本发明涉及网络分析技术领域，特别涉及一种微博网络中节点影响力计算方法。
背景技术：
近几年，研究学者也对社会网络中的影响力进行了研究，2010年，cha等人在《lcwsm’10proceedingsofinternationalaaaiconferenceonweblogs&social》发表的“measuringuserinfluenceintwitter：themillionfollowerfallacy”一文比较分析了按照被转发次数、被提及(@mention)次数和关注者数量3种衡量用户影响力的方式，并分析了影响力随时间变化的规律.他们发现，拥有较多关注者的用户并不一定能引发更多的转发和提及行为.这说明了我们不能简单通过关注者数量等网络拓扑结构特征来衡量用户影响力，但该研究主要着重于衡量用户历史上某个时刻的影响力有多大，并没有提出算法通过历史数据来估计当前或者未来时间内用户的社会影响力。
在本发明作出之前，2011年，bakshy等人在《proceedingsofthefourthacminternationalconferenceonwebsearchanddatamining》上发表的“everyone′saninfluencer：quantifyinginfluenceontwitter”一文使用回归树的方法估计用户发布的含有短链接的微博在全局的传播规模，并用预计的平均传播规模大小作为用户社会影响力大小的估计指标，取得了较好的效果。而wangxf等人在文献《physicaastatisticalmechanics&itsapplications》中所发表的《pinningcontrolofscale-freedynamicalnetworks》一文采用牵制控制的策略对部分节点施加控制，驱使网络从任意初始状态到达所需的目标状态。然而，对于具有任意拓扑结构的网络，如何有效地选择其牵制节点仍是一个开放问题。
以上研究成果对节点的影响力进行计算分析，但分析过程中忽略了现有舆情传播的情况和规模的分析，无法适用于某一特定信息传播的控制。
技术实现要素：
本发明的目的就在于克服上述缺陷，提供一种微博网络中节点影响力计算方法。
本发明的技术方案：
一种微博网络中节点影响力计算方法，其主要技术特征在于，其步骤如下：
1)利用微博中的节点和关注信息构建微博影响网络；
2)将微博网络中的节点划分为若干个联通子图；
3)在每个联通子图中计算节点的影响力。
所述步骤1)的进一步步骤为：
1-1)将微博用户作为微博影响网络中的节点；
1-2)以用户之间的关注关系构建节点之间的边；
1-3)根据用户之间微博转发情况计算节点之间的权重。
所述步骤2)的进一步的步骤为：
2-1)在微博网络中未在任何联通子图的节点集合中选择一个节点a；
2-2)将所有指向节点a的节点集合与a合并形成节点集合；
2-3)重复步骤2-2)，直到没有新的节点加入，则步骤2-2)中所形成的集合为一个联通子图；
2-4)如果微博网络中存在不包含在任何联通子图中的节点，则重复步骤2-1)。
所述在每个联通子图中计算节点的影响力的步骤是：
1)计算联通子图的态度影响力矩阵；
2)对影响矩阵进行拉普拉斯变换得到影响矩阵；
3)根据节点影响力的收敛情况计算联通网络中所有节点的影响力。
本发明的优点和效果在于能够快速定位微博网络中影响力大的节点，通过对于微博信息传播控制节点选择的研究以影响力矩阵为基础，采用拉普拉斯变换的方法，使得节点影响力的计算快速收敛，达到了令人满意的效果。
附图说明
图1——本发明对不同节点进行控制的示意图，其中，(a)对节点2进行控制示意图，(b)对节点3进行控制示意图。
具体实施方式
本发明的技术思路是：
虚假舆情信息的产生和传播对社会和国家造成很严重的影响，在2011年爆发的“埃及革命”中，不法分子利用twitter和facebook等社会网络或媒体大肆造谣，煽动民意，传播恶意信息并组织犯罪活动，在社交媒体的推波助澜下，骚乱被极度放大并快速演变。在2013年4月四川“雅安地震”爆发后，微博成为最有力的信息传播媒体，各类政务微博、意见领袖、草根账号等充分利用微博的信息扩散能力，发布地震救援提示，为抗震救灾发挥积极作用.但是另一方面，也有不法分子利用微博传播谣言，欺骗公众，造成社会不安和民众恐慌，带来极坏的后果。对于社会网络中的信息传播，如何及时发现虚假舆情信息并采用正向引导策略，切断舆情传播路径，减少舆情信息的影响范围，成为亟待解决的问题，这对于舆情监控和维护国家公共安全具有重要意义。
本发明的主要技术特征体现在：
能够快速定位微博网络中影响力比较大的节点，可以为舆情控制和管理提供技术支持。
具体技术路线是：1.根据矩阵变换和计算快速得出微博网络中影响力大的节点；2.通过对影响力大的节点进行管理和控制可以实现在较小投入成本的情况下对微博的有效控制。影响力相关证明和计算见“图1——本发明对不同节点进行控制的示意图”和定理1。
下面结合附图举例对本发明做更详细地描述：
1)利用微博中的节点和关注信息构建微博影响网络；
具体的步骤如下：
●微博网络只一个有向图，以微博用户作为微博网络中的节点，代表第个用户节点；
●建立微博网络中的边的集合，如果用户a关注了用户b，则从用户b到a构建一条加权边，边的权重为用户a转发b微博次数与所有关注b的节点转发b微博次数的比值；
●根据用户之间微博转发情况计算节点之间的权重，用户b对用户a的权重为为用户a转发b微博次数与所有关注b的节点转发b微博次数的比值；
2)将微博网络中的节点划分为若干个联通子图；
具体步骤如下：
●在微博网络中未在任何联通子图的节点集合中选择一个节点a作为联通子图u；
●在微博网络中将所有指向节点a的节点集合与a合并形成节点集合u：
●重复步骤2，直到没有新的节点加入，则步骤2中所形成的集合为一个联通子图：
●如果微博网络中存在不包含在任何联通子图中的节点，则重复步骤1，直到所有的节点都被划分到联通子图中；
3)在每个联通子图中计算节点的影响力；
具体实现如下：
●根据微博网络中节点之间的边的权重在联通子图中构建影响力矩阵φ。
●对影响力矩阵φt进行拉普拉斯变化，得到令是φt的拉普拉斯矩阵，定义为影响矩阵。
●令为节点影响力。给定影响矩阵，利用公式计算，得到每个节点的影响力。
4)网络影响可控性证明
定理1：在一个影响网络中，给定驱动节点集合，如果对于所有节点，都存在一条从集合中的节点到的有向路径，则网络是影响可控的。
证明：假设节点为外部控制器，则节点到集合中的所有节点都存在一条有向边。如果所有节点都存在一条从某个驱动节点到节点的路径，则外部控制器可以到达网络中的每一个节点。由于从节点到影响网络的其他所有节点都存在一条有向路径，则在对应的markov链中，其他节点都有一条到节点(吸收态)的有向路径.因此，任意节点到达吸收态的概率，此markov链是一个吸收链.经过有限的时间步骤之后，每一个暂态最终将会收敛到吸收状态.因此，节点的状态将会和外部控制器(节点)相同。