江玲,夏婷婷,蒋艺,范琳
(1.武夷学院数学与计算机学院,福建武夷山354300;2.绵阳天眼激光科技有限公司,四川绵阳621000)
基于粒子群的微博用户影响力评价算法研究
江玲1,夏婷婷1,蒋艺1,范琳2
(1.武夷学院数学与计算机学院,福建武夷山354300;2.绵阳天眼激光科技有限公司,四川绵阳621000)
针对群体智能与微博社交网络用户行为之间的相似性,对基于粒子群的微博用户影响力的评价算法展开研究。对微博用户数据进行必要的预处理,旨在消除冗余数据和无功数据对影响力评价的消极影响。介绍了适应微博社交网络背景的粒子群算法的速度和位移更新公式。完成微博社交网络中用户相互影响力的评价,该评价算法将微博社交网络中用户群体表现出的自组织性和纳入评价体系中,在消除少量数据引起的评价偏差方面取得一定成效。
粒子群算法;微博社交网络;用户相互影响力
用户影响力是微博社交网络研究中的热点问题,合理的用户影响力评价方法是提高用户推荐[1-2]准确性、用户使用粘度等微博应用的关键技术。早期研究多以粉丝为中心度量用户影响力,以经典的PageRank算法为代表[3]。不同研究人员对影响力的评价方法也不尽相同,如基于传播模型[4]、以关注者为主的评价方式等[5]。但大多只根据用户自身的少量微博数据,可参考依据单一,影响力评价体系中考虑的因素不够全面,从而导致评价效果不佳。
基于上述分析,将群体智能的经典算法粒子群[6]融合到微博社交网络用户相互影响力的评价中,一方面可将相关的用户群体联系起来避免评价指标过于单一,另一方面充分将微博群体在宏观上表现出分布式和自组织性纳入考虑范围。……