读周涛团队--挖掘社会网路意见领袖论文

对于社会网络来说，网络中会存在一些非常重要的节点，消息通过这些节点传播会非常的快。就像如果想要非常好的营销策路，我们有时会寻找有很多知名度业界人士选用自己的产品，广告的作用也是如此。当我们阅读博客的时候，名人效应是很明显的，我们会跟踪一些行业领袖的博客，这样，我们能得到行业最前研信息。这个时候，我就想到名人的社会责任感问题，名人的确应该和时刻注意自己的言行，他们一言一行在当今发达的信息传播中是传播很快的。

网络中寻找中心点的方法很多，比如，度中心点，紧邻中心点，介数中心点，还有很出名的pagerank网页排序算法（基于随机游走理论），HITS网页排序算法等等。周涛团队挖掘社会网络意见领袖的算法，其实就是基于的pagerank的，只是在构建网络的时候增加了一个goup node ，这个节点和网络中其他节点双向链接，这样，新的网络就是一个全连通网络，就不会存在悬挂节点（pagerank 引入跳转概率主要也是为了这个，克服那些出链接的节点）。当这个新网络构建好后，其余工作基本和原始pagerank算法很相似，没有跳转因子c=0.15。当达到稳定态后，算法把之前引入的goup node 的score平均分发给其他节点。这个地方我觉得其实没什么用，既然是平均分发，就是不会影响节点的最后排名，没什么实际作用。虽然，只是做了这点改进，但是据他论文上介绍，效果比pagerank好。其实，研究不就是这么回事吗？

 

以下引用周涛博客的内容：

搜寻社会网络中的意一下见领袖具有十分重大的意义。首先，对这些意见领袖的分析，有助于我们理解社会网络的演化（例如微博中新加入的成员很多都会选择与意见领袖建立连接关系）以及社会网络中信息传播的模式和途径；其次，挖掘的结果可以用来干预传播，譬如加速有重要社会价值的信息的传播和监督防控谣言的流行；最后，这些分析的结构可能被应用于社会推荐和广告投放。

 

Google最初用于网页排序的著名的PageRank算法，也可以应用于挖掘社会网络中的意见领袖。该算法也存在明显的缺陷，例如无法在一个统一的数学框架下处理出度为零的节点，又如无法保证算法的收敛性。特别地，PageRank算法的性能受到一个名为“跳转概率”的参数的影响，如何确定该参数的取值是一个很头痛的问题，并且这个值可能会随着网络的演化而不断变化。

 

本文提出了一种新的算法，该算法通过引入一个“超级节点”，把整个网络连接成一体，保证每个节点的出度都至少为1，并且可以证明算法的收敛性！特别重要的是，该算法是一个无参数的算法，所以对数据的变化具有天然的适应性。以著名社会书签网站Delicious.com的数据为对象，作者比较了PageRank选出来的意见领袖和本文所提算法的意见领袖在传播能力上的差异，结果显示，本文所提算法明显优于PageRank。另外，该算法在面对随机噪音和蓄意恶意攻击时的鲁棒性也优于PageRank。