意见领袖识别方法、装置、电子设备和存储介质与流程

1.本技术涉及数据处理技术领域，特别是涉及一种意见领袖识别方法、装置、电子设备和存储介质。


背景技术：

2.随着移动互联网的迅速发展，社交网络使得用户之间可以随时随地进行交流和沟通，例如：用户可以在各种社交平台进行交流互动。
3.在社交平台的信息传播过程中，存在着一些很有影响力的用户，这些用户在网络口碑效应、突发事件传播、社会舆论等方面有着重要的作用，被称之为“意见领袖”，在社交网络中挖掘意见领袖对营销、舆论引导、网络干预等问题都有着重大意义。
4.因此，如何精准识别意见领袖是当前研究的重点。


技术实现要素：

5.基于此，本技术提供一种能够精准识别意见领袖的意见领袖识别方法、装置、电子设备和存储介质。
6.第一方面，本技术提供了一种意见领袖识别方法，所述方法包括：
7.基于用户之间的互动操作，构建无向人际网络模型，所述无向人际网络模型用于表征用户之间的互动关系；
8.针对任一用户，从所述无向人际网络模型中确定所述用户的至少一个关系集，所述关系集中包括第一关联用户和至少一个第二关联用户，所述第一关联用户为与所述用户存在互动关系的用户，所述第二关联用户为与所述第一关联用户存在互动关系的用户；
9.根据各所述用户的关系集及各所述第一关联用户的初始领袖权值进行迭代处理，得到各所述用户的领袖权值；
10.根据各所述用户的所述领袖权值，从各所述用户中确定意见领袖。
11.基于本技术实施例提供的意见领袖识别方法，可以基于用户之间的互动操作形成无向人际网络模型，并通过用户的关系集，在精神领袖识别过程中，考虑无向人际网络模型中用户对应的节点之间主体和客体的关系，重视客体的重要性，可以提高意见领袖识别的精准度。
12.在其中一个实施例中，所述互动操作包括转发、评论、点赞、提及、收藏中的至少一项，所述无向人际网络模型中包括用户集合、用于表征用户之间互动关系的边集、所述边集中任一边对应的互动次数。
13.本公开实施例中，由于考虑到网络中主体和客体都有机会成为意见领袖，因此用户之间的互动关系使用无向图，也即可以基于用户之间的互动操作，在信息传播路径上构建无向人际网络模型，进而根据无向人际网络模型进行意见领袖的识别，可以提高意见领袖的识别精度。
14.在其中一个实施例中，所述根据各所述用户的关系集及各所述第一关联用户的初
始领袖权值进行迭代处理，得到各所述用户的领袖权值，包括：
15.在任一次迭代过程中，针对所述用户的任一关系集，根据所述关系集中所述第一关联用户的领袖权值、及所述关系集中所述至少一个第二关联用户与所述第一关联用户的所述互动次数，确定所述用户对于所述关系集的第一权重；
16.根据各所述关系集的第一权重，得到所述用户的领袖权值；
17.其中，在第一次迭代过程中，所述第一关联用户的领袖权值为初始领袖权值。
18.基于本技术实施例提供的意见领袖识别方法，可以基于用户之间的互动操作形成无向人际网络模型，并通过用户的关系集中第一关联用户及第二关联用户之间的互动次数，确定用户的直接和间接影响力，在精神领袖识别过程中，重视客体的重要性，可以丰富意见领袖的识别方法，并且可以提高意见领袖识别的精准度。
19.在其中一个实施例中，所述根据所述关系集中所述第一关联用户的领袖权值、及所述关系集中所述至少一个第二关联用户与所述第一关联用户的所述互动次数，确定所述用户对于所述关系集的第一权重，包括：
20.根据所述关系集中各所述第二关联用户与所述第一关联用户的互动次数，得到所述至少一个第二关联用户与所述第一关联用户的互动权重；
21.根据所述第一关联用户的领袖权值及所述互动权重，得到所述用户对于所述关系集的第一权重。
22.基于本技术实施例提供的意见领袖识别方法，可以通过用户的关系集中第一关联用户及第二关联用户之间的互动次数及第一关联用户的领袖权值，确定用户的直接和间接影响力，在精神领袖识别过程中，重视客体的重要性，可以丰富意见领袖的识别方法，并且可以提高意见领袖识别的精准度。
23.在其中一个实施例中，所述根据各所述关系集的第一权重，得到所述用户的领袖权值，包括：
24.根据各所述关系集的第一权重，确定所述用户的第二权重；
25.根据所述用户的第二权重及阻尼系数，确定所述用户的领袖权值。
