基于用户行为的实时影响力算法

随着社交网络的发展,用户影响力研究得到广泛关注。Page Rank作为分析用户影响力的传统算法,计算用户影响力时只考虑了用户的粉丝数和关注数,并没有考虑用户本身的行为对影响力传播造成的影响。文章综合考虑了用户行为中的转发、评论、艾特数,论证了随着时间的变化用户行为符合幂率分布,以此定义了兴趣度模型,用来研究用户行为随时间的变化规律。充分将用户个体的行为融入到传统的影响力评估模型中,定义了活跃度的概念,可剔除不活跃的用户。此外,摒弃了Page Rank中将影响力权值平均分配的方法,重新定义了影响力分配因子,对于信息传播过程中影响力贡献较大的用户给予更高的分配比例,使得影响力的评估更加准确。实验结果表明,本文提出的基于用户行为的实时影响力算法(User Real-time Influence),在提高影响力计算的准确性,更加符合社交网络的特性。