社交网络中用户影响力分析方法、装置及电子设备与流程

本申请涉及互联网技术领域，尤其涉及一种社交网络中用户影响力分析方法、装置及电子设备。

背景技术：

随着互联网技术的迅速发展，社交网络应运而生，其具有用户规模大，话题信息传递迅速和影响范围广等特点。社交网络的迅速发展已经成为了一个新型的新信息载体的转播媒介，对于人们日常工作和生活产生的影响也越来越大。社交网络将人们联系在了一起，在该社交网络中每个人的影响力存在差异性的。因此，需要分析出该社交网络中的目标人物，例如，领导者。

当前的社交网络中用户的影响力分析方法，偏重于用户行为内容分析，譬如，通过用户说了什么？评价了什么？转发了什么？然后给用户制作标签，如性别、年龄段等标签。然后利用标签对用户进行群体刻画，从而进行建模分析。但是，该方法仅实现在整个社交网络中对用户个体的行为进行分析，无法实现对用户及其社交网络进行有效分析，并准确分析出该社交网络中目标人物。

申请内容

本申请实施例提供一种社交网络中用户影响力分析方法，用于解决现有技术中无法实现对用户及其社交网络进行有效分析，并准确分析出该社交网络中目标人物的问题。

本申请实施例还提供一种社交网络中用户影响力分析装置，用于解决现有技术中无法实现对用户及其社交网络进行有效分析，并准确分析出该社交网络中目标人物的问题。

本申请实施例还提供一种电子设备，用于解决现有技术中无法实现对用户及其社交网络进行有效分析，并准确分析出该社交网络中目标人物的问题。

本申请实施例采用下述技术方案：

第一方面，提出了一种社交网络中用户影响力分析方法，所述方法包括：

根据用户的社交网络中与各个用户对应的各个所述节点的度值，确定各个所述节点的跳跃度；所述度值由各个用户之间通讯行为数据确定的；

当各个所述节点中具有最大跳跃度的节点的度值满足预设条件时，确定所述节点对应的用户为具有影响力的目标人物；所述预设条件为一个或多个参数超出阈值。

第二方面，提出了一种社交网络中用户影响力分析装置，所述装置包括：

跳跃度确定模块，用于根据用户的社交网络中与各个用户对应的各个所述节点的度值，确定各个所述节点的跳跃度；所述度值由各个用户之间通讯行为数据确定的；

目标人物确定模块，用于当各个所述节点中具有最大跳跃度的节点的度值满足预设条件时，确定所述节点对应的用户为具有影响力的目标人物；所述预设条件为一个或多个参数超出阈值。

第三方面，提出了一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

根据用户的社交网络中与各个用户对应的各个所述节点的度值，确定各个所述节点的跳跃度；所述度值由各个用户之间通讯行为数据确定的；

当各个所述节点中具有最大跳跃度的节点的度值满足预设条件时，确定所述节点对应的用户为具有影响力的目标人物；所述预设条件为一个或多个参数超出阈值。

第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

根据用户的社交网络中与各个用户对应的各个所述节点的度值，确定各个所述节点的跳跃度；所述度值由各个用户之间通讯行为数据确定的；

当各个所述节点中具有最大跳跃度的节点的度值满足预设条件时，确定所述节点对应的用户为具有影响力的目标人物；所述预设条件为一个或多个参数超出阈值。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

本申请通过根据各用户之间通讯行为的数据，确定用户的社交网络中与各个用户对应的各个节点的度值；再根据各个节点的度值，确定各个节点的跳跃度；当各个节点中具有最大跳跃度的节点的度值满足预设条件时，确定节点对应的用户为具有影响力的目标人物。可知，本申请是基于各用户之间的通讯行为的数据，确定该社交网络中具有影响力的目标人物，实现了对用户及其社交网络进行有效分析，并准确分析出该社交网络中具有影响力的目标人物。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的社交网络中用户影响力分析方法的一示意性流程图；