26.基于本技术实施例提供的意见领袖识别方法，可以通过用户各关系集中第一关联用户及第二关联用户之间的互动次数及第一关联用户的领袖权值，确定用户的直接和间接影响力，进而确定用户的领袖权值，基于领袖权值确定意见领袖，在精神领袖识别过程中，重视客体的重要性，可以丰富意见领袖的识别方法，并且可以提高意见领袖识别的精准度。
27.第二方面，本技术还提供了一种意见领袖识别装置，所述装置包括：
28.构建模块，用于基于用户之间的互动操作，构建无向人际网络模型，所述无向人际网络模型用于表征用户之间的互动关系；
29.第一确定模块，用于针对任一用户，从所述无向人际网络模型中确定所述用户的至少一个关系集，所述关系集中包括第一关联用户和至少一个第二关联用户，所述第一关联用户为与所述用户存在互动关系的用户，所述第二关联用户为与所述第一关联用户存在互动关系的用户；
30.处理模块，用于根据各所述用户的关系集及各所述第一关联用户的初始领袖权值进行迭代处理，得到各所述用户的领袖权值；
31.第二确定模块，用于根据各所述用户的所述领袖权值，从各所述用户中确定意见
领袖。
32.在其中一个实施例中，所述互动操作包括转发、评论、点赞、提及、收藏中的至少一项，所述无向人际网络模型中包括用户集合、用于表征用户之间互动关系的边集、所述边集中任一边对应的互动次数。
33.在其中一个实施例中，所述处理模块，还用于：
34.在任一次迭代过程中，针对所述用户的任一关系集，根据所述关系集中所述第一关联用户的领袖权值、及所述关系集中所述至少一个第二关联用户与所述第一关联用户的所述互动次数，确定所述用户对于所述关系集的第一权重；
35.根据各所述关系集的第一权重，得到所述用户的领袖权值；
36.其中，在第一次迭代过程中，所述第一关联用户的领袖权值为初始领袖权值。
37.在其中一个实施例中，所述处理模块，还用于：
38.根据所述关系集中各所述第二关联用户与所述第一关联用户的互动次数，得到所述至少一个第二关联用户与所述第一关联用户的互动权重；
39.根据所述第一关联用户的领袖权值及所述互动权重，得到所述用户对于所述关系集的第一权重。
40.在其中一个实施例中，所述处理模块，还用于：
41.根据各所述关系集的第一权重，确定所述用户的第二权重；
42.根据所述用户的第二权重及阻尼系数，确定所述用户的领袖权值。
43.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项意见领袖识别方法。
44.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项意见领袖识别方法。
45.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项意见领袖识别方法。
46.上述意见领袖识别方法、装置、电子设备和存储介质，可以基于用户之间的互动操作，构建无向人际网络模型，无向人际网络模型用于表征用户之间的互动关系。针对任一用户，从无向人际网络模型中确定用户的至少一个关系集，关系集中包括第一关联用户和至少一个第二关联用户，第一关联用户为与用户存在互动关系的用户，第二关联用户为与第一关联用户存在互动关系的用户，根据各用户的关系集及各第一关联用户的初始领袖权值进行迭代处理，得到各用户的领袖权值，进一步根据各用户的所述领袖权值，从各用户中确定意见领袖。基于本技术实施例提供的意见领袖识别方法、装置、电子设备和存储介质，可以基于用户之间的互动操作形成无向人际网络模型，并通过用户的关系集，在精神领袖识别过程中，考虑无向人际网络模型中用户对应的节点之间主体和客体的关系，重视客体的重要性，可以提高意见领袖识别的精准度。
附图说明
47.图1为一个实施例中意见领袖识别方法的流程图；
48.图2为一个实施例中无向人际网络模型的示意图；
49.图3为一个实施例中意见领袖识别方法的流程图；
50.图4为一个实施例中意见领袖识别方法的流程图；
51.图5为一个实施例中意见领袖识别方法的流程图；
52.图6a为一个实施例中意见领袖识别方法的示意图；
53.图6b为一个实施例中意见领袖识别方法的示意图；
