论文部分内容阅读
微博是基于用户关系的信息分享、传播和获取的信息服务平台，它既具有媒体传播特性，又具有社交网络特性。越来越多的人开始关注和使用微博，但人们对微博网络结构的研究还处于初级阶段。现阶段，人们主要从社会学、新闻传播学和网络科学等角度对微博进行研究。如何评价节点影响力是微博研究的一个方面，它在微博信息检索、舆情监测、商业应用、用户行为分析等方面有重要作用。论文采用文献调查与实证研究相结合的方法，对节点影响力和网络科学中心性理论进行了研究。论文在这些研究的基础上，综合考虑微博网络结构和用户使用微博的行为特点，提出一种微博节点影响力评价算法---FreeRank算法。论文基于此算法进行微博节点影响力研究：1.基于信息传播学理论分析微博上的信息传播特点。微博上的信息传播不同于以往任何形式的信息传播，这是由微博的自身结构决定的。微博上的相互关注、转发、评论、“@”指向、话题归类等功能使得微博上的信息传播具有了独特的特性。本文研究这些特性，并在此基础上分析这些特性对微博节点影响力排序的影响；2.基于复杂网络理论分析微博网络结构，并用Ucinet软件计算所获微博数据的各种中心性值。复杂网络理论的发展，使得人们对社会网的研究有了一个新的出发点。本文基于复杂网络理论分析微博的拓扑结构，将微博上的关注关系量化到网络模型上，并据此计算微博网络节点中心性值；3.本文在综合考虑微博网络结构和微博用户行为的基础上提出了微博节点影响力评价算法FreeRank。论文收集新浪微博数据，并用matlab软件分别实现FreeRank和LeaderRank算法，将FreeRank算法的排序结果与其它算法的排序结果进行比较，分析算法的优劣。论文研究得出：FreeRank算法能更加有效地评价微博节点影响力，其排序方法优于其它排序算法，其排序结果也更加合理。