摘要：类Twitter的微博通常包括两个特征:交友和传播信息,人们可以利用Twitter的关注功能寻找新的好友,同时,也可以利用Retweet功能转发信息.因此,仅简单地利用Twitter的关注关系来度量用户的影响力是不可靠的,这样忽略了用户的传播能力;同时,仅依靠信息的被转发次数来计算信息影响力也是不可靠的,这样忽略的转发信息用户自身的影响力,由于影响力高的用户通常拥有大量的粉丝来阅读该用户转发的信息.本文同时考虑用户的关注关系与信息的传播关系,提出了基于异质网络的随机游走模型,来综合计算微博中的个体和信息影响力.事实上,如果用户经常发布高影响力的信息,则认为该用户是重要的,拥有高的影响力;同时,如果某信息被多个高影响力的用户发布或者转发,则认为该信息具有高的影响力.实验采用真实的Twitter数据集,包含26万个用户和1000万条博文,实验结果表明本文提出的方法在个体影响力和信息影响力计算两个方面,比传统的关注网络PageRank算法和转发次数retwe etNum都具有较好的性能.