54.图7为一个实施例中意见领袖识别装置的结构框图；
55.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
56.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
57.图1是根据一示例性实施例示出的一种意见领袖识别方法的流程图，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
58.步骤102，基于用户之间的互动操作，构建无向人际网络模型，无向人际网络模型用于表征用户之间的互动关系。
59.本公开实施例中，可以基于用户之间的互动操作，构建一个无向人际网络模型，参照图2所示，该无向人际网络模型中包括各用户对应的节点，任两个用户之间存在互动操作，则对应的该两个用户对应的节点之间具有表征该两个用户之间存在互动关系的边(在无线人际网络模型中用节点之间的线段表征边)。
60.其中，用户可以包括待进行意见领袖识别的目标领域中的多个用户，例如：参与过目标领域话题或者事件讨论的用户，则可以根据这些用户之间的互动操作，构建对应的无向人际网络模型。
61.在一个示例性的实施例中，互动操作可以包括转发、评论、点赞、提及、收藏中的至少一项。也即，在构建无向人际网络模型的过程中，若用户之间存在转发、评论、点赞、提及、收藏中的至少一项互动操作，则可以建立该两个用户对应节点之间的边关系，也即说明该两个用户存在互动关系。实际上，本公开实施例中并不对用户之间的互动操作做具体限定，凡是属于用户互动的操作均适用于本公开实施例中。
62.在一个示例性的实施例中，无向人际网络模型中包括用户集合、用于表征用户之间互动关系的边集、边集中任一边对应的互动次数。本公开实施例中，可以将模型定义为g＝(v,e,w)。其中，v用于表征用户集合，e表示边集，《vi,vj》∈e用于表征用户vi和用户vj之间存在互动关系，w用于表征用户节点之间的权重集合，w
ij
用于表征用户vi和用户vj之间的互动次数，具体参照图2所示。
63.本公开实施例中，网络中存在交互的两个用户，可以划分为主体和客体，其中主体为被动交互的用户，客体为主动交互的用户，也即主体可以为内容的发布者，客体为对主体发布的内容执行相应互动操作的用户，例如：用户a发布了一篇文章，用户b对该文章进行了
点赞操作，则用户a可以作为主体，用户b可以作为客体。由于考虑到网络中主体和客体都有机会成为意见领袖，因此用户之间的互动关系使用无向图，也即可以基于用户之间的互动操作，在信息传播路径上构建无向人际网络模型，进而根据无向人际网络模型进行意见领袖的识别，可以提高意见领袖的识别精度。
64.步骤104，针对任一用户，从无向人际网络模型中确定用户的至少一个关系集，关系集中包括第一关联用户和至少一个第二关联用户，第一关联用户为与用户存在互动关系的用户，第二关联用户为与第一关联用户存在互动关系的用户。
65.本公开实施例中，针对任一用户，可以从无向人际网络模型中确定与用户存在互动关系的第一关联用户，并确定与各第一关联用户存在互动关系的第二关联用户，进而根据第一关联用户和第二关联用户构建该用户的关系集，也即该关系集中可以包括与该用户存在互动关系的第一关联用户，以及与各第一关联用户存在互动关系的第二关联用户。
66.示例性的，假设用户v1与用户v2互动过，包括用户v1两次转发用户v2发布的多媒体信息，用户v1一次点赞用户v2发布的多媒体信息，用户v2两次转发用户v1发布的多媒体信息，用户v2一次评论用户v1发布的多媒体信息；用户v2与用户v3互动过，包括用户v2三次转发用户v3发布的多媒体信息，用户v2一次评论用户v3发布的多媒体信息，用户v3一次转发用户v2发布的多媒体信息，用户v3一次点赞用户v2发布的多媒体信息。
67.则在无向人际网络模型中用户v1与用户v2存在互动关系，互动次数为6，用户v2与用户v3存在互动关系，互动次数为6。则针对用户v1来说，用户v1的一个关系集中，第一关联用户包括v2，第二关联用户包括v3；相应的针对用户v2来说，用户v2的一个关系集中，第一关联用户包括用户v1和用户v3，第二关联用户包括与用户v1和用户v3存在互动关系的用户；相对的针对用户v3来说，用户v3的一个关系集中，第一关联用户包括v2，第二关联用户包括v1。
