用户影响力

摘要： 对新闻APP进行溯源分析,挖掘高影响力用户,一方面可以提高热门新闻的传播面和影响力,另一方面也有助于监管部门明确舆论监管的重点对象。在新媒体监管日益严格的背景下,开展新闻APP信息传播溯源技术研究具有重要的现实意义。本文首先从通信流量捕获、数据采集分析、用户影响力计算等方面,介绍了新闻APP溯源分析系统的结构组成和基本功能,随后设计了数据采集实验和用户影响力评估实验。实验结果表明,本文所选3款主流新闻APP的数据爬全率均达到了90%以上,爬全率较为理想。基于NAUR算法的用户影响力排名质量要高于传统的PageRank等算法,在信息传播溯源方面表现更加优异。

摘要： 随着社交网络和互联网的飞速发展,产生了大量的微博短文本流数据。及时发现微博文本流中热点话题,对话题推荐和舆情监测等有重要作用。为了解决微博短文本特征稀疏问题,利用微博评论对微博进行特征扩展,提出了一种基于特征扩展的微博短文本流热点话题检测方法(Feature extension-based hot topic detection,FE-HTD)。首先利用评论用户的影响力以及评论文本的点赞数筛选评论文本,并使用词共现和词频-逆文档频率(Term frequency-inverse document frequency,TF-IDF)方法从选取的评论文本中抽取特征词完成对微博文本的特征扩展;然后计算微博文本流的词对速度、词对加速度,并根据点赞数、评论数计算微博文本强度,结合词对加速度与微博文本强度定义突发特征;最后,根据突发词对的速度确定可变长的热点话题窗口范围,通过聚类得到窗口中热点话题的主题结构。实验中,将所提算法与基于文本的话题检测(Text-based topic detection,T-TD)和基于突发词的话题检测(Burst words-based topic detection,BW-TD)进行对比实验。结果表明,本文算法FE-HTD准确率达76.4%,召回率达78.7%,与对比算法T-TD和BW-TD相比提高了10%。

摘要： [目的/意义]基于微博主题语义内容的本征特质以及主题之间的互感耦合,结合网络用户参与主题讨论的用户影响力,对微博主题影响力进行分析。[方法/过程]以文本主题识别与主题相似度计算为依据,提出微博主题自感系数及互感系数;以不同类型用户以及对应权值计算用户参与主题讨论的用户影响力;综合主题自感系数、互感系数、用户影响力等指标因素,构建微博主题影响力计算模型;以“重庆公交车坠江”事件为样本数据进行实证分析。[结果/结论]考虑语义层面主题互感耦合,并结合用户影响力对揭示微博主题影响力具有更好的效果。

摘要： 根据PageRank算法中一个网站的PR值由所有链向它的网站的PR值决定,提出了一种多维度的基于用户自身影响力和传播影响力的用户影响力改进算法BPPI(Based on users’Personal and Propagating Influence)。基于用户的个人信息、活跃度、关注度,以及点赞、评论、转发的互动行为,从用户本身和微博博文传播两个方面,综合计算出用户的自身影响力和传播影响力,最终得到用户影响力,改进了PageRank算法中初始PR值和传递PR值分配不合理的问题。根据最新的微博数据集上的实验结果,与同类型的算法相比,该算法更能准确、客观、全面地评估微博用户影响力。

摘要： 微博作为一种重要的社交媒体,许多学者都对微博中用户的影响力进行研究,但大多数影响力的评价算法都是根据微博话题中用户的静态属性或微博话题发生后用户的行为特征对用户影响力进行评价.从用户的转发、评论和点赞三种行为入手,结合突现计算模型,提出一种基于Swarm模型的用户影响力排序算法,SMRank算法可以在微博话题发生的过程中对用户每个时间段的影响力进行计算,给出了一种计算微博话题用户影响力的新方法.通过使用真实的微博话题数据进行实验,结果表明提出的SMRank算法可以有效地发现微博话题中影响等级较大的用户,并能计算出不同用户不同时刻的影响力.

摘要： 社交网络用户影响力在舆情演化、广告营销及政治选举等领域有着广泛应用,研究者在过去的工作中,通过分析和建模,在影响力方面取得了一定的成果,但还存在着定义不明晰、技术落后和应用缺乏等问题.文中明确提出了社交网络用户影响力的研究模型,将传统技术与先进技术结合,并据此梳理了该领域的相关文献,主要从用户、内容特征和深度学习技术的角度论述了基于社交网络的用户影响力的研究方法,并进一步划分成本质和邻域属性、情感分析和元数据、面向局部网络和基于用户及内容特征,还介绍了节点识别的方法,为该领域的学者提供有效且全面的参考.其次,文中还介绍了用户影响力建模方法在预测应用方面的数据集、评价指标和实验结果等,旨在预测下一个激活节点.最后对其未来的发展趋势作出展望.

