[发明专利]基于图结构整体和部分的社交网络意见领袖挖掘方法

说明书

本发明公开了一种基于图结构整体和部分的社交网络意见领袖挖掘方法，属于社交网络分析技术领域，包括：爬取社交网络中用户语义信息并进行预处理；利用LDA模型将处理后的语义信息抽象为主题，提取关键字，将主题和关键字作为特征属性；将LDA模型生成的K个主题作为向量空间，堆叠成数据矩阵建立用户社交网络；利用基于密度的社区发现方法对用户社交网络进行社区划分，得到社区结构；基于图的整体结构计算社区结构中所有用户节点整体、局部影响力；融合所有用户节点整体、局部影响力进行影响力评估，得到所有用户节点影响力评分，将排在预设阈值前的用户节点作为意见领袖。该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。

技术领域

本发明涉及社交网络分析技术领域，特别涉及一种基于图结构整体和部分的社交网络意见领袖挖掘方法。

背景技术

社交网络被定义为由人或实体组成的社会结构，这些人或实体通过某种类型的关系或共同兴趣(友谊、职业关系、亲属关系等)联系在一起。由于世界各地数以万计的人利用社交网络交流，使互联网能持续共享爆炸级的数据量，导致社交媒体和在线社交网络(如Facebook、Twitter、微博)在过去几年呈指数级增长。因为社交网络具有便捷性、开放性、匿名性和虚拟性等特点，使其日益普及人们的工作和生活。它逐渐演变为网络舆论和信息传播的重要载体。并且社交网络中不仅仅是文本，甚至连表情符号、标签、gif视频都在推动着舆论的传播。因此，网络舆论成为一种新的舆论形态并逐渐表现出了强大的社会影响力。

社交网络中用户之间的地位是不平等的，有的处于中心位置，对于网络舆论的发展起到引导和推动作用，有的处于边缘位置，他们的舆情很容易被其他因素影响。网络意见领袖往往就处在中心位置，经过他们的传播，很容易将某些事件推到舆论浪潮的前沿。意见领袖作为舆论传播的引导者，它能对公众生活产生积极的引导，但也能带动大面积的负面情绪，因此关于网络意见领袖的挖掘的方法是将舆论引向正确方向和引导维护网络秩序的重要一环。

社区发现是将社交用户划分成紧密联系的高度相关的群体，使每个群体与其他群体能很好的分开。社区发现在社会网络分析、数据挖掘、空间数据库技术、统计学、生物学等领域都有重要的应用价值。利用社区发现将社交网络中具有相同想法和意见的用户构建成一个社区，从社区结构形成的舆论圈中挖掘网络意见领袖可以获得更加精准的结果。

社交网络图结构化顾名思义就是将社交网络视为一个图，然后利用图的属性和围绕图结构构建的算法分析其结构。图通常由一组节点构成，节点和节点之间由链接连接，也称边。这种数学结构可以称为单分图。这类图的一个很好的例子是著名的karate空手道俱乐部。这个图的一个特殊情况被称为二部图，即考虑到A和B是独立的集合，它的顶点可以被分成两个不相交的集合A和B，使得边只连接A中的一个顶点和B中的一个顶点。

现有方法存在的问题在于：目前对于网络意见领袖的研究主要是通过社会心理学，利用社交用户行为进行建模分析，或是仅考虑社交网络中文本的语义分析或情感分析，或是集中于节点中心性技术来解决问题。由于社交网络的复杂性，这些方法并不是特别适合于社交网络。同时，由于所考虑因素的单调性，会导致最后的网络意见挖掘结果出现精度较低，质量较差等问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于提出一种基于图结构整体和部分的社交网络意见领袖挖掘方法，该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。