面向主题社团的意见领袖挖掘方法

摘要

意见领袖在不同的主题社团下对舆情的传播影响力是不同的,为了在社交网络中快速准确挖掘出意见领袖,提出一种面向主题社团的意见领袖挖掘方法.根据提出的兴趣隐含狄利克雷分布(Interest Latent Dirichlet Allocation,I-LDA)主题模型得到主题表达能力更强的主题分布,并在此基础上计算相邻用户的主题相似度.采用基于主题相似度的多标签均衡社团划分算法划分主题社团,使相似度大的用户被划分到相同的主题社团中,由此进一步提升社团划分的准确性与合理性.对于意见领袖的挖掘,提出一种快速意见领袖挖掘算法(Quickly-Ming Opinion Leader Algorithm,QMOLA),先通过结构特征筛选出主题社团中的意见领袖候选人,再结合传播特征和情感特征挖掘主题社团中的意见领袖.对比实验结果表明,QMOLA相对于传统的意见领袖挖掘方法在挖掘效率上具有明显的优势,而且挖掘出的意见领袖具有更高的覆盖率和支持率.