图2为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中一层社交网络结构分析图；

图3为本申请实施例提供的社交网络中用户影响力分析方法中用户数据的流向示意图；

图4为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中一层社交网络结构图；

图5为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中二层社交网络结构图；

图6为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中三层社交网络结构图；

图7为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中三层社交网络结构的意见领袖分析示意图；

图8为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中三层社交网络结构的活跃分子分析示意图；

图9为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中三层社交网络结构的交际花分析示意图；

图10为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中三层社交网络结构的好人缘分析示意图；

图11为本申请实施例提供的社交网络中用户影响力分析方法的一实际应用场景中三层社交网络结构的核心人物分析示意图；

图12为本申请实施例提供的社交网络中用户影响力分析装置的结构示意图；

图13为本申请实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供的一种社交网络中用户影响力分析方法，采用mvc(modelviewcontroller)框架，mvc框架是一种软件设计典范，用一种业务逻辑、数据、界面显示分离的方法组织代码，将业务逻辑聚集到一个部件里面，在改进和个性化定制界面及用户交互的同时，不需要重新编写业务逻辑。mvc框架用于映射传统的输入、处理和输出功能在一个逻辑的图形化用户界面的结构中。

本申请实施例提供的一种社交网络中用户影响力分析方法的执行主体可以是计算机、服务器或用于分析用户影响力的装置/软件。为了便于清楚的描述本申请实施例提供的该方法，下文以方法的执行主体为服务器为例，详细介绍本申请实施例提供的方法。

本领域技术人员可以理解，该方法的执行主体为服务器只是一种示例性说明，并不是对本方法的执行主体的具体限定。

图1示出了本申请实施例提供的一种社交网络中用户影响力分析方法的一示意性流程图，如图1所示，该方法包括：

步骤101、根据用户的社交网络中与各个用户对应的各个节点的度值，确定各个节点的跳跃度。

该用户的社交网络中包括多个对应用户的节点，也就是说，社交网络中的节点代表用户。该社交网络可以指某用户的社交群体，即某用户的朋友圈。

在本步骤中，该度值由各个用户之间通讯行为数据确定的。该各个用户之间通讯行为的数据可以是模拟数据，比如，各个用户之间的语音通话、传输的图像。各个用户之间通讯行为的数据也可以是数字数据，比如，各个用户之间传输的符号、文字。该各个用户之间通讯行为的数据的获取，可以在社交应用的通讯记录中获取，比如，qq的聊天记录，微信的聊天记录，等等。

该度值可以包括每个节点的入度、出度、中间中心度、接近中心度、特征向量中心度。其中，入度可以为节点接收通讯信息的通讯线路条数；出度可以为节点发送通讯信息的通讯线路条数；中间中心度可以为节点处于所述社交网络中两节点之间的通讯线路上的概率之和；接近中心度可以为节点与社交网络中的其他节点之间存在最短通讯线路之和；特征向量中心度可以为节点的中心度值向量。

在执行步骤101之前，执行以下步骤：获取各个节点的度值。由于该度值可以包括节点的入度、出度、中间中心度、接近中心度、特征向量中心度，所以对每个节点的度值的获取，可以采用以下方式：

1)获取各个节点的中间中心度，具体采用以下公式：

cabi＝∑∑bab(i)；

bjk(i)＝gjk(i)/gjk

其中，cabi表示节点i处于社交网络中两节点之间的通讯线路上的概率之和，a和b表示社交网络中的两节点；bjk(i)表示节点i在节点j和节点k之间的通讯线路上的概率；k≠i并且j<k；gjk表示节点j和节点k之间存在的通讯线路条数；gjk(i)表示节点j和节点k之间存在的经过节点i的通讯线路条数。

2)获取各个节点的接近中心度，具体采用以下公式：

其中，表示节点i与社交网络中的其他节点之间存在最短通讯线路之和；dij表示节点i和节点j之间的通讯线路之和。

该接近中心度的概念是由巴乌拉斯(a.bavelas)等学者提出的，该接近中心度概念的形式化表达是由萨比杜斯(g.sabidussi)给出的(引自freeman，1979)。

