突发事件下基于改进K-Shell分解的意见领袖识别研究

摘要

[目的/意义]为实现突发事件网络舆情的精准管控,对突发事件中的意见领袖识别进行研究。[方法/过程]针对K-Shell分解使得同一核层的节点具有相同K-Shell值的粗粒化分解问题,结合用户自身属性与用户交互行为对核心用户进行用户重要度因子量化,并通过重构各节点K-Shell值的计算方法来加以改进;在此基础上定义以转发比例为权重的相邻用户重要度贡献值,从而构建一套意见领袖的识别方法。[结果/结论]以“郑州地铁7·20事件”为例,进行实证分析。结果表明突发事件中意见领袖主要由主流媒体与自媒体两类用户组成,且意见领袖的特征与类型随舆情生命周期的变化而变化。本文提出的意见领袖识别方法能够精确地给出意见领袖的排名,较K-Shell分解法识别效率更高,较社交平台传统的排序方法更具可解释性。