基于SRank的社交网络影响力分析

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (16): 95-99.

基于SRank的社交网络影响力分析

任留名，李廉，唐敏龙

合肥工业大学计算机与信息学院，合肥 230009

出版日期:2016-08-15 发布日期:2016-08-12

Analysis of social networks influence based on SRank

REN Liuming, LI Lian, TANG Minlong

College of Computer and Information, Hefei University of Technology, Hefei 230009, China

Online:2016-08-15 Published:2016-08-12

摘要/Abstract

摘要： 针对社交网络中用户影响力的评价问题，提出了一种基于SRank的评价算法。基于从社交网络中收集的大规模数据集，结合最近社会学理论研究成果分析PageRank及其改进算法应用于此场景中的不足。在此基础上总结社交网络中信息传播的规律，将用户与社交网络的关系强度定义为用户的人缘值，用来表示用户作为粉丝的信息再传播能力。然后提出了一个通过预测用户信息传播能力大小来分析和度量用户影响力的SRank用户影响力模型。在同样的数据集下相对于PageRank及其改进算法，SRank用户影响力模型获得了更好的影响力预测结果。基于大规模数据的实验结果表明，提出的方法是较为有效的。

关键词: 用户影响力, PageRank, 社会计算, 幂律分布, 150定律

Abstract: An evaluation algorithm based on SRank is proposed to evaluate the users’ influence in social networks. After collecting large?scale?data?sets and recent theoretical?research?results of sociology, there lie some disadvantages in the application?of?PageRank?user?influence?model. Besides, the rules of information?in social?networks is analyzed, it is defined that?the?strength of relationship?between?the?user?and?the social?network as the Value of User Popularity（VUP） which is used to describe user’s information re communication ability. It is put forward a user influence model based on SRank algorithm which can measure user influence depending on predicting user?information communication?ability. Compared with PageRank?user?influence?model, the SRank algorithm user influence model gets better predicting results on user influence. So the new model is effective.

Key words: user influence, PageRank, social computing, power-law distribution, rule of 150

任留名，李廉，唐敏龙. 基于SRank的社交网络影响力分析[J]. 计算机工程与应用, 2016, 52(16): 95-99.

REN Liuming, LI Lian, TANG Minlong. Analysis of social networks influence based on SRank[J]. Computer Engineering and Applications, 2016, 52(16): 95-99.

[1]	王利，于磊，吴渝. 基于Swarm模型的微博用户影响力评价方法[J]. 计算机工程与应用, 2021, 57(2): 267-272.
[2]	卢开，周艳菊. 基于信息扩散视角的虚拟社区用户影响力研究[J]. 计算机工程与应用, 2021, 57(10): 65-74.
[3]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[4]	樊玮，刘欢，张宇翔. 融合词向量与位置信息的关键词提取算法[J]. 计算机工程与应用, 2020, 56(5): 179-185.
[5]	黄萍1，王琛玮2. 圆圈结构及其变化系统的PageRank排名研究[J]. 计算机工程与应用, 2017, 53(9): 127-135.
[6]	齐向明，孙文心. 一种多特征因子融合的PageRank算法研究[J]. 计算机工程与应用, 2017, 53(7): 97-103.
[7]	欧阳骥1，周宪政2，卓晓燕2，黄翰2. 基于主题划分和链接划分的社团发现算法[J]. 计算机工程与应用, 2016, 52(20): 69-74.
[8]	梁宏，许南山，卢罡. 新浪微博用户及其微博特征分析[J]. 计算机工程与应用, 2015, 51(7): 141-148.
[9]	唐飞龙1，叶施仁2，肖春1. 基于用户质量的微博社区博主影响力排序算法[J]. 计算机工程与应用, 2015, 51(4): 128-132.
[10]	朱戈. 一种基于PageRank的文献相似性搜索算法[J]. 计算机工程与应用, 2013, 49(8): 142-145.
[11]	蒋永辉，吴洪丽. 新的PageRank优化算法[J]. 计算机工程与应用, 2012, 48(6): 94-95.
[12]	李维杰1，2，陈海强1，曹伟1，周欣1. 群体沟通影响策略的研究[J]. 计算机工程与应用, 2012, 48(35): 34-40.
[13]	姚灿中1，杨建梅2. WEB2.0大众生产社区的舆情传播路径特征分析[J]. 计算机工程与应用, 2012, 48(30): 83-88.
[14]	杨长春，俞克非，叶施仁，严水歌，丁虹，杨晶. 一种新的中文微博社区博主影响力的评估方法[J]. 计算机工程与应用, 2012, 48(25): 229-233.
[15]	姚灿中1，杨建梅2. 基于复杂网络的大众生产社区的演化机制研究[J]. 计算机工程与应用, 2012, 48(23): 1-5.