文献类型：期刊文章

作　　者：刘威[1] 张明新[2] 安德智[3]

LIU Wei;ZHANG Mingxin;AN Dezhi(School of Computer Science and Technology,Soochow University,Suzhou Jiangsu 215006,China;School of Computer Science and Engineering,Changshu Institute of Technology,Changshu Jiangsu 215500,China;School of Cyber Security,Gansu Institute of Political Science and Law,Lanzhou Gansu 730070,China)

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215006 [2]常熟理工学院计算机科学与工程学院,江苏常熟215500 [3]甘肃政法学院网络空间安全学院,兰州730070

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61363024)~~

年　　份：2019

卷　　号：39

期　　号：1

起止页码：213-219

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：微博用户影响力分析作为社交网络分析的重要组成部分,一直受到研究人员的关注。针对现有研究工作分析用户行为时间性的不足和忽略用户与参与话题之间关联性等问题,提出了一种面向微博话题的用户影响力分析算法——基于话题和传播能力的用户排序(TSRank)算法。首先,基于微博话题分析用户转发行为时间性,进一步构建用户转发和用户博文转发两种话题转发关系网络,预测用户话题信息传播能力;然后,分析用户个人历史微博和背景话题微博文本内容,挖掘用户与背景话题之间的关联性;最后,综合考虑用户话题信息传播能力以及用户与背景话题间关联性计算微博用户影响力。爬取新浪微博真实话题数据进行实验,实验结果表明,话题关联度更高用户的话题转发量明显大于关联度很低的用户,引入用户转发行为时间性相比无转发时间性,TSRank算法的捕获率(CR)提高了18. 7%,进一步与典型影响力分析算法WBRank、TwitterRank和PageRank相比,TSRank算法在准确率和召回率上分别提高了5. 9%、8. 7%、13. 1%和6. 7%、9. 1%、14. 2%,验证了TSRank算法的有效性。该研究成果对社交网络的社会属性、话题传播等理论研究以及好友推荐、舆情监控等应用研究具有支撑作用。

关 键 词：社交网络 用户影响力  转发关系  微博话题  信息传播能力

分 类 号：TP391] TP181[计算机类]