仇麗青 范鑫

摘要：在社交網(wǎng)絡(luò)中進(jìn)行意見領(lǐng)袖的識(shí)別對(duì)信息傳播分析、輿情監(jiān)測(cè)、網(wǎng)絡(luò)營銷等有著重要意義。目前，很多挖掘意見領(lǐng)袖的研究僅基于簡單的粉絲關(guān)注或轉(zhuǎn)發(fā)方式，而忽視了用戶關(guān)系中的權(quán)重因素，不符合信息傳播的實(shí)際情況。因此，提出加權(quán)網(wǎng)絡(luò)下基于微博轉(zhuǎn)發(fā)關(guān)系的FW-Rank（ForwardingWeightRank）算法。該算法使用新浪微博數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，相比于通過簡單關(guān)注關(guān)系形成社交網(wǎng)絡(luò)的方式，F(xiàn)W-Rank算法的最終結(jié)果更加合理準(zhǔn)確。

關(guān)鍵詞：社交網(wǎng)絡(luò)；意見領(lǐng)袖；微博；FW-Rank

DOI：10.11907/rjdk.181151

中圖分類號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2018）007-0111-05

Abstract：Identificationofopinionleadersinsocialnetworkshasgreatsignificanceontheanalysisofinformationdissemination，publicopinionmonitoring，networkmarketingandsoon.Atpresent，mostoftheresearchonopinionleadersinsocialnetworkisbasedonsimplefansorrewardconcernedaboutthelinkmerelyfocusedonfansattentionorforwardingmethod，andignorestheweightfactorsintheuserrelationship，whichmakesthefinalresultunreasonable.Therefore，thepaperproposesanovelalgorithmcalledFW-Rankwhichtakestheforwardingrelationshipofthenetworkintoaccount.AtlastweconducttheexperimentsonSinaMicroBlogdataset.Comparedtothebaselinealgorithms，thefinalresultsoftheproposedalgorithmismorereasonableandaccurate.

KeyWords：socialnetworks；opinionleader；micro-blog；FW-Rank

0引言

隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展，社交網(wǎng)絡(luò)使用戶之間可以隨時(shí)隨地進(jìn)行交流和溝通，微博作為社交網(wǎng)絡(luò)中的典型應(yīng)用，已成為如今應(yīng)用最廣泛的信息傳播媒介之一。微博作為一種分享和交流平臺(tái)，更注重時(shí)效性和隨意性，并具有便捷性、原創(chuàng)性和用戶草根化等特點(diǎn)。在微博傳播過程中，通常存在著一些很有影響力的用戶，他們?cè)诰W(wǎng)絡(luò)口碑效應(yīng)、突發(fā)事件傳播、社會(huì)輿論等方面起著重要作用，這些用戶被稱為“意見領(lǐng)袖”?！耙庖婎I(lǐng)袖”最早由美國學(xué)者拉扎斯菲爾德提出，他認(rèn)為信息是按照“媒體—意見領(lǐng)袖—受眾”的模式傳播[1]，后續(xù)學(xué)者研究結(jié)果表明，“意見領(lǐng)袖”具有“信息中間人”和“有影響力的人”兩種角色特點(diǎn)[2]。在微博的信息網(wǎng)絡(luò)中挖掘意見領(lǐng)袖，對(duì)微博營銷、輿論引導(dǎo)、網(wǎng)絡(luò)干預(yù)等都有著重大意義。

微博平臺(tái)上的用戶數(shù)量龐大，用戶的任何一次“轉(zhuǎn)發(fā)”行為都可看作信息的一次傳播，用戶的個(gè)人觀點(diǎn)和影響力可沿著信息的“轉(zhuǎn)發(fā)”網(wǎng)絡(luò)進(jìn)行傳播。本文提出基于微博“轉(zhuǎn)發(fā)”網(wǎng)絡(luò)的新型排序算法，用于挖掘微博用戶中的意見領(lǐng)袖，同時(shí)驗(yàn)證算法的有效性。

