在線社交網(wǎng)絡(luò)影響力分析課件

1、在線社交網(wǎng)絡(luò)影響力分析社交影響力的相關(guān)因素社交網(wǎng)絡(luò)影響力的度量方法社交網(wǎng)絡(luò)中影響力的傳播總結(jié)與展望摘要 社交影響力分析是社交網(wǎng)絡(luò)分析的關(guān)鍵問題之一。近十幾年間，隨著在線社交網(wǎng)絡(luò)的蓬勃發(fā)展，研究人員才開始有機(jī)會(huì)在大量現(xiàn)實(shí)數(shù)據(jù)的基礎(chǔ)上對社交影響力進(jìn)行建模和分析，并取得了豐碩的研究成果和廣泛的應(yīng)用價(jià)值。文中闡述了社交影響力的相關(guān)概念和它們之間的關(guān)系，重點(diǎn)從網(wǎng)絡(luò)拓?fù)?、用戶行為和交互信息等幾個(gè)方面總結(jié)了影響力分析的建模和度量方法，并對在線社交網(wǎng)絡(luò)影響力分析的前景進(jìn)行了展望。社交影響力的相關(guān)因素 影響力 社交影響力只有通過人們之間的交互活動(dòng)才能夠體現(xiàn)出來，比如用戶A在網(wǎng)上的發(fā)帖吸引了用戶B，使得后者成為A

2、的粉絲，即A對B產(chǎn)生了影響力。 社交影響力的定義具有明顯的因果性，而人們的思想、行為等產(chǎn)生變化的原因則是不勝枚舉且因人而異，社交影響力只是其中之一。目前大部分研究工作都是針對社交網(wǎng)絡(luò)結(jié)構(gòu)及其上的交互信息和用戶行為特征進(jìn)行量化和分析的，因此可以把能對信息傳播過程或他人行為產(chǎn)生影響的個(gè)體視為具有社交影響力。 同質(zhì)性 同質(zhì)性指具有相似特征的個(gè)體選擇彼此作為朋友的傾向，即所謂的“物以類聚，人以群分”。如果用戶B發(fā)現(xiàn)用戶A和自己有相同的興趣和愛好，因而選擇A作為自己的朋友，這種現(xiàn)象即是同質(zhì)性的表現(xiàn)。社交網(wǎng)絡(luò)影響力的度量方法 社交網(wǎng)絡(luò)影響力度量的主要任務(wù)是分析和預(yù)測用戶社交影響力的大小及演化規(guī)律，為基于社

3、交影響力的研究和應(yīng)用提供技術(shù)支持和理論依據(jù)。 常用的影響力度量方法大致可以劃分為基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、基于用戶行為和基于交互信息的度量等類型。在進(jìn)行社交影響力分析時(shí)，既需要根據(jù)實(shí)際情況選擇合適的度量手段，還可以綜合使用上述方法，盡可能準(zhǔn)確客觀地刻畫社交影響力的真實(shí)面貌。 基于社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的度量 對社交網(wǎng)絡(luò)進(jìn)行影響力分析時(shí)，網(wǎng)絡(luò)結(jié)構(gòu)中的節(jié)點(diǎn)表示用戶，而節(jié)點(diǎn)之間的連接則表示用戶之間建立的關(guān)系，它們在分析影響力時(shí)都起著至關(guān)重要的作用，因此我們分別以網(wǎng)絡(luò)節(jié)點(diǎn)和連接為對象介紹一些廣泛使用的度量方法。 在下文中，社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)用圖G=(V,E)表示，如無特別說明，一般是指無向圖。其中n=|V|表示節(jié)點(diǎn)