68.步骤106，根据各用户的关系集及各第一关联用户的初始领袖权值进行迭代处理，得到各用户的领袖权值。
69.本公开实施例中，各用户均具有预设的初始领袖权值，示例性的，可以预设各用户的初始领袖权值为1。在确定各用户的关系集之后，可以根据各用户的关系集及各关系集中各第一关联用户的初始领袖权值进行迭代处理，确定各用户的领袖权值，在任一迭代过程中，可以基于各第一关联用户的在上一轮迭代过程中得到的领袖权值确定用户在当前迭代过程中的领袖权值，用户的领袖权值与第一关联用户的领袖权值正相关。在第一轮迭代过程中，第一关联用户在上一轮迭代过程中得到的领袖权值为初始领袖权值。其中，领袖权值用于表示用户作为意见领袖的概率。
70.步骤108，根据各用户的领袖权值，从各用户中确定意见领袖。
71.本公开实施例中，在多次迭代计算后，可以得到各用户的领袖权值，可以根据各用户的领袖权值进行排序，按需确定领袖权值最大的一个或者多个用户为意见领袖，并可以按照领袖权值对意见领袖进行排序；或者，在确定各用户的领袖权值后，可以结合各用户的用户属性信息(包括粉丝数、周期内作为主体与其他用户的互动总数及互动类型等数据)，从各用户中确定一个或者多个用户作为意见领袖，例如：可以确定领袖权值高、粉丝数多和/或周期内与其他用户的互动总数高的用户为意见领袖，具体基于领袖权值确定意见领袖的方式可以由本领域技术人员基于需求确定，本公开实施例对此不做具体限定。
72.上述意见领袖识别方法，可以基于用户之间的互动操作，构建无向人际网络模型，
无向人际网络模型用于表征用户之间的互动关系。针对任一用户，从无向人际网络模型中确定用户的至少一个关系集，关系集中包括第一关联用户和至少一个第二关联用户，第一关联用户为与用户存在互动关系的用户，第二关联用户为与第一关联用户存在互动关系的用户，根据各用户的关系集及各第一关联用户的初始领袖权值进行迭代处理，得到各用户的领袖权值，进一步根据各用户的所述领袖权值，从各用户中确定意见领袖。基于本技术实施例提供的意见领袖识别方法，可以基于用户之间的互动操作形成无向人际网络模型，并通过用户的关系集，在精神领袖识别过程中，考虑无向人际网络模型中用户对应的节点之间主体和客体的关系，重视客体的重要性，可以提高意见领袖识别的精准度。
73.在一示例性实施例中，参照图3所示，在步骤106中，根据各用户的关系集及各第一关联用户的初始领袖权值进行迭代处理，得到各用户的领袖权值，具体可以通过以下步骤实现：
74.步骤302，在任一次迭代过程中，针对用户的任一关系集，根据关系集中第一关联用户的领袖权值、及关系集中至少一个第二关联用户与第一关联用户的互动次数，确定用户对于关系集的第一权重，在第一次迭代过程中，第一关联用户的领袖权值为初始领袖权值；
75.步骤304，根据各关系集的第一权重，得到用户的领袖权值。
76.本公开实施例中，在任一次迭代过程中，第一关联用户的领袖权值越大，则表明第一关联用户的影响力越大，相反的，第一关联用户的领袖权值越小，则表明第一关联用户的影响力越小，进而可以第一关联用户的领袖权值及第一关联用户与至少一个第二关联用户的互动次数，确定用户对于该关系集的第一权重，第一权重可以用于表征用户对于该用户集中的用户的影响力。
77.其中，第一关联用户的领袖权值越大，与第二关联用户的互动次数越少，则对应的用户对于该关系集的第一权重越大，相反的，第一关联用户的领袖权值越小，与第二关联用户的互动次数越多，则对应的用户对于该关系集的第一权重越小。
78.在得到各关系集的第一权重后，可以基于各关系集的第一权重确定用户在当前迭代过程中的领袖权值。示例性的，可以采用对各关系集的第一权重进行相应数学运算(例如：对各关系集的第一权重进行加权和计算)的方式，得到用户在当前迭代过程中的领袖权值。
79.基于本技术实施例提供的意见领袖识别方法，可以基于用户之间的互动操作形成无向人际网络模型，并通过用户的关系集中第一关联用户及第二关联用户之间的互动次数，确定用户的直接和间接影响力，在精神领袖识别过程中，重视客体的重要性，可以丰富意见领袖的识别方法，并且可以提高意见领袖识别的精准度。