3)所述获取各个所述节点的特征向量中心度，具体采用以下公式：

xi＝a1ix1+a2ix2+…+anixn①

其中，xi表示节点i的中心度值向量；aij表示节点i对节点j的地位贡献量。

也就是说，特征向量中心度是指一个节点的中心度值是选择此节点的其他节点的中心度的一个函数，即一个节点的中心度是选择此节点的其他节点的中心度的一个函数。其由邻接矩阵a表示。

a^t是a的转置矩阵，在公式a^t·x＝x②在公式②中，x是与特征根1对应的a的一个特征向量(eigenvector)。一般情况下，方程②无非0解，除非a有一个特征根是1。有一种方法可使这些方程组有解，这就需要对矩阵的每一行进行标准化，从而使得每一行的总和为1。这时候，方程②有非0解，因为a有一个特征根1。另外一种方法是把方程②推广，使之成为一般意义上的特征向量方程。我们用方程③和④分别代替方程①和②，λxi＝a1ix1+a2ix2++anixn③a^t.x＝λx④如果a是一个n×n矩阵，方程④就有对应于n个λ值的n个解。解的一般形式可以用矩阵表达为a·x＝x·λ。其中，x是一个n×n矩阵，其各列是矩阵a的n个特征向量，而λ是由各个特征根构成的对角线矩阵。对于一个网络的邻接矩阵来说，其主特征根的具体计算过程如下(seeborgatti’syllabus；bonacich，1972)：(1)开始的时候，赋予每个点的中心度值都为1；(2)根据每个点的全部邻点的中心度值的加权总和值来重新计算每个点的中心度；(3)把每个值都除以最大值，使v标准化；(4)重复步骤(2)和(3)，直到各个v的值不再变化。

在获取各个节点的度值之后，执行步骤102，根据各个节点的度值，确定各个节点的跳跃度，具体可以采用以下公式：

其中，设x(1),x(2)…,x(n)为来自总体分布f(x,θ)的样本容量为n的次序统计量；表示μ在节点k的跳跃度；为仅依赖于x(1),x(2)…,x(k)的期望μ的节点估计。

步骤102、当各个节点中具有最大跳跃度的节点的度值满足预设条件时，确定节点对应的用户为具有影响力的目标人物。

该预设条件为一个或多个参数超出阈值。该阈值可以为0.95分位数的度值中最大的度值。例如，节点a的入度超过0.95分位数的节点的入度，节点b的出度超过0.95分位数的节点的出度，节点c的中间中心度超过0.95分位数的节点的中间中心度，节点d的接近中心度超过0.95分位数的节点的接近中心度、节点e的特征向量中心度超过0.95分位数的节点的特征向量中心度，且节点a、b、c、d和e总数量不超过总结点数的0.05分位数。

在本步骤中，若节点的入度满足预设条件，则确该节点对应的用户为意见领袖，该意见领袖是指发表意见有很多人响应的人；若节点的出度满足预设条件，则确定该节点对应的用户为活跃分子，该活跃分子是指经常响应其他人发表的意见的人；若节点的中间中心度满足预设条件，则确定该节点对应的用户为交际花，该交际花是指连接两个无直接联系的人的人；若节点的接近中心度满足预设条件，则确定该节点对应的用户具有好人缘，该具有好人缘的用户是指在整个社交网络中，与所有的用户的联系都较近的人；若节点的特征向量中心度满足预设条件，则确定该节点对应的用户为核心分子，该核心分子是指在整个社交网络中与其他关键人物联系较紧密的人，该其他关键人物可以指意见领袖、活跃分子、交际花和好人缘。

具体实施时，根据各个用户之间的通讯行为数据，确定用户的社交网络中各个节点的度值。该社交网络中至少可以包含以下用户：72、25和62。现以用户72、25和62为例，如图2所示，当选择一层社交网络结构时，当分析的节点对应的是普通用户时，该用户的第一层邻居25号结点是交际花，72号、62号结点既是核心份子，又是好人缘，72号节点还是意见领袖。当前结点与其一级朋友圈在整个社交群体中都不是活跃份子，说明其主动和其它人联系情况不多。在实际应用中，假设当前节点对应的用户为嫌疑人，从上面的社交结构初步判断，嫌疑人及其朋友圈构成小团伙，其中，25号属于该团伙的对外联系人，推测其负责销赃，72号和62号是该团伙内比较有分量人物。这些关键人物还可通过点击结点链接的方式进一步分析其自身的网络结构。

