李淑霞 杨俊成(河南工业职业技术学院电子信息工程学院 河南 南阳 473000)

0 引 言

随着社交网络的蓬勃发展，社交网络中用户的影响逐渐受到人们的关注，目前与社交影响力有关的研究方向主要有发现意见领袖和影响力传播[1]。通过用户之间的社交活动可观察出社交影响力的强弱，具体表现为影响力大的用户能够使其他用户的行为和思想发生改变。当前，影响力分析在推荐系统[2]、链路预测[3]、市场营销[4]和突发事件检测[5]等领域发挥了重要的作用。

社交网络包含复杂的网络结构，这为用户的影响力分析增加了难度。在目前常用的影响力分析方法中，一般将社交网络分为若干的社区，然后分别识别每个社区内影响力高的用户[6-7]。文献[8]提出OLMiner算法从大规模社交网络检测出意见领袖，该研究解决了社交用户的影响力重叠问题，通过缩小候选解数量降低算法的计算复杂度。文献[9]提出基于扩展独立级联模型，并融入网络结构特征、个体属性和行为特征的意见领袖挖掘模型，该模型利用懒惰向前(Lazy forward,LF)算法挖掘网络中影响力较大的个体。该模型考虑了信息传播中交互特征的问题，但是其计算成本较大。文献[10]提出一种基于上下文感知和用户影响力的好友推荐算法，首先根据通信数据计算用户间的通信社交信任度，再利用用户之间的地理位置数据计算位置信任度，根据两方面的数据得到用户间的综合社交影响力。文献[11]结合MapReduce编程计算模型和PageRank模型，提出一种基于MapReduce并行化计算模型的微博用户影响力排名优化算法。……