80.在一示例性实施例中，参照图4所示，步骤302中，根据关系集中第一关联用户的领袖权值、及关系集中至少一个第二关联用户与第一关联用户的所述互动次数，确定用户对于关系集的第一权重，可以通过以下步骤实现：
81.步骤402，根据关系集中各第二关联用户与第一关联用户的互动次数，得到至少一个第二关联用户与第一关联用户的互动权重；
82.步骤404，根据第一关联用户的领袖权值及互动权重，得到用户对于关系集的第一权重。
83.本公开实施例中，可以从无向人际网络模型中获取关系集中各第二关联用户与第一关联用户的互动次数，对各第二关联用户与第一关联用户的互动次数进行累加处理，可以得到至少一个第二关联用户与第一关联用户的互动权重。
84.示例性的，互动权重的确定过程可以采用下述公式(一)。
[0085][0086]
其中，ti用于表征用户的第一关联用户，o用于表征与第一关联用户ti存在互动关系的第二关联用户的集合，ok用于表征第k个第二关联用户，w
ik
用于表征第k个第二关联用户ok与第一关联用户ti的互动次数，c(ti)用于表征至少一个第二关联用于与第一关联用户的互动权重。
[0087]
在得到各关系集中第二关联用户与第一关联用户的互动权重后，可以基于各关系集中第一关联用户的领袖权值及各关系集对应的互动权重，确定用户对于各关系集的第一权重，针对任一关系集来说，用户对于该关系集的第一权重与该关系集中第一关联用户的领袖权值正相关，且与该关系集中第二关联用户与第一关联用户的互动权重正相关。
[0088]
基于本技术实施例提供的意见领袖识别方法，可以通过用户的关系集中第一关联用户及第二关联用户之间的互动次数及第一关联用户的领袖权值，确定用户的直接和间接影响力，在精神领袖识别过程中，重视客体的重要性，可以丰富意见领袖的识别方法，并且可以提高意见领袖识别的精准度。
[0089]
在一示例性实施例中，参照图5所示，在步骤304中，根据各关系集的第一权重，得到用户的领袖权值，具体可以采用以下步骤实现：
[0090]
步骤502中，根据各关系集的第一权重，确定用户的第二权重；
[0091]
步骤504中，根据用户的第二权重及阻尼系数，确定用户的领袖权值。
[0092]
本公开实施例中，可以根据各关系集的第一权重进行相应数学运算，得到用户的第二权重。例如：可以将用户对应的各关系集中的第一权重进行累加处理，得到用户的第二权重。为了防止出现领袖权值沉淀现象，引入阻尼系数，阻尼系数可设置为0～1之间的任一值(具体取值可以根据需求确定，例如：通常可以取值为0.85)。
[0093]
根据用户的第二权重及阻尼系数，可以确定用户的领袖权值。示例性的，具体过程可以参照下述公式(二)。
[0094][0095]
其中，a用于表征当前用户，nr(a)用于表征当前用户a的领袖权值，nr(ti)用于表征第一关联用户ti的领袖权值，d用于表征阻尼系数，n用于表征第一关联用户的总数。
[0096]
在多次迭代得到各用户的领袖权值后，可以根据各用户的领袖权值从各用户中确定作为意见领袖的用户，也即用户的领袖权值越高，做意见领袖的可能性越大，示例性的，可以将领袖权值最大的一个或者多个用户确定为意见领袖。
[0097]
基于本技术实施例提供的意见领袖识别方法，可以通过用户各关系集中第一关联用户及第二关联用户之间的互动次数及第一关联用户的领袖权值，确定用户的直接和间接影响力，进而确定用户的领袖权值，基于领袖权值确定意见领袖，在精神领袖识别过程中，重视客体的重要性，可以丰富意见领袖的识别方法，并且可以提高意见领袖识别的精准度。
[0098]
为使本领域技术人员更好的理解本公开实施例，以下通过具体事例对本公开实施
例加以说明。
[0099]
假设a、b、c、d为四个用户，用户a关注了用户b，用户b关注了用户c，用户c关注了用户a，用户d则没有关注其他人，同时也没有被其他人关注，如图6a所示。
[0100]
在图6a中，假设用户b发表原创多媒体信息，用户a对其进行了转发；用户b是用户c的粉丝，用户c却并未关注用户b，但用户c依旧可以转发用户b发布的多媒体信息；用户d虽然与其他用户没有关注关系，但其依旧可以转发相关的多媒体信息，图6a充分体现了信息传播路径和转发路径的密切关系。由于考虑到网络中主体和客体都有机会成为意见领袖，因此本公开实施例中用户之间的转发关系使用无向图，如图6b所示。根据图6b可以得到用户之间的邻接关系矩阵