本申请实施例通过各个用户之间的通讯行为数据，确定用户的社交网络中各个节点的度值，从而确定各个节点对应的用户的身份，实现了在整体社交网络下对单个用户及其朋友圈结构分析，能够更清晰、直观的去了解跟用户相关的用户的情况。更能够突出以当前分析用户为核心，对该用户及其社交网络进行分析。

进一步的，为了筛选出某个用户的朋友圈，以便于对该用户及该用户朋友圈进行分析，在执行步骤101之前，社交网络中用户影响力分析方法还可以包括以下步骤：步骤100、根据各个用户之间的通讯行为数据，建立用户的社交网络。该用户的社交网络中包括多个对应用户的节点，也就是说，社交网络中的节点代表用户。该社交网络可以指某用户的社交群体，即某用户的朋友圈。

进一步的，为了筛选出某个用户各个层级的朋友圈，以便于对该用户及该用户各层级的朋友圈进行分析，在执行步骤100之后，社交网络中用户影响力分析方法还可以包括以下步骤：以社交网络中的任一节点为起点，查找与节点相邻的相邻节点。其中，与节点相邻的相邻节点可以指在空间上与节点属于同一层级且无联系的节点，或者，与节点存在联系的节点。

在本步骤中，查找与节点相邻的相邻节点，具体实现可以包括以下两种方式：

第一种查找方式可以称为广度优先查找，该广度优先查找方式是连通社交网络的一种遍历策略，是以某一节点开始以辐射状地优先遍历该节点周围较广的区域。该广度优先查找方式具体实现可以为：以社交网络中的任一节点为起点，查找与节点存在通讯的第n相邻节点，n为≥1的正整数。以第n相邻节点为起点，查找与第n相邻节点存在通讯的第m相邻节点，m＞n＞1的正整数。

例如，以节点v0的社交网络为例，该广度优先查找方式是以v0为顶点，步骤s11，访问节点v0；步骤s12，从节点v0出发访问v0的各个未曾访问的邻节点w1，w2，…,wk；步骤s13，依次从节点w1，w2,…,wk出发访问各自未被访问的邻节点；步骤s14，重复步骤s12，直到全部顶点都被访问为止。

第二种查找方式可以称为深度优选查找，该深度优先查找方式是连通社交网络的一种遍历策略，是以某一节点为起点以沿着树的深度遍历树的分支。该深度优选查找方式具体实现可以为：以社交网络中的任一节点为起点，查找与节点未存在通讯的第p相邻节点，p为≥1的正整数；以第p相邻节点为起点，查找与第p相邻节点未存在通讯的第q相邻节点，q＞p＞1的正整数。

例如，以节点vi的社交网络为例，该深度优选查找方式是以vi为顶点，步骤s21，访问节点vi并标记该顶点；步骤s22，以vi为当前顶点，依次搜索vi的每个邻节点vj，若节点vj未被访问过，则访问和标记邻节点vj，若vj已被访问过，则搜索节点vi的下一个邻节点；步骤s23，以vj为当前顶点，重复步骤s22，直到交互网络中与节点vi有路径相通的顶点都被访问为止；步骤s33，若交互网络中尚有顶点未被访问过(非连通的情况下)，则可任取图中的一个未被访问的顶点作为出发点，重复上述步骤，直至交互网络中所有顶点都被访问为止。

本申请实施例通过用户的社交网络结构(用户及其邻居)，了解到与此用户发生过通讯关系的用户都有哪些。而且，能够清晰的看出社交网络结构中待分析节点对应的用户的朋友圈层次关系。