1相關(guān)研究

微博網(wǎng)絡(luò)是社會(huì)網(wǎng)絡(luò)的一種形式，屬于復(fù)雜網(wǎng)絡(luò)的范疇[3]。在微博網(wǎng)絡(luò)中可以將用戶的注冊(cè)ID作為網(wǎng)絡(luò)節(jié)點(diǎn)，進(jìn)而在用戶節(jié)點(diǎn)之間建立聯(lián)系。目前用于挖掘意見領(lǐng)袖的方法主要分為兩大類：指標(biāo)聚類法和鏈接排序法。

（1）指標(biāo)聚類法。指標(biāo)聚類法是以節(jié)點(diǎn)基本特征為基礎(chǔ)，通過對(duì)節(jié)點(diǎn)基本特征的分析，建立相應(yīng)的評(píng)分指標(biāo)體系，運(yùn)用聚類算法進(jìn)行意見領(lǐng)袖的挖掘。例如劉志明等[4]采用粗糙集理論，進(jìn)行聚類并挖掘意見領(lǐng)袖；祝帥等[5]采用X-means迭代聚類算法挖掘意見領(lǐng)袖；尹衍騰等[6]建立領(lǐng)袖影響體系，提出D-means聚類算法；王鈺等[7]采用EM期望最大化算法識(shí)別意見領(lǐng)袖。

以上采用指標(biāo)聚類方法，通過獲取符合條件的節(jié)點(diǎn)簇識(shí)別社交網(wǎng)絡(luò)的意見領(lǐng)袖，但其數(shù)據(jù)的條目性過于清晰，破壞了用戶之間的聯(lián)系[6]。指標(biāo)聚類法較為全面，同時(shí)也使用較多，但是屬性指標(biāo)選取很大程度上由個(gè)人主觀決定，因此推廣時(shí)具有一定難度。

（2）鏈接排序法。鏈接排序法通常是根據(jù)用戶之間的相互關(guān)系構(gòu)建社會(huì)網(wǎng)絡(luò)，然后利用網(wǎng)絡(luò)結(jié)構(gòu)算法分析用戶間的關(guān)系，進(jìn)而進(jìn)行重要性排名，識(shí)別意見領(lǐng)袖。自從Pagerank算法[8]被提出以來，不僅被谷歌成功應(yīng)用于搜索引擎排序，還被廣泛應(yīng)用于社交網(wǎng)絡(luò)分析中。Weng等[9]提出基于PageRank算法的TwitterRank算法實(shí)現(xiàn)某一特定主題下的意見領(lǐng)袖識(shí)別；肖宇等[10]在PageRank基礎(chǔ)上加入感情權(quán)重，提出挖掘意見領(lǐng)袖的LeaderRank算法；熊濤等[11]構(gòu)建基于微博轉(zhuǎn)發(fā)關(guān)系的社交網(wǎng)絡(luò)，通過改進(jìn)后的HITS算法識(shí)別意見領(lǐng)袖；席運(yùn)江等[12]綜合考慮微博博主粉絲質(zhì)量和微博用戶的交互行為，提出MUR-IBM算法對(duì)微博用戶進(jìn)行影響力排名。

鏈接排序法與信息傳播路徑的關(guān)系密切，因此在客觀性上占有很大優(yōu)勢(shì)。但是在傳統(tǒng)的基于網(wǎng)絡(luò)鏈接排序算法中，存在以下不足之處：①大量的基于網(wǎng)絡(luò)鏈接排序算法通過用戶“關(guān)注”關(guān)系建立社會(huì)網(wǎng)絡(luò)。相關(guān)研究表明，由于意見領(lǐng)袖屬于信息中間人的角色，相對(duì)于用戶之間的關(guān)注關(guān)系，微博轉(zhuǎn)發(fā)情況更能準(zhǔn)確地衡量用戶影響力[13]。即使轉(zhuǎn)發(fā)者的觀點(diǎn)與原文相反，也體現(xiàn)出該信息對(duì)轉(zhuǎn)發(fā)者產(chǎn)生了一定影響。因此，研究基于微博轉(zhuǎn)發(fā)關(guān)系的社會(huì)網(wǎng)絡(luò)有重要意義；②在已有微博的意見領(lǐng)袖挖掘研究中，多數(shù)使用用戶的注冊(cè)ID作為網(wǎng)絡(luò)節(jié)點(diǎn)，進(jìn)而形成有向社會(huì)網(wǎng)絡(luò)。但在使用排序算法處理網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，很少提出節(jié)點(diǎn)之間信息傳播流量對(duì)節(jié)點(diǎn)之間交互的影響。