[0101]
本公开实施例采用无向加权的人际网络模型，以准确识别意见领袖，可以将模型定义为g＝(v,e,w)。其中，v用于表征用户集合，e表示边集,《vi,vj》∈e用于表征用户vi和用户vj之间存在互动关系，w用于表征用户节点之间的权重集合，w
ij
用于表征用户vi和用户vj之间的互动次数，具体参照图2所示。
[0102]
示例性的，获取原始数据，包括(1)用户信息：用户id、用户昵称、省份城市、性别、粉丝数、状态数、创建时间；(2)多媒体信息：多媒体信息id、发布时间、多媒体内容、被转发次数、被评论次数、源用户、话题类型；(3)用户关注关系：用户id、关注id；(4)多媒体信息关系：多媒体信息id、来源多媒体信息id。对数据进行预处理，去掉噪音数据后，获得最终数据统计情况。
[0103]
由于意见领袖大多是话题依赖的，因此可以以话题为例进行意见领袖的识别。可以对预处理后的数据进行话题分类处理，得到个较为具体的多个话题，例如：“火箭”、“韩剧”和“摩托车”等。
[0104]
针对任一话题，可以根据话题内的用户数据创建无向人际网络模型，进而基于无向人际网络模型中用户之间的互动关系及互动次数进行领袖权值的迭代计算，得到各用户的领袖权值。
[0105]
例如：在创建无向人际网络模型之后，可以从该无向人际网络模型中确定各用户的至少一个关系集，针对任一用户来说，该用户对应的任一关系集中可以包括第一关联用户和至少一个第二关联用户，进而可以根据各用户的关系集及各所述第一关联用户的初始领袖权值进行迭代处理，得到各用户的领袖权值。
[0106]
示例性的，针对任一用户，可以根据关系集中各第二关联用户与第一关联用户的互动次数，得到至少一个第二关联用户与第一关联用户的互动权重(具体过程参照前述实施例的相关描述即可)，进而根据各关系集的第一权重，确定该用户的第二权重，例如：对该用户对应的各关系集的第一权重进行加权累加，得到用户的第二权重。进一步的，根据用户的第二权重及阻尼系数进行数学运算(具体过程参照前述实施例的相关描述即可)，可以得到该用户的领袖权值。
[0107]
以此类推，可以得到各个用户的领袖权值，进而根据各用户的领袖权值，从用户中确定出意见领袖，例如：根据各用户的领袖权值的大小对用户进行排序，以从队列中确定前
d个领袖权值最大的用户为意见领袖。
[0108]
本公开实施例中是按照信息的传播路径进行意见领袖识别的，更容易挖掘普通用户中的潜在意见领袖，也即可以提高意见领袖的识别精度，本公开实施例属于基于无向网络的pagerank(网页排名)算法的一种演变，但是克服了pagerank平均分配权值的缺点，使得计算时的收敛速度更快。
[0109]
也即，本公开实施例基于用户之间的互动关系形成无向人际网络模型，注重网络中的节点主体和客体的关系，不忽略客体的重要性，提高意见领袖的识别精度，可以弥补pagerank算法在平均分配权值方面的缺点，提高收敛速度。
[0110]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0111]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的意见领袖识别方法的意见领袖识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个意见领袖识别装置实施例中的具体限定可以参见上文中对于意见领袖识别方法的限定，在此不再赘述。
[0112]
在一个实施例中，如图7所示，提供了一种意见领袖识别装置，包括：构建模块702、第一确定模块704、处理模块706和第二确定模块708，其中，
[0113]
构建模块702，用于基于用户之间的互动操作，构建无向人际网络模型，所述无向人际网络模型用于表征用户之间的互动关系；
[0114]
