一种参数可调的微博用户影响力评价方法

针对经典和改进的PageRank算法在计算微博转发和评论时采取PR均值分配进而造成PR值损失问题，提出了一种参数可调的微博用户影响力评价方法RCRank。RCRank在已有的PageRank算法基础上，增加了微博转发和评论影响微博用户影响力计算值的可调节参数。在实际数据集上的实验结果表明，在计算用户影响力时，相比于传统的PageRank和TunkRank算法，RCRank方法更接近真实情况。

Facebook、Twitter、微博、微信等流行的在线社交网络(Online Social Network，简称OSN)工具正在改变用户与用户之间的互联网通信和互动方式[1] [2]，网络社交、网上阅读、网上评论/转发正逐渐被人们接受，成为人们主要的社交方式。据《中国互联网络发展状况统计报告》显示：截止2018 年6 月，中国网民规模达到8.02 亿人，其中微博用户规模为3.37 亿人。以2018 年8 月份发生的85 度C 事件为例， 在强大网民的舆论下，85 度C 在台湾的股价连续3 天下跌21%，足见网络传播的威力。由于微博用户量大、传播迅速，微博传播规律的研究正成为政府和业界关注的焦点。研究OSN 用户影响力，挖掘网络传播关键路径和关键节点，为政府就如何加快正面信息传播和控制负面新闻扩散提供决策支持，这很有意义。

就微博用户影响力评价而言，近几年，业界涌现出多种方法，典型的方法包括： 1) 基于URL 追踪的评价方法。该方法通过追踪URL 传播情况，按一定方式分配相应的影响力进而进行评价[3]。

2) 基于用户关系的评价方法。该方法参考Google 的PageRank 算法或其改进算法[4]-[9]，但没有考虑到“僵尸粉”影响，没有考虑到微博转发或者评论情况。

3) 基于用户行为的评价方法。微博用户行为包括微博转发、评论和点赞等，研究微博用户行为，主要是为排除“僵尸粉”干扰， 通过结合微博用户行为计算用户影响力， 能更符合真实情况[10] [11] [12] [13]。

这些方法中， 有的考虑到用户粉丝数、用户是否认证、用户微博的转发和评论等指标， 有效地解决了“僵尸粉”干扰情况。但有的忽略了微博用户本身影响力的不同，且单考虑用户行为因素，忽略了用户之间本身存在影响力传播不均匀情况，所以出现了基于用户行为权值的评价方法。

4) 基于PageRank 和用户行为权值的评价方法[14] [15] [16]。

近几年， 有学者提出了传统的PageRank算法应用在计算微博用户影响力时会存在PR 值分配不合理问题。例如，一个用户若经常转发或者评论某博主用户的微博，那么在传递PR 值(影响力值)时，相比其他微博用户，该用户理应给予更大PR 值才较为合理一些。基于此，提出引入权值思想的方法，这些方法都得到较好效果，但也存在一些不足。如下： 文献[14]为了弥补传统PageRank 算法均值分配不足， 提出基于用户行为权值分配的BWPR (PageRank based on behavior weight)算法，给特定用户分配大一些PR 值，但该算法计算过程复杂，不利于大规模数据计算。文献[15]采用加权PageRank 算法结合K-means 算法计算各个领域用户的影响力，虽然节点影响力的传播按照边的权重分配，但算法仅适用于特定领域加权计。文献[16]利用权重修正传统的PageRank模型的概率转移矩阵，能取得较好的效果，但没有考虑用户微博转发和评论等特征。

综合考虑以上存在的问题，本文提出RCRank 算法，该方法不仅考虑到微博转发和评论特征，而且考虑到传统PageRank 算法存在均值分配不合理问题，通过引入可调节参数进行修正，且通过试验证明， 该方法计算过程简单有效。