4、數(shù)；表示節(jié)點(diǎn)i； 表示節(jié)點(diǎn)i和j之間的邊，很多時(shí)候也被稱之為連接； 表示圖的鄰接矩陣； 是其中的元素；如果是帶權(quán)圖，我們用 表示節(jié)點(diǎn)i和j之間的權(quán)重。 節(jié)點(diǎn)的度量 連接的度量 對連接的影響力度量即是對兩個(gè)用戶相互之間影響程度的度量。 一般而言，兩個(gè)節(jié)點(diǎn)的鄰居重疊程度越高，這兩個(gè)節(jié)點(diǎn)之間的關(guān)系越緊密，它們之間的影響力也越強(qiáng)烈，可以用Jaccard相似度度量這種關(guān)系：Jaccard相似度用于統(tǒng)計(jì)節(jié)點(diǎn)i和j的共同鄰居在總鄰居數(shù)中所占比例。 邊介數(shù)也可用于度量邊在網(wǎng)絡(luò)中的重要程度：邊介數(shù)統(tǒng)計(jì)的是網(wǎng)絡(luò)中經(jīng)過邊的最短路徑的總數(shù)量。 博客圖：用有向多重圖表示節(jié)點(diǎn)間的影響力，弧的重?cái)?shù)越多代表節(jié)點(diǎn)間的影響力越強(qiáng)

5、，弧的方向表示影響力的作用方向。 影響力圖：該圖是有向帶權(quán)圖，弧的方向表示影響力來源，權(quán)重代表影響力強(qiáng)度，用 表示從節(jié)點(diǎn)u到節(jié)點(diǎn)v之間的平行邊條數(shù)，其計(jì)算方式為 基于用戶行為的度量 一般情況下，在線社交網(wǎng)絡(luò)都會(huì)記錄人們通過交互活動(dòng)產(chǎn)生的大量信息，其中就包括各種用戶行為數(shù)據(jù)。通過分析這些數(shù)據(jù)，可以衡量用戶之間的影響大小及其傳播途徑行動(dòng)作a的用戶數(shù)量，與基于網(wǎng)絡(luò)拓?fù)涞墓?jié)點(diǎn)影響力度量方法不同，上述模型以動(dòng)作的傳播頻率作為用戶影響力評(píng)估指標(biāo)，并用動(dòng)作的執(zhí)行范圍度量動(dòng)作本身的影響力指標(biāo)。 基于用戶交互信息內(nèi)容的度量 由于用戶的社交影響力能夠促進(jìn)信息的傳播，所以分析在線社交網(wǎng)絡(luò)中信息內(nèi)容的傳播范圍和時(shí)間，

6、能夠比較準(zhǔn)確地反映用戶的影響力。 在社交網(wǎng)絡(luò)中，很多傳播廣泛的流行消息都是由影響力較大，擁有大量粉絲的用戶發(fā)起的，因此流行消息的傳播可以作為用戶社交影響力的判斷依據(jù)。 P(k)表示用戶在經(jīng)受k次曝光后才開始使用該標(biāo)簽的概率，圖中曲線表示實(shí)驗(yàn)數(shù)據(jù)集中最流行的500個(gè)標(biāo)簽的P(k)值的平均分布。從圖中可以間接證明時(shí)間因素在影響力度量中的重要作用。處位置的重要程度。如果用戶在社交網(wǎng)絡(luò)中的位置能夠如實(shí)體現(xiàn)他在社交活動(dòng)中的領(lǐng)袖地位，利用基于PageRank算法的排名方法就能對其進(jìn)行度量。 基于網(wǎng)絡(luò)結(jié)構(gòu)的方法過分強(qiáng)調(diào)了意見領(lǐng)袖的“領(lǐng)袖”特點(diǎn)，即在社交網(wǎng)絡(luò)中地位顯赫，而忽視了他發(fā)布“意見”的重要性。因此分析