摘要： 节点排序研究领域中,少有研究考虑群聚效应下的群体规范对传播效率的影响,这可能导致用户影响力度量的准确性下降.针对这一问题,从信息扩散角度出发,借鉴创新扩散理论与Bass扩散模型,提出一种适用于虚拟社区网络的用户局部影响力度量模型CSA-LL(Cohesive Subgroup Analysis Based Local Leadership):基于凝聚子群挖掘与分析,定义子群内部信息扩散效率,并结合用户全局影响力,计算模型输出值作为节点排序的依据.爬取近期的豆瓣社区数据进行网络构建,使用AISAS模型等方法验证了该模型输出的用户比PageRank算法和Hits算法结果具有更强的营销能力.使用LT模型进一步验证了模型的有效性和子群信息扩散效率对用户传播能力存在正向影响.再使用多个虚拟社区网络数据集和IC模型,分别验证了模型鲁棒性与结论稳健性.

摘要： 由于网络新闻评论的开放性和传播性,经常引发舆论事件,为能正确引导社会舆论,需要重点关注某些具有较高影响力的用户.针对已有方法未能全面考虑表征网络新闻评论用户影响力的因素,提出四度用户影响力分析模型——FDRank(four-degree influence rank),通过综合考虑用户的评论内容、评论情感值、自身质量以及网络结构4个方面,使用线性融合的方式对用户的影响力进行分析.实验结果表明,把用户评论情感值作为评价用户影响力分析的因素之一,能使模型获得更好的结果,与多种传统算法进行对比,FDRank算法均取得最优的准确率和召回率.

摘要： 知乎成为Web 2.0在线知识传播的重要平台,本文基于知乎问答社区回答的传播机制,归纳知乎平台上知识传播三种途径.以SEIR模型为基础建立知识传播模型,模型所包含的传播途径占真实传播途径的90.9％.考虑关键用户挖掘和热点问题识别对传播过程的影响,运用HITS算法再次改进模型描述知识在用户间的传播规律.通过稳定解分析和参数对阈值影响分析,揭示知识传播"冷启动"较难、规模受限的规律.使用用户和问题影响力调整参数,得出被关键用户传播、或处于热点问题下的回答传播力更大.进一步以知乎平台动态回答数据验证,显示改进的H-SEIR模型拟合度优于SEIR模型,H-SEIR模型更适于描述知识传播规律.最后,给出问答平台知识推广的启示建议.

摘要： 在社交网络中,通过追踪极少数的强影响力用户,可以实现宏观管控信息的传播过程,而用户影响力是一种无法预判的后验信息,仅能依靠有关特征来确定.因此,提出了一种融入结构度中心性的社交网络用户影响力评估(Structural-Degree-Centrality User Influence Rank,SDRank)算法来识别强影响力用户.该算法基于PageRank算法,引入了结构度中心性,结合了加入时间与平均转发数的调节因子,进而计算出用户的影响力值.相较于其他的现有算法,SDRank算法仅从用户本身的行为角度出发,不需要诸如个人标签、粉丝等存在伪造风险与缺省可能的具体信息,也不必挖掘传播内容的潜在信息,适用性更广泛.以微博用户的级联转发数据集作为实验对象,对被转发数排名Top-K用户的平均转发数等相关结果进行了可视化分析,探讨了用户转发行为在社交网络信息传播中的作用.在实验过程中,所提算法与PageRank,TrustRank算法相比,准确率、召回率和F1-measure值都有了一定的提高,验证了SDRank算法的有效性.

摘要： 本研究提出一种基于社交媒体的用户影响力分析模型.利用用户产生内容以及用户间的交互数据,基于用户兴趣划分社区,在不同兴趣领域内对用户影响力进行分析,识别在不同兴趣领域下用户影响力排名.本文针对识别特定兴趣领域下用户影响力排名这一问题,提出了融合微博文本主题以及用户粉丝关系的影响力分析模型,对于特定兴趣领域下高粉丝量用户影响力排名具有良好效果,在商家选取社交媒体平台合作伙伴问题上具有重要价值.

