)算公式記為：其中d為調(diào)節(jié)因子，在經(jīng)驗(yàn)上通常取為0.85，其中為指向用戶的所有用戶集合；為入鏈的值為用戶從中獲得PR值表示用戶的關(guān)注數(shù)。

2.3 偏隨機(jī)游走的PageRank算法

對(duì)于傳統(tǒng)的模型或者是現(xiàn)有改進(jìn)的模型來說，研究者常常是對(duì)原有網(wǎng)頁的PR進(jìn)行加權(quán)或者刪去一些僵尸粉。我們發(fā)現(xiàn)這種直接把運(yùn)用于網(wǎng)頁排名的PageRank算法應(yīng)用于微博用戶影響力中具有不合理性，因此我們提出了一種修正的偏PageRank算法模型。針對(duì)傳統(tǒng)的PageRank模型而言，用戶在進(jìn)行瀏覽微博時(shí)，會(huì)出現(xiàn)“疲勞”也就是會(huì)跳至別的URL。但是這種情況對(duì)應(yīng)于微博影響力的排名中是不合理的，在影響力中不存在游覽疲勞。我們對(duì)疲勞游覽進(jìn)行修正。

我們的解決方法類型：

(1)主題敏感的PageRank改進(jìn)算法[5]類似，我們選取用戶共同好友的所在比例作為用戶的內(nèi)在影響因素，稱為好友影響力。

(2)又因?yàn)榧词箾]有共同的好友，用戶之間還是有一點(diǎn)影響，稱為微弱影響。

通過以上方案(1)與(2)結(jié)合，我們根據(jù)原始的PageRank算法給出偏隨機(jī)游走PageRank。

由于公式(4)中表示以1-d的概率平均分到n個(gè)用戶上。在實(shí)際中，當(dāng)用戶游覽微博時(shí)，不可能隨機(jī)調(diào)到其他用戶中，我們參照主題下的PageRank算法，建立有偏向的PageRank算法。在微博中，用戶關(guān)注的相同用戶越多就越容易對(duì)相互產(chǎn)生更大的影響。在這里稱這種影響力為好友影響力。我們假定用戶i的集合為其中如果用戶i關(guān)注了用戶j則為1，否則為0。通過比較用戶i與用戶j所公共關(guān)注的用戶，我們得到為共同關(guān)注的用戶數(shù)量。如果用戶共同關(guān)注的數(shù)量越多就越說明用戶屬于同一個(gè)主題的概率越大。但是微博用戶不關(guān)注的用戶對(duì)用戶還是有一定的潛在影響力。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

新浪微博為用戶提供了豐富的API接口，使用戶可以方便地抓取和采集微博數(shù)據(jù)。用戶使用新浪微博API的前提是需要通過身份認(rèn)證。本文通過基于新浪微博開放的API來獲取信息[13]。

3.2 數(shù)據(jù)整理

在抓取的數(shù)據(jù)集中，實(shí)際數(shù)據(jù)存在著缺失的情況，比如A用戶的粉絲并不在所抓取的數(shù)據(jù)集中或者有些用戶和數(shù)據(jù)里面其他用戶沒有共同關(guān)注的對(duì)象。遇到這種情況，本文將刪去那些與其他用戶沒有共同觀注對(duì)象的用戶和只考慮在數(shù)據(jù)集中的粉絲。本文中的粉絲數(shù)與關(guān)注數(shù)都只是指關(guān)于用戶在所抓取數(shù)據(jù)里的粉絲與關(guān)注。