7、用戶所發(fā)信息的影響力及其傳播特性，能夠更客觀準(zhǔn)確地發(fā)現(xiàn)網(wǎng)絡(luò)中的意見領(lǐng)袖。博客中的意見領(lǐng)袖可以根據(jù)他發(fā)布的有影響力的帖子數(shù)量進(jìn)行識(shí)別，利用博文的引用數(shù)量、評(píng)論數(shù)量、新穎程度和內(nèi)容長度評(píng)價(jià)帖子的影響力，從而發(fā)掘出意見領(lǐng)袖。通過觀察和分析用戶網(wǎng)絡(luò)用戶的行為特征及其傳播規(guī)律，也能對用戶的影響力大小和范圍進(jìn)行度量。 上述兩類方法各有優(yōu)勢和不足，基于網(wǎng)絡(luò)結(jié)構(gòu)的方法模型簡單，計(jì)算效率高，能夠處理大規(guī)模的社交網(wǎng)絡(luò)，但是準(zhǔn)確率相對較低，在真實(shí)網(wǎng)絡(luò)環(huán)境中存在誤判的可能性；基于交互信息的分析方法得到的結(jié)果客觀準(zhǔn)確，但是由于涉及到大量信息的預(yù)處理和相關(guān)性的計(jì)算，難以適應(yīng)規(guī)模較大的社交網(wǎng)絡(luò)。 策略：先利用基于網(wǎng)絡(luò)結(jié)構(gòu)的

8、方法篩選意見領(lǐng)袖的備選集合，然后再利用交互信息的方法選取真正的意見領(lǐng)袖。 最大影響力傳播問題 最大影響力傳播問題首先是由Domingos和Richardson提出的，簡言之就是在社交網(wǎng)絡(luò)中尋找最有影響力的成員集合。 影響力的傳播模型 （1）獨(dú)立級(jí)聯(lián)模型 可以描述為：在社交網(wǎng)絡(luò)G=(V,E)中，部分用戶 在初始時(shí)刻就處于激活狀態(tài)，用戶 與其鄰居 間的影響力用 表示， 的取值是獨(dú)立的，在傳播過程中不受 和其他鄰居節(jié)點(diǎn)間關(guān)系的影響。如果用戶 在某一時(shí)刻t由非激活狀態(tài)變成激活狀態(tài)，則 對于非激活狀態(tài)的每一個(gè)鄰居節(jié)點(diǎn)，僅在t時(shí)刻有一次機(jī)會(huì)嘗試激活他。 例如， 的鄰居 在t時(shí)刻還沒有激活，則 以概率 激活

9、 ，如果成功， 從t+1時(shí)刻起處于激活狀態(tài)，但是不管成功與否， 再也不能試圖去激活 。如果 在t時(shí)刻同時(shí)有多個(gè)鄰居都變成了激活狀態(tài)，則他們嘗試激活 的順序是任意的，系統(tǒng)從初始態(tài)開始傳播過程，直到?jīng)]有新的用戶可以被激活為止。 （2）線性閾值模型 線性閾值模型在新產(chǎn)品采用等問題中應(yīng)用廣泛，該模型可以描述為：在社交網(wǎng)絡(luò)G=(V,E)中，用戶 與其鄰居節(jié)點(diǎn) 間的影響力權(quán)重為 ，且 所有另據(jù)的影響力權(quán)重之和最大為1，即 任意一個(gè)用戶 都會(huì)隨機(jī)選定屬于自己的閾值 ，表示只有當(dāng) 的鄰居節(jié)點(diǎn)對 的影響力超過該閾值， 才會(huì)被激活。與獨(dú)立級(jí)聯(lián)模型類似，初始時(shí)刻處于激活狀態(tài) 的用戶集合 ，如果截止t時(shí)刻用戶 被激活狀態(tài)的鄰居集合為 ，而 尚未被激活，則在滿足以下條件時(shí)： 從t+1時(shí)刻起變?yōu)榧せ顮顟B(tài)，且保持該狀態(tài)不變。系統(tǒng)從出事狀態(tài)開始演變，直到?jīng)]有新用戶被激活為止?？偨Y(jié)與展望 本文主要介紹了在線社交網(wǎng)絡(luò)興起以來社交影響力分析的主要成果，首先闡述了社交影響力的基本概念和與之相關(guān)的其他因素，介紹了區(qū)分影響力和這些因素的研究工作，接著重點(diǎn)總結(jié)了影響力分析建模和度量方法。雖然社交影響力分析已經(jīng)取得豐碩的理論和應(yīng)用成果，但我們認(rèn)為至少還有以下問題有