基于以上研究，本文以微博中意見領(lǐng)袖的識(shí)別為目的，考慮到用戶之間的交互活躍度，采用能夠代表社交網(wǎng)絡(luò)中信息流向的轉(zhuǎn)發(fā)關(guān)系構(gòu)建網(wǎng)絡(luò)模型，提出一種基于轉(zhuǎn)發(fā)關(guān)系的帶權(quán)新型算法——FW-Rank算法。

2FW-Rank算法

現(xiàn)階段大多數(shù)基于網(wǎng)絡(luò)鏈接排序法識(shí)別微博網(wǎng)絡(luò)意見領(lǐng)袖都采用用戶之間“關(guān)注”關(guān)系形成的有向網(wǎng)絡(luò)，且關(guān)系過于單一。因此，提出基于微博“轉(zhuǎn)發(fā)”關(guān)系形成的帶權(quán)有向社會(huì)網(wǎng)絡(luò)，并利用FW-Rank算法進(jìn)行意見領(lǐng)袖識(shí)別。

假設(shè)A、B、C、D為4個(gè)微博用戶，用戶A關(guān)注了用戶B，用戶B關(guān)注了用戶C，用戶C關(guān)注了用戶A，用戶D則沒有關(guān)注其他人，同時(shí)也沒有被其他人關(guān)注，如圖1所示。

在圖中，假設(shè)用戶B發(fā)表原創(chuàng)微博，用戶A對(duì)其進(jìn)行了轉(zhuǎn)發(fā)；用戶B是用戶C的粉絲，用戶C卻并未關(guān)注用戶B，但用戶C依舊可以轉(zhuǎn)發(fā)用戶B的微博；用戶D雖然與其他用戶沒有關(guān)注關(guān)系，但其依舊可以轉(zhuǎn)發(fā)相關(guān)微博。圖1充分體現(xiàn)了信息傳播路徑和轉(zhuǎn)發(fā)路徑的密切關(guān)系，同時(shí)也能體現(xiàn)出網(wǎng)絡(luò)中用戶之間的影響力是沿信息傳播路徑逆向傳播的。

根據(jù)圖1可以得到用戶之間基于轉(zhuǎn)發(fā)關(guān)系的鄰接關(guān)系矩陣：

Tr=0100000001000010

FW-Rank采用有向加權(quán)的人際網(wǎng)絡(luò)模型，以便準(zhǔn)確識(shí)別意見領(lǐng)袖。因此，將模型定義為G=（V，E，W）。V代表網(wǎng)絡(luò)中的用戶集合，E表示邊集，∈E表示用戶vi和vj之間存在轉(zhuǎn)發(fā)關(guān)系，即vi轉(zhuǎn)發(fā)了vj的微博。W代表節(jié)點(diǎn)之間的權(quán)重集合，wij表示i轉(zhuǎn)發(fā)j的邊權(quán)重，即j對(duì)i的影響力權(quán)重，其影響力權(quán)重計(jì)算公式為：

其中rj表示j用戶發(fā)布帖子被轉(zhuǎn)發(fā)的總次數(shù)之和，rij表示i轉(zhuǎn)發(fā)j的總次數(shù)。其轉(zhuǎn)發(fā)關(guān)系模型及其影響力關(guān)系模型如圖2所示。

根據(jù)以上論述，定義FW-Rank算法公式為：

其中，F(xiàn)W（Vi）表示當(dāng)前Vi節(jié)點(diǎn)權(quán)重，Vj為Vi指向節(jié)點(diǎn)的所有節(jié)點(diǎn)集合中第j個(gè)節(jié)點(diǎn)。S（Vi）表示指向Vi節(jié)點(diǎn)的所有節(jié)點(diǎn)集合，d為阻尼系數(shù)，一般取值為0.85；C（Vj）表示Vj節(jié)點(diǎn)的所有出鏈權(quán)重之和，wjk表示節(jié)點(diǎn)Vj指向節(jié)點(diǎn)Vk邊的權(quán)重。