整理后的數(shù)據(jù)一共包含了12691個(gè)用戶，在用戶關(guān)系信息文件中包含了所有這些用戶的朋友關(guān)系，在用戶轉(zhuǎn)發(fā)信息文件中包含了所有這些用戶的轉(zhuǎn)發(fā)信息。在12691個(gè)用戶中，總共有1840290條朋友關(guān)系，每個(gè)用戶平均擁有145個(gè)朋友關(guān)系?？偣灿?4565條轉(zhuǎn)發(fā)關(guān)系，平均每條轉(zhuǎn)發(fā)關(guān)系的轉(zhuǎn)發(fā)數(shù)為2.65條。在所有的朋友關(guān)系中，只有8.68%的朋友關(guān)系同時(shí)也是轉(zhuǎn)發(fā)關(guān)系。這些數(shù)據(jù)都說明了雖然微博上總體的轉(zhuǎn)發(fā)數(shù)量很大，但相對(duì)于微博上的用戶數(shù)以及朋友關(guān)系數(shù)，平均到每個(gè)用戶以及每條關(guān)系上的轉(zhuǎn)發(fā)微博數(shù)還是十分少的。

3.3 實(shí)驗(yàn)結(jié)果與分析

首先，我們用原始的PageRank算法計(jì)算用戶影響力模型，并顯示用戶的粉絲數(shù)量，關(guān)注度，微博數(shù)量與微博被收藏次數(shù)，如表1所示。

表1 微博影響力狀況

通過表1分析得到原始PageRank算法計(jì)算出來有較高PR值的用戶，相應(yīng)的他們的粉絲或者關(guān)注數(shù)量也比較多?？梢缘玫皆糚ageRank算法對(duì)用戶影響力有一定的分析能力。

表2 偏隨機(jī)游走的PageRank影響力

通過表2我們看出原始PR算法與偏隨機(jī)PR算法比較接近。果粒那個(gè)橙用戶在原始的PR算法中有較大的下降。通過分析參考原始數(shù)據(jù)發(fā)現(xiàn)，在所挖掘的信息中，果粒那個(gè)橙用戶在用戶之間影響力較大。我們可以分析基于偏隨機(jī)游走的用戶的影響力與粉絲與關(guān)注度的關(guān)系。如圖1所示。

圖1 偏隨機(jī)游走的微博影響力

通過圖1，我們發(fā)現(xiàn)，用戶的粉絲與關(guān)注數(shù)與用戶影響力有一定的影響，并不是決定性因素，可以通過用戶6與用戶7可知。而用戶6和用戶7能有較高的排名，是因?yàn)樗麄冇休^高質(zhì)量的粉絲與用戶之間的影響力較大。

通過比較PageRank三種不同值的情況，我們可以得到如下情況。

圖2 原始pagerank與偏隨機(jī)PR算法的比較

由圖2對(duì)微博用戶主排名可以分析兩種算法模型的區(qū)別和聯(lián)系?；旧吓旁谇笆挠脩暨€在前十，大多是順序發(fā)生了變換，PR值并沒有發(fā)生顯著的改變。比較圖1中原始PR值與基于偏隨機(jī)游走的PR值，可以發(fā)現(xiàn)偏隨機(jī)游走的PR值只是對(duì)原始PageRank算法進(jìn)行微弱的改進(jìn)。

在社會(huì)輿論的管理中，我們控制影響力較大的用戶能對(duì)輿論監(jiān)督與管理有較大的意義，并且可以控制虛假新聞的傳播。本算法相對(duì)于原始PageRank算法都只用了粉絲數(shù)據(jù)與關(guān)注數(shù)據(jù)，但是本算法通過用戶之間的影響力在微博用戶分析當(dāng)中具有更強(qiáng)的說服力。