第一确定模块704，用于针对任一用户，从所述无向人际网络模型中确定所述用户的至少一个关系集，所述关系集中包括第一关联用户和至少一个第二关联用户，所述第一关联用户为与所述用户存在互动关系的用户，所述第二关联用户为与所述第一关联用户存在互动关系的用户；
[0115]
处理模块706，用于根据各所述用户的关系集及各所述第一关联用户的初始领袖权值进行迭代处理，得到各所述用户的领袖权值；
[0116]
第二确定模块708，用于根据各所述用户的所述领袖权值，从各所述用户中确定意见领袖。
[0117]
上述意见领袖识别装置，可以基于用户之间的互动操作，构建无向人际网络模型，无向人际网络模型用于表征用户之间的互动关系。针对任一用户，从无向人际网络模型中确定用户的至少一个关系集，关系集中包括第一关联用户和至少一个第二关联用户，第一关联用户为与用户存在互动关系的用户，第二关联用户为与第一关联用户存在互动关系的用户，根据各用户的关系集及各第一关联用户的初始领袖权值进行迭代处理，得到各用户的领袖权值，进一步根据各用户的所述领袖权值，从各用户中确定意见领袖。基于本技术实施例提供的意见领袖识别装置，可以基于用户之间的互动操作形成无向人际网络模型，并通过用户的关系集，在精神领袖识别过程中，考虑无向人际网络模型中用户对应的节点之
间主体和客体的关系，重视客体的重要性，可以提高意见领袖识别的精准度。
[0118]
在其中一个实施例中，所述互动操作包括转发、评论、点赞、提及、收藏中的至少一项，所述无向人际网络模型中包括用户集合、用于表征用户之间互动关系的边集、所述边集中任一边对应的互动次数。
[0119]
在其中一个实施例中，所述处理模块，还用于：
[0120]
在任一次迭代过程中，针对所述用户的任一关系集，根据所述关系集中所述第一关联用户的领袖权值、及所述关系集中所述至少一个第二关联用户与所述第一关联用户的所述互动次数，确定所述用户对于所述关系集的第一权重；
[0121]
根据各所述关系集的第一权重，得到所述用户的领袖权值；
[0122]
其中，在第一次迭代过程中，所述第一关联用户的领袖权值为初始领袖权值。
[0123]
在其中一个实施例中，所述处理模块，还用于：
[0124]
根据所述关系集中各所述第二关联用户与所述第一关联用户的互动次数，得到所述至少一个第二关联用户与所述第一关联用户的互动权重；
[0125]
根据所述第一关联用户的领袖权值及所述互动权重，得到所述用户对于所述关系集的第一权重。
[0126]
在其中一个实施例中，所述处理模块，还用于：
[0127]
根据各所述关系集的第一权重，确定所述用户的第二权重；
[0128]
根据所述用户的第二权重及阻尼系数，确定所述用户的领袖权值。
[0129]
上述意见领袖识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0130]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种意见领袖识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0131]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0132]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0133]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0134]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被
处理器执行时实现上述各方法实施例中的步骤。
[0135]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0136]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0137]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0138]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。