假設(shè)在圖2中用戶vi、vj和vk初始權(quán)值都為1，各自被轉(zhuǎn)發(fā)的總次數(shù)分別為0次、3次和8次，其中vi轉(zhuǎn)發(fā)過vj3次，vi轉(zhuǎn)發(fā)過vk7次，vj轉(zhuǎn)發(fā)過vk1次，由公式（1）可以得出wij=1，wik=0.875，wjk=0.125；由公式（3）得出C（Vi）=0.875+1=1.875，C（Vj）=0.125，C（Vk）=0；由公式（2）得出FW（vi）=1-0.85=0.15，F(xiàn)W（vj）=（1-0.85）+0.85*（1*1/1.875）=0.6033，F(xiàn)W（vk）=（1-0.85）+（1*0.875/1.875+1*0.125/0.125）=1.3967。

FW-Rank算法使用節(jié)點(diǎn)出鏈權(quán)重之和作為公式的分母，克服了PageRank算法平均分配權(quán)值的缺點(diǎn)；采用轉(zhuǎn)發(fā)關(guān)系形成的影響力有向網(wǎng)絡(luò)圖，從而使社交網(wǎng)絡(luò)中的網(wǎng)絡(luò)指向符合信息傳播軌跡，使用時(shí)更加符合現(xiàn)實(shí)情況。FW-Rank的偽代碼如下：

算法：FW-Rank

INPUT：“邊起點(diǎn)+終點(diǎn)+邊的權(quán)值”格式的文件nodes.txt，迭代次數(shù)N，阻尼系數(shù)d

OUTPUT：排名+節(jié)點(diǎn)號(hào)+FW值

對(duì)所有節(jié)點(diǎn)設(shè)置初始值1，循環(huán)進(jìn)行以下過程，直至收斂：

依次遍歷所有節(jié)點(diǎn)，執(zhí)行以下過程：

（1）獲取當(dāng)前節(jié)點(diǎn)所有鏈出邊的數(shù)量n。

（2）循環(huán)n次{

計(jì)算每條邊的權(quán)重wij=rijrj；

}

（3）計(jì)算與當(dāng)前節(jié)點(diǎn)相連鏈出邊的權(quán)值和C（Vj）=∑Vk∈S（Vj）wjk。

（4）計(jì)算并重新設(shè)置當(dāng)前節(jié)點(diǎn)的權(quán)值FW（Vi）=（1-d）+d∑Vj∈S（Vi）FW（Vj）·wjiC（Vj）。

3實(shí)驗(yàn)分析

3.1實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備

使用“中國爬盟”論壇提供的爬蟲工具對(duì)新浪微博進(jìn)行爬取，上傳爬取結(jié)果后利用獲得的積分下載微博數(shù)據(jù)。由于意見領(lǐng)袖大多是話題依賴的，因此針對(duì)“轉(zhuǎn)基因”、“霧霾”、“小米”、“火箭”、“房價(jià)”和“公務(wù)員”6個(gè)較為具體的話題進(jìn)行數(shù)據(jù)集下載。原始數(shù)據(jù)主要內(nèi)容有：①用戶信息：用戶ID、用戶昵稱、省份城市、性別、粉絲數(shù)、狀態(tài)數(shù)、創(chuàng)建時(shí)間；②微博信息：微博ID、發(fā)布時(shí)間、微博內(nèi)容、被轉(zhuǎn)發(fā)次數(shù)、被評(píng)論次數(shù)、源用戶、話題類型；③用戶關(guān)注關(guān)系：用戶ID、關(guān)注ID；④微博關(guān)系：微博ID、來源微博ID。獲得數(shù)據(jù)統(tǒng)計(jì)情況如表1所示。

經(jīng)過對(duì)數(shù)據(jù)的去重、噪聲數(shù)據(jù)識(shí)別等預(yù)處理，最終獲得質(zhì)量較高的6個(gè)主題微博數(shù)據(jù)，各主題的基本數(shù)據(jù)情況如表2所示。

