唐明伟，高振伟,2，王彦婷，王 镇，邓加钰，陈晓亮

（1.西华大学计算机与软件工程学院，四川 成都 610039；2.中电科大数据研究院，贵州 贵阳 550022）

随着网络的发展，网络社交平台（如微博等）的出现改变了人们的生活。兴趣爱好类似的个体之间会相互关注。个体间的交互也较大地影响着网络的拓扑关系。基于用户的行为特征去判断其影响力是热点研究内容之一。基于微博的社交关系特性，挖掘信息的发送者，尤其是具有很大影响力的关键核心用户是非常重要的。但是，大量的“僵尸粉”充斥着微博，依据粉丝数等特征不能有效地判断该用户的真实影响力。剔除微博中的“僵尸粉”，挖掘该用户的真实影响力，具有重要的现实意义。网络结构和文本信息是识别有影响力用户的重要因素。

1 相关工作

基于随机游走思想的PageRank 算法已在社交网络得到广泛研究。该算法为节点分配代表其重要性的数值，测算每个节点值，并确定网络的结构。基于微博的个体特征及其行为特征，原野等[1]使用博文的规则和互动量计算公式，提出了基于MapReduce 和Spark 的并行计算框架。基于用户的粉丝数与其所发布的相关信息传播扩散速度的正相关性，Kwak 等[2]利用Twitter 社交网络和PageRank 变形提出了TunkRank 算法。Romero 等[3]分析了被影响的用户数和没有被影响的用户数，得出影响力是建立在粉丝被动性及关注者积极性上的结论。Mao 等[4]采用一种基于学习的方法来分析和测算用户的社会影响力，进而判断用户传播信息的能力。……