摘要： 涉军论坛是聚焦涉军主题的社交服务平台,分析其用户属性、关系及其影响力对于舆情引导具有重要的现实意义.本文使用特定的数据采集策略,获取了某涉军论坛的上万名用户数据,运用基于用户属性和社会网络的9个指标对用户影响力进行具体的分析和排名,最后使用投票法对结果进行了综合,从而查找出最具影响力的前10名用户,发现地位特殊的用户,为舆情引导提供重要基础.

摘要： 无处不在的各种社交网络平台给信息的传播观点的形成创造了比便利的条件.微博以其传播速度快,传播范围广,自媒体等特性,给互联网舆情监控提出了很大挑战.为了能够有效刻画在特定舆论敏感话题下的意见领袖和网络中的核心传播点.本文对微博信息传播规规律和影响力研究进行梳理和总结,并基于PageRank网页排序算法,提出了针对舆论敏感话题的微博用户影响力分析算法Sensitive-Topic-User-Rank.通过对用户发布的微博中涉及特定敏感话题的文本进行特征提取,得到用户在舆论敏感话题下的敏感度;利用用户特定话题下的转发关系,得到用户在特定舆论敏感话题下的影响力排名。

摘要： 社交网络中的有向链接决定了网络中信息的流动和传播方向,暗示了一个用户对其他用户的影响力,一定程度上体现了用户在社交网络中的重要性.论文使用基于拓扑学的方法,对新浪微博用户的影响力进行了分析,但不同于传统的使用粉丝数作为标准的方法,将经典的用于网页重要性排序的PageRank算法应用于微博用户影响力的分析,并对其结果进行了分析和对比.

摘要： 涉军论坛是聚焦涉军主题的社交服务平台,分析其用户属性、关系及其影响力对于舆情引导具有重要的现实意义.本文使用特定的数据采集策略,获取了某涉军论坛的上万名用户数据,运用基于用户属性和社会网络的9个指标对用户影响力进行具体的分析和排名,最后使用投票法对结果进行了综合,从而查找出最具影响力的前10名用户,发现地位特殊的用户,为舆情引导提供重要基础.

摘要： 寻找虚拟社区中的核心成员具有相当重要的应用价值。作者认为在虚拟社区中,信息扩散过程中的影响力是核心成员的关键特征;据此作者提出了一个基于马尔可夫随机场理论计算成员影响力的方法,并在实际数据集中对比分析了该方法,其实验结果证实了算法的有效性。

摘要： 基于从众心理的超图影响力传播方法及影响力最大化方法，本发明属于用户行为挖掘技术领域，解决图的节点之间只存在二元关系，不能很好的模拟真实世界的特性且会丢失重要信息以及超图上的影响力最大化的问题，本发明使用表达能力更强的超图来建模社会关系网络，在此基础上，提出一种在超图上的影响力传播模型并对现实生活中人们普遍存在的从众心理现象进行建模，使得该传播模型更加符合实际，基于提出的超图上传播模型，解决了图的节点之间只存在二元关系，不能很好的去模拟真实世界的特性，并且会丢失一些重要信息的缺点；采用超度的算法来解决影响力最大化问题，为超图上的影响力最大化问题提供了一种可行的解决方案。

摘要： 本发明公开了一种种子用户筛选方法、产品的用户影响力评价方法及装置，其中，基于用户影响力的种子用户筛选方法包括：获取产品的用户，以及搜索用户使用产品的产品使用记录，产品使用记录包括每次使用产品的使用时间；获取用户对应的关系网络数据；获取多个关系用户使用产品的产品使用记录；根据多个关系用户使用产品的产品使用记录计算多个关系用户对用户的影响力；根据影响力筛选种子用户。本发明实施例通过用户的关系网络数据，获取用户及其关系用户的产品使用记录，计算出关系用户对用户的传播力值，能够真实地反应用户对产品的使用情况，再利用用户的影响力实现新产品的推广和宣传。

摘要： 本发明涉及一种基于用户行为数据和潜在用户影响力分析的在线广告推送方法及其推送评估方法，与现有技术相比解决了无法挖掘出潜在用户影响力的缺陷。本发明包括以下步骤：媒体信息和用户信息的特征提取；基于网络传播影响力进行建模；划分出潜在影响力人群；推送效果评估。本发明在预测媒体传播范围时不仅能够考虑用户与媒体信息，还能考虑媒体信息在用户之间的传播效应，能够更加准确的分析和预测媒体信息在网络中的真实影响力。