將各個(gè)主題的數(shù)據(jù)集使用開源軟件Gephi進(jìn)行處理，可以得到各個(gè)主題的社會(huì)網(wǎng)絡(luò)圖，其中節(jié)點(diǎn)大小代表節(jié)點(diǎn)度數(shù)大小，如圖3所示。

由圖3可以看出，6個(gè)話題中的用戶關(guān)系并不是非常密切，網(wǎng)絡(luò)平均度較低，形成的鄰接矩陣皆屬于稀疏矩陣，與現(xiàn)實(shí)社會(huì)相似。其中“房價(jià)”、“小米”和“轉(zhuǎn)基因”3個(gè)話題的節(jié)點(diǎn)數(shù)較多且圖密度較大，更切合實(shí)際社交網(wǎng)絡(luò)。

3.2實(shí)驗(yàn)及結(jié)果分析

在得到各個(gè)話題數(shù)據(jù)集的基本屬性之后，對(duì)每個(gè)話題使用FW-Rank算法進(jìn)行排序，得到的前10名用戶如表3所示。

為了比較FW-Rank算法的實(shí)際效果，使用PageRank算法在基于關(guān)注關(guān)系形成的社會(huì)網(wǎng)絡(luò)上進(jìn)行實(shí)驗(yàn)，結(jié)果如表4所示。

由表3、表4的實(shí)驗(yàn)結(jié)果可以明顯觀察到，某些官方微博賬號(hào)始終占有較為重要的社交地位，如“轉(zhuǎn)基因”話題中的“崔永元”，“霧霾”話題中的“新周刊”和“學(xué)習(xí)粉絲團(tuán)”，“小米”話題中的“小米公司”、“小米手機(jī)”等。但是相比于給予關(guān)注關(guān)系的PageRank算法，F(xiàn)W-Rank算法是按照信息傳播路徑進(jìn)行意見領(lǐng)袖識(shí)別的，因此結(jié)果中的官方賬號(hào)明顯少于前者，即更容易挖掘普通用戶中的潛在意見領(lǐng)袖，例如“轉(zhuǎn)基因”話題中的“洞庭湖面風(fēng)11”和“武漢陳國恩”，“霧霾”話題中的“五行屬二”、“腐宅集中營”、“鐵人唐吉柯德”等都是在基于關(guān)注關(guān)系的PageRank算法結(jié)果中不曾出現(xiàn)的。

以上兩種算法平均運(yùn)行時(shí)間隨節(jié)點(diǎn)數(shù)變化折線圖如圖4所示。在運(yùn)行時(shí)間方面，F(xiàn)W-Rank與PageRank運(yùn)行時(shí)間相差無幾，雖然FW-Rank屬于基于PageRank算法的一種演變，但是該算法是基于轉(zhuǎn)發(fā)網(wǎng)絡(luò)進(jìn)行計(jì)算的，更符合信息傳播實(shí)際；此外，F(xiàn)W-Rank算法克服了PageRank平均分配權(quán)值的缺點(diǎn)，在加強(qiáng)重要節(jié)點(diǎn)地位的同時(shí)，弱化了普通節(jié)點(diǎn)作用，加快了計(jì)算速度。

中心性可以定義網(wǎng)絡(luò)中的節(jié)點(diǎn)重要性，通過中心性度量方案，可以識(shí)別網(wǎng)絡(luò)中的部分中心界定[14]。為了驗(yàn)證FW-Rank算法的有效性，選取社會(huì)網(wǎng)絡(luò)研究領(lǐng)域較為熟知的度中心性、接近中心性和中介中心性3個(gè)典型的中心性度量指標(biāo)，并將FW-Rank算法計(jì)算結(jié)果中排名前10位和前20位用戶分別與3種中心性結(jié)果進(jìn)行相關(guān)性計(jì)算，結(jié)果如表5所示。

