摘要
针对现有用户影响力分析算法的不足,基于网页结构与微博用户网络的相似性,通过分析微博用户之间的行为交互以及传统的PageRank算法,提出一种新的MBUInfluence算法来对用户影响力进行分析.该算法结合微博用户的活跃度、积极度和传播度等特点,将微博用户影响力定义为由用户自身行为权重和粉丝的影响力构成.通过分析PageRank算法,结合微博转发率、评论率、点赞率等特征,制定了微博用户的影响比例函数,形式化定义了微博用户行为权重和粉丝影响力.通过采集新浪微博实验数据,从转发数、粉丝数、新增粉丝数等方面与传统的FansRank、ForwardRank、PageRank等影响力排名算法进行对比,从不同角度分析该算法的实际应用效果,并得出微博的用户影响力与单位时间内新增粉丝的数量和质量相关的结论.
国家科技期刊平台
NSTL
维普
万方数据