摘要： 本发明提出了一种基于社交网络用户行为的用户影响力分析方法，涉及信息技术领域。本发明可以通过社交网络的数据集，从用户关系和用户活动两个方法，综合分析出影响力强的用户。针对于现有的基于社交网络分析影响力的方法，与基于PageRank的模型相比，本发明涉及更多数据关系，并且在影响力的扩散与初值有关，扩散过程中受到用户评论数目和内容的影响，更为合理。与基于IDM的模型相比，本发明对于用户之间的关系利用更加充分，不存在IDM模型中的断层现象。与传统的基于用户行为模型相比，本发明类比了人与人线下关系的模式，这样更加符合社交网络中将人与人线下关系移动的线上的初衷。

摘要： 本发明公开了一种基于用户通联数据的移动用户影响力评估方法和系统。该方法包括：移动用户通联数据采集，即从移动网络中采集用户的通话数据，短信数据以及用户的基础信息；移动用户数据处理，即从移动用户通联数据中中提取用户的主被叫关系、通话时长、交互关系以及用户的资费；移动用户标记，即根据给定的移动用户类型信息进行匹配用户对用户进行标记；移动用户影响力评估，即根据移动用户的通联信息以及用户属性等信息对移动用户影响力计算。本发明利用从移动通讯网络上获取的移动用户通联数据以及移动用户属性信息，利用排序算法对移动用户的影响力进行评估，能够有效的解决移动用户的影响力评估问题。

摘要： 本发明涉及一种基于用户间影响力的移动用户偏好预测方法，其技术特点在于：包括以下步骤：步骤1、构建移动社会网络：步骤2、计算用户自身影响力：步骤3、计算用户间影响力：步骤4、预测移动用户偏好。本发明根据移动终端记录的用户行为，可以获得更真实的社会关系以及更准确地用户影响力，从而可以改善移动用户偏好预测的准确性。

摘要： 本发明提供一种基于用户话单的用户影响力确定方法及装置，该方法包括：根据预设时间段内多个目标用户的用户话单确定目标用户作为主叫时与每一个被叫用户的通话信息；确定目标用户作为主叫时与每一个被叫用户的通话信息，与目标用户作为主叫时的总通话信息之间的比例关系；根据比例关系，生成每个被叫用户对目标用户的影响力向量及对应的影响力矩阵；基于预设算法，根据多个目标用户的初始参量值，对多个目标用户在预设时间段所对应的影响力矩阵进行迭代运算，得到多个目标用户在预设时间段内的影响力参量值。本发明可有效分析多个目标用户的通话信息之间的关联性，进而提高确定用户影响力的可靠性和准确性。

摘要： 本发明公开了一种种子用户筛选方法、产品的用户影响力评价方法及装置，其中，基于用户影响力的种子用户筛选方法包括：获取产品的用户，以及搜索用户使用产品的产品使用记录，产品使用记录包括每次使用产品的使用时间；获取用户对应的关系网络数据；获取多个关系用户使用产品的产品使用记录；根据多个关系用户使用产品的产品使用记录计算多个关系用户对用户的影响力；根据影响力筛选种子用户。本发明实施例通过用户的关系网络数据，获取用户及其关系用户的产品使用记录，计算出关系用户对用户的传播力值，能够真实地反应用户对产品的使用情况，再利用用户的影响力实现新产品的推广和宣传。

摘要： 本发明涉及一种基于用户行为数据和潜在用户影响力分析的在线广告推送方法及其推送评估方法，与现有技术相比解决了无法挖掘出潜在用户影响力的缺陷。本发明包括以下步骤：媒体信息和用户信息的特征提取；基于网络传播影响力进行建模；划分出潜在影响力人群；推送效果评估。本发明在预测媒体传播范围时不仅能够考虑用户与媒体信息，还能考虑媒体信息在用户之间的传播效应，能够更加准确的分析和预测媒体信息在网络中的真实影响力。

摘要： 本发明提出了一种基于社交网络用户行为的用户影响力分析方法，涉及信息技术领域。本发明可以通过社交网络的数据集，从用户关系和用户活动两个方法，综合分析出影响力强的用户。针对于现有的基于社交网络分析影响力的方法，与基于PageRank的模型相比，本发明涉及更多数据关系，并且在影响力的扩散与初值有关，扩散过程中受到用户评论数目和内容的影响，更为合理。与基于IDM的模型相比，本发明对于用户之间的关系利用更加充分，不存在IDM模型中的断层现象。与传统的基于用户行为模型相比，本发明类比了人与人线下关系的模式，这样更加符合社交网络中将人与人线下关系移动的线上的初衷。