HP Social Computing Lab关于社会化媒体影响力和消极性的研究报告-阿里云开发者社区

开发者社区> 人工智能> 正文
登录阅读全文

HP Social Computing Lab关于社会化媒体影响力和消极性的研究报告

简介:

郑昀 20100806

话说惠普有一个研究社会化网络数据挖掘的 Social Computing Lab(SCL) 实验室,领头的是 Bernardo Huberman 博士。

他们最近发布了一个研究报告《Influence and Passivity in Social Media》,基于250万用户的2200万 Tweets 数据。它的一个结论是:the correlation between popularity and influence is weaker than it might be expected,名气和影响力没什么关联,比人们期望的弱得多,High numbers of followers does not equal influence because those followers do not re-Tweet,名气和影响力是两码事,关注者多不等于有影响力,重要的是有多少人愿意转发你的消息

最简单测量你的名气和影响力之间关系的是,发布一个能统计点击次数的短域名网址,看看到底有多少人从你的这条 Tweet 点击,别管你有多少万关注者,你是否有足够的影响力让人点击一个链接。

做PR或Ad的公司要注意这一点,想让微博客上的人帮你营销,不要只看他的 Followers/关注者/粉丝 数量,这数字没啥用,要精确测量他的真正影响力

惠普的这个研究由于并不特定针对 Twitter ,所以它的结论也适用其他社会化网络。

 

加入了 Passivity 维度

大多数人都只是信息的消极接收者,他们并不会把东西转发到自己的网络里。为了让一个人有影响力,不应该仅仅停留在吸引别人的注意(眼球)从而变得有名上,还需要让用户克服他们的消极性(passivity)。

SCL 利用人在 Social Network 里的消极性,设计了一个影响力通用模型。它还开发了一个算法来量化网络中所有人的影响力,有点类似于HITS算法,综合考虑了网络的结构属性和用户之间的传播行为。

一个用户的影响力不仅依赖于他影响到的听众的多少,而且依赖于他们的消极性。

以前的影响力测量方法则主要基于一些个体的统计属性,比如关注者的数量,比如锐推(retweets)的数量。

SCL的这个算法有很好的预测能力,比如预测一个发布链接的点击次数上限会是多少。

SCL还发现那些高消极性的节点(node),大多数都是垃圾制造者(spammers)或者机器人账户(robot users)。(注:不知道SCL如何评估@rtmeme这种机器人。)

 

实作

SCL 像锐推榜一样也是从Twitter Search API进去,查询包含 http 关键词的 Tweets ,试图收集齐提到链接的 Tweets(下称“链接推”)。历经300小时,获得了2200万条相关消息,其中1500万条的链接经过检查是有效格式。据他们评估,这2200万只是那个时间段内 Twitter 全部消息的十五分之一。

然后对这个集合中的用户,逐一通过 Twitter API 查询该用户的元数据,尤其是 followers/followings 的数量。

这样就得到了一个带着时间戳的 URL 集合,一个对应用户的完整的 Social Graph 。

 

user retweeting rate=用户A决定转发的URLs数量 / 用户A从他的 followings(他所关注的人)接收到的 URL 数量 。

audience retweeting rate=用户A发布的URLs中被 Followers(关注者)所转发的数量 / 用户A的一个 follower(关注者)从A这里所接收到的 URL 数量 。

 

很容易计算用户之间的 pairwise influence 关系,比如在 Twitter 里,要计算用户A对用户B的影响力,只需要统计B锐推A的次数即可。但你很难利用这种 pairwise influence 信息去计算一个用户(如@zhengyun)对整个网络的影响力。

SCL设计了 IP(Influence-Passivity) 算法,每一个用户都有一个 influence score 和 passivity score 。一个用户的 passivity 得分用来评估其他人想要影响到他有多难。

该算法有以下假设:

1、一个用户的 influence score 依赖于她所能影响的人数以及这些人的 passivity 。

2、一个用户的 influence score 还要考虑到,她所能影响的人专注程度(how dedicated)。

3、一个用户的 passivity score 依赖于这样一些人的影响力:她能接收到这些人的消息但却没有被影响到。

4、一个用户的 passivity score 还要考虑到,how much she rejects other user's influence compared to everyone else.

 

算法迭代计算 passivity 和 influence 得分,有点像 HITS算法 的寻找 Authority 页面以及指向它们的 Hub 页面。

给定一个加权有向图(weighted directed graph,也叫带权有向图) G = (N,E,W),N是所有节点的集合(nodes),E是弧的集合,W是权值。某条弧 e = (i,j) 的权值 Wij ,代表一个比率:i 对 j 的影响力 / i 试图施加在 j 上的全部影响力。

IP算法将这个 graph 作为输入。SCL 是这样构图的:

nodes是那些曾经发布过三条以上链接推的人。

如果用户 j 曾经至少锐推过用户 i 的链接推一条,那么弧arc (i,j)就存在。这条弧的权值计算公式为:Wij=Sij/Qi,其中,Sij是用户 i 发布的链接推中被用户 j 锐推的数量,Qi 是用户 i 发布的链接推数量。

最终计算时,SCL 的这个 graph 的节点数是 45万个,1百万条弧,平均权值是0.07。

在这个 graph 数据基础上,SCL 计算了 PageRank、Influence和Passivity 得分、Hirsch Index.

(注:H-index ,是一种评价学术成就的方法。一名科研人员的h指数是指他至多有h篇论文分别被引用了至少h次。h指数能够比较准确地反映一个人的学术成就。一个人的h指数越高,则表明他的论文影响力越大。例如,某人的h指数是20,这表示他已发表的论文中,每篇被引用了至少20次的论文总共有20篇。)

在 Twitter 里,一个用户的 H-index 是 h ,代表他的被人锐推了至少 h 次的链接推总共有 h 条。

(待续)

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
人工智能
使用钉钉扫一扫加入圈子
+ 订阅

了解行业+人工智能最先进的技术和实践,参与行业+人工智能实践项目

其他文章
最新文章
相关文章