4 結(jié)語

本文從偏隨機(jī)游走的PageRank算法的角度考慮用戶與用戶之間的內(nèi)在影響力，并通過有限次計(jì)算得到一個(gè)穩(wěn)定的微博用戶的影響力值。該方法相對(duì)于原始PageRank算法的影響力模型來說，能夠?qū)ξ⒉┯绊懥M(jìn)行更加準(zhǔn)確的排名。更重要的是該方法能為進(jìn)一步擴(kuò)展PageRank算法提供新的思路。本文只在一個(gè)固定時(shí)間段進(jìn)行影響力排序，怎么合理地考慮動(dòng)態(tài)效應(yīng)時(shí)間下的基于貝葉斯的PageRank算法是進(jìn)一步研究的重點(diǎn)。本文沒考慮到地域性的差異，怎么結(jié)合地域的特點(diǎn)來建立模型也是下一步研究的重點(diǎn)。如果能較好地結(jié)合時(shí)間性與地域性的特點(diǎn)，那么我們能更好地預(yù)測重點(diǎn)輿論爆發(fā)的時(shí)間，并且有效地進(jìn)行控制。

參考文獻(xiàn)

[1] 丁兆云．社交網(wǎng)絡(luò)影響力研究綜述[J]．計(jì)算機(jī)科學(xué)，2014(01)．

[2] 靳政衡．受眾心理對(duì)微博營銷效果的影響[D]．安徽：安徽大學(xué)，2013．

[3] Weng J S，Lim E P，Jiang J，et al．TwitterR-ank：Finding Topic-sensitive Influential Twitterers[C]//Proceedings of the 3rd ACM International Conference on Web Search and Data Mining(WSDM2010)．New York：ACM，2010．

[4] 王曉光．微博客用戶行為特征與關(guān)系特征實(shí)證分析——以“新浪微博”為例[J]．圖書情報(bào)工作，2010(14)．

[5] Cha M Y，et al．Measuring user influence in Twitter：The million follower fallacy[C]// P r o c e e d i n g s o f I n t e r n a t i o n a l A A A I Conference on Weblogs and Social Media (ICWSM’10)，Washington，Menlo Park：The AAAI Press，2010．

[6] Ye S Z，Wu S F．Measuring Message Propagation and Social Influence on Twitter．com[C］//Proceedings of the 2nd International Conference on Social Informatics (SocInfo‘10)．Heidelberg：Springer-Verlag，2010．

[7] 邵晶晶，等．PageRank[J]．華中師范大學(xué)學(xué)報(bào)，2011 (04)．

[8] 原福永，等．微博用戶的影響力指數(shù)模型[J]．現(xiàn)代圖書情報(bào)技術(shù)，2012(06)．

[9] 周志峰，等．H指數(shù)應(yīng)用于微博影響力分析的探索[J]．情報(bào)雜志，2013(04)．

[10] 何靜，等．基于改進(jìn)PageRank算法的微博用戶影響力研究[J]．中國報(bào)業(yè)，2013(01)．

[11] 張俊林．這就是搜索引擎核心技術(shù)[M]．北京：電子工業(yè)出版社，2012．

[12] 王冬，雷景生．一種基于PageRank的頁面排序改進(jìn)算法[J]．微電子學(xué)與計(jì)算機(jī)，2009，26(04)．

[13] Page L，Brin S，Motwani R，et al．The Page-Rank citation ranking：Bringing order to the web[R]．Stanford Digital Librar- ies，1999．

[14] Tang J，Sun J，Wang C，et al．Social influence analysis in large-scale net works[C]// Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining，2009．

[15] 黃延煒．新浪微博數(shù)據(jù)獲取技術(shù)研究[J]．信息安全與通信保密，2013(06)．

中圖分類號(hào)：F719.9

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2096-0298(2015)08(c)-158-05

基金項(xiàng)目：①云南省哲學(xué)社會(huì)科學(xué)規(guī)劃基金項(xiàng)目“微博用戶影響力模型研究”研究成果(QN2014071)。

作者簡介：畢秋敏(1981-)，女，碩士研究生，副教授，主要從事新媒體傳播方面的研究；倪明明(1990-)，男，碩士研究生，主要從事統(tǒng)計(jì)學(xué)理學(xué)方面的研究；

通訊作者：曾志勇，男，博士研究生，教授，主要從事數(shù)據(jù)挖掘方面的研究。