进一步的，为了使得社交网络可视化，所述社交网络中用户影响力分析方法可以还包括以下步骤，如图3所示：

步骤s31，将用户的社交网络结构以js对象标记(javascriptobjectnotation,json)格式存储在服务器的主机上。

其中，json格式是一种轻量级的数据交换格式，其基于ecmascript规范的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得json成为理想的数据交换语言。易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。

步骤s32，通过load工具将该社交网络结构中的各个用户的数据导入到mysql数据库。

其中，mysql是一种开放源代码的关系型数据库管理系统(rdbms)。

步骤s33，将存储在mysql数据库中的数据进行可视化展示。

本申请实施例实现了对用户及其朋友圈的可视化展示及分析，通过用户的社交网络结构(用户及其邻居)，了解到与此用户发生过通讯关系的用户都有哪些。而且，通过不同的分群方法，可以了解到这些用户在各个朋友圈中的身份。同时，能够在社交网络结构的基础上展示各个用户的社交网络结构。

具体实施时，根据各个用户之间的通讯行为数据，建立用户的社交网络。该社交网络中至少可以包含以下用户：id10002、id72、id39、id14、id95、id77、id5和id51。现以用户id10002、id72、id39、id14、id95、id77、id5和id51为例，当选择一层社交网络结构时，点击当前用户id10002，可视化展示与当前用户id10002发生直接联系的用户(如图4所示)，以及当前用户id10002的身份分析信息；当选择二层社交网络结构时，点击当前用户id72，可视化展示与当前用户id72发生直接联系的相邻用户，与该相邻用户发生直接联系的用户(如图5所示)，以及当前用户id72的身份分析信息；当选择三层社交网络结构时，点击当前用户id39，可视化展示与当前用户id39发生直接联系的一级相邻用户，与该一级相邻用户发生直接联系的二级相邻用户，与该二级相邻用户发生直接联系的用户(如图6所示)，以及当前用户id39的身份分析信息；当选择三层社交网络结构时，点击当前用户id14，可视化展示当前用户id14的身份分析信息，根据分析可知该当前用户id14为意见领袖(如图7所示)；当选择三层社交网络结构时，点击当前用户id95，可视化展示当前用户id95的身份分析信息，根据分析可知该当前用户id95为活跃分子(如图8所示)；当选择三层社交网络结构时，点击当前用户id77，可视化展示当前用户id77的身份分析信息，根据分析可知该当前用户id77为交际花(如图9所示)；当选择三层社交网络结构时，点击当前用户id5，可视化展示当前用户id5的身份分析信息，根据分析可知该当前用户id5为好人缘(如图10所示)；当选择三层社交网络结构时，点击当前用户id51，可视化展示当前用户id51的身份分析信息，根据分析可知该当前用户id51为核心人物(如图11所示)。

图12示出了本申请实施例提供的一种社交网络中用户影响力分析装置的结构示意图，如图12所示，该社交网络中用户影响力分析装置基于与本申请一实施例提供的一种社交网络中用户影响力分析方法同样的发明构思，该装置可以包括：

跳跃度确定模块121，用于根据社交网络中各个所述节点的度值，确定各个所述节点的跳跃度；所述度值由各个用户之间通讯行为数据确定的；

目标人物确定模块122，用于当各个所述节点中具有最大跳跃度的节点的度值满足预设条件时，确定所述节点对应的用户为具有影响力的目标人物；所述预设条件为一个或多个参数超出阈值。

其中，阈值为0.95分位数的度值中最大的度值。

社交网络中用户影响力分析装置还可以包括：

获取模块123，用于获取各个节点的度值，度值包括每个节点的入度、出度、中间中心度、接近中心度、特征向量中心度；

其中，入度为节点接收通讯信息的通讯线路条数；出度为节点发送通讯信息的通讯线路条数；中间中心度为节点处于所述社交网络中两节点之间通讯线路上的概率之和；接近中心度为节点与社交网络中的其他节点之间存在最短通讯线路之和；特征向量中心度为节点的中心度值向量。