由表5可以看出，在該測(cè)試數(shù)據(jù)集中，F(xiàn)W-Rank算法與度中心性的相關(guān)性非常強(qiáng)，相關(guān)系數(shù)均達(dá)到0.9以上；而FW-Rank算法接近中心性與中介中心性在不同話題中的相關(guān)系數(shù)有所不同，例如在“小米”話題中中介中心性達(dá)到0.86以上，相關(guān)性非常強(qiáng)，而在“霧霾”和“公務(wù)員”話題中的相關(guān)性較弱。

4結(jié)語

本文在分析社會(huì)網(wǎng)絡(luò)意見領(lǐng)袖識(shí)別研究現(xiàn)狀的同時(shí)，根據(jù)社會(huì)網(wǎng)絡(luò)中的信息傳播路徑，提出基于微博轉(zhuǎn)發(fā)關(guān)系的加權(quán)FW-Rank算法。實(shí)驗(yàn)結(jié)果表明，F(xiàn)W-Rank算法在識(shí)別意見領(lǐng)袖時(shí)得到的結(jié)果更加符合實(shí)際需求，且算法執(zhí)行效率較高，有助于挖掘社會(huì)網(wǎng)絡(luò)中的潛在意見領(lǐng)袖。然而，在執(zhí)行FW-Rank算法之前對(duì)數(shù)據(jù)質(zhì)量要求較高，原始數(shù)據(jù)預(yù)處理過程較為繁瑣，后續(xù)研究將進(jìn)一步尋找符合算法要求的更加高效便捷的數(shù)據(jù)預(yù)處理方法。

參考文獻(xiàn)：

[1]LAZARSFELDPF，BERELSONB，GAUDETH.Thepeople′schoice[M].NewYork：ColumbiaUniversityPress，1948.

[2]ROGERSEM，SHOEMAKERFF.Communicationofinnovations：across-culturalapproach[M].NewYork：FreePress，1971.

[3]熊濤，何躍.微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)中意見領(lǐng)袖的識(shí)別與分析[J].現(xiàn)代圖書情報(bào)技術(shù)，2013（6）：55-62.

[4]DorogovtsevSN，MendesJFF.Evloutionofnetworks[J].AdvPhys，2002，51：1079-1187.

[5]劉志明，劉魯.微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識(shí)別及分析[J].系統(tǒng)工程，2011（6）：8-16.

[6]祝帥，鄭小林，陳德人.論壇中的意見領(lǐng)袖自動(dòng)發(fā)現(xiàn)算法研究[J].系統(tǒng)工程理論與實(shí)踐，2011（S2）：7-12.

[7]尹衍騰，李學(xué)明，蔡孟松.基于用戶關(guān)系與屬性的微博意見領(lǐng)袖挖掘方法[J].計(jì)算機(jī)工程，2013（4）：184-189.

[8]王玨，曾劍平，周葆華，等.基于聚類分析的網(wǎng)絡(luò)論壇意見領(lǐng)袖發(fā)現(xiàn)方法[J].計(jì)算機(jī)工程，2011（5）：44-46，49.

[9]BRINS，PAGEL.Theanatomyofalarge-scalehypertextualWebsearchengine[J].ComputerNetworks&IsdnSystems;，1998，30：107-117.

[10]WENGJS，LINEP，JINGJ，etal.Twitterrank-findingtopic-sensitiveinfluentialtwitterers[C].Proceedingofthe3rdACMInternationalConferenceonWebSearchandDataMining，2010：261-270.

[11]肖宇，許煒，夏霖.一種基于情感傾向分析的網(wǎng)絡(luò)團(tuán)體意見領(lǐng)袖識(shí)別算法[J].計(jì)算機(jī)科學(xué)，2012（2）：34-37，46.

[12]席運(yùn)江，吳柯，廖曉.改進(jìn)PageRank算法對(duì)微博用戶交互行為的影響[J].計(jì)算機(jī)仿真，2015（11）：437-440.

[13]KWAKH，LEEC，PARKH，etal.Whatistwitter，asocialnetworkoranewsmedia？[C].Proceedingofthe19thInternationalConferenceonWorldWildWeb，2010：591-600.

[14]LUJ，WANGW.Identificationofkeynodesinmicroblognetworks[J].EtriJournal，2016，38（1）：52-61.

（責(zé)任編輯：黃?。?/p>