论文部分内容阅读
微博拥有信息多元、表达快捷、互动性强等传统媒体无法比拟的优势，迅速发展为人际交互及信息传播的主要方式，在商品营销、舆情传播等方面有着广泛的应用。影响力的问题被引入到社会网络研究领域后，微博用户影响力的度量及其最大化成为近年来学术界的一大研究热点。本文将对影响力的三大研究主题:影响力的度量，影响力传播模型和影响力最大化展开系统全面的论述，并提出影响力的验证以及度量因子权重比例分配等科学问题的解决方法。
本文首先根据微博用户的行为驱动能力以及信息传播的广度，给出影响力的两个定义。结合微博用户行为交互的特点以及信息传播机制，分析并给出影响力度量的决定因素，包括用户的粉丝数、粉丝质量、内容质量和兴趣相似度四个方面，提出用户兴趣相似度计算模型;提出的InfluenceRank算法用于计算用户的相对影响力和全局影响力，与其他算法相比更高效，时间复杂度仅为O(e)。用相对影响力刻画用户间的动态影响强度，提出了改进的独立级联影响力传播RIC模型。并基于InfluenceRank算法和RIC模型提出了一种新的影响力最大化AMIIR算法，时间复杂度为O(me)。
通过腾讯微博API，获取超过200万用户节点的数据用于实验。将RIC模型的模拟传播效果图与实际的微博信息传播效果图进行相似度对比，验证了RIC模型的合理有效性;与TunkRank算法进行影响力度量和影响力最大化结果的比较分析，验证了InfluenceRank算法和AMIIR算法的有效性和正确性。