获取各个节点的中间中心度，具体可以采用以下公式：

cabi＝∑∑bab(i)

bjk(i)＝gjk(i)/gjk

其中，cabi表示节点i处于社交网络中两节点之间的通讯线路上的概率之和，a和b表示社交网络中的两节点；bjk(i)表示节点i在节点j和节点k之间的通讯线路上的概率；k≠i并且j<k；gjk表示节点j和节点k之间存在的通讯线路条数；gjk(i)表示节点j和节点k之间存在的经过节点i的通讯线路条数。

获取各个节点的接近中心度，具体可以采用以下公式：

其中，表示节点i与社交网络中的其他节点之间存在最短通讯线路之和；dij表示节点i和节点j之间的通讯线路之和。

所述获取各个所述节点的特征向量中心度，具体采用以下公式：

xi＝a1ix1+a2ix2+…+anixn

其中，xi表示节点i的中心度值向量；aij表示节点i对节点j的地位贡献量。

确定各个所述节点的跳跃度，具体可以采用以下公式：

其中，表示μ在节点k的跳跃度；为仅依赖于x(1),x(2)…,x(k)的期望μ的节点估计。

社交网络中用户影响力分析装置还可以包括：

查找模块124，用于以社交网络中的任一节点为起点，查找与节点相邻的相邻节点。

查找模块124可以包括：

第一查找单元，用于以社交网络中的任一节点为起点，查找与节点存在通讯的第n相邻节点，n为≥1的正整数；

第二查找单元，用于以第n相邻节点为起点，查找与第n相邻节点存在通讯的第m相邻节点，m＞n＞1的正整数。

查找模块可以包括：

第三查找单元，用于以社交网络中的任一节点为起点，查找与节点未存在通讯的第p相邻节点，p为≥1的正整数；

第四查找单元，用于以第p相邻节点为起点，查找与第p相邻节点未存在通讯的第q相邻节点，q＞p＞1的正整数。

社交网络中用户影响力分析装置还可以包括：

建立模块125，用于根据各个用户之间的通讯行为数据，建立社交网络；所述社交网络中包括多个对应所述用户的节点。

本申请通过根据各用户之间通讯行为的数据，确定社交网络中各个节点的度值；再根据各个节点的度值，确定各个节点的跳跃度；当各个节点中具有最大跳跃度的节点的度值满足预设条件时，确定节点对应的用户为具有影响力的目标人物。可知，本申请是基于各用户之间的通讯行为的数据，确定该社交网络中具有影响力的目标人物，实现了对用户及其社交网络进行有效分析，并准确分析出该社交网络中具有影响力的目标人物。

图13是本申请的一个实施例社交网络中用户影响力分析的结构示意图。请参考图13，在硬件层面，该社交网络中用户影响力分析装置包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少1个磁盘存储器等。当然，该多人游戏资源分配的装置还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industrystandardarchitecture，工业标准体系结构)总线、pci(peripheralcomponentinterconnect，外设部件互连标准)总线或eisa(extendedindustrystandardarchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成应用大数据的批处理装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

根据社交网络中各个所述节点的度值，确定各个所述节点的跳跃度；所述度值由各个用户之间通讯行为数据确定的；

当各个所述节点中具有最大跳跃度的节点的度值满足预设条件时，确定所述节点对应的用户为具有影响力的目标人物；所述预设条件为一个或多个参数超出阈值。

上述如本申请图1所示实施例揭示的社交网络中用户影响力分析装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field－programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该社交网络中用户影响力分析装置还可执行图1中多人游戏资源分配的方法，并实现社交网络中用户影响力分析装置在图1所示实施例的功能，本申请实施例在此不再赘述。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中社交网络中用户影响力分析方法，并具体用于执行：

根据社交网络中各个所述节点的度值，确定各个所述节点的跳跃度；所述度值由各个用户之间通讯行为数据确定的；

当各个所述节点中具有最大跳跃度的节点的度值满足预设条件时，确定所述节点对应的用户为具有影响力的目标人物；所述预设条件为一个或多个参数超出阈值。

本领域内的技术人员应明白，本申请的实施例可提供为装置、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。