微博用户关系数据挖掘模型介绍

概述

不同于传统互联网媒体，微博作为社交媒体最大的优势在于引入了非对等的用户关系，这种用户关系仅令传播更加高效。如果将微博中的用户视作节点，用户之间的关系视作节点之间的边，那么这些节点和边将构成一个社交的网络拓扑结构，或称作社交图谱，如图1所示。微博中的信息从社交图谱中的某个节点发出，并通过边来传播。

图1 微博中的社交图谱

但是信息在这个网络中的流动并不是无差别的，信息的起始点（信息的生产者），信息流动中所经历的节点（信息的传播者），节点之间关系的强弱（传播者相对生产者的亲密程度），以及这些节点构成的关系圈……都是影响信息流动广度和深度的重要因素。

构建用户关系模型，就是针对图1这种关系网络中的节点（代表了用户）、边（代表了关系和方向）、关系圈（代表了由关系聚合而成的群体）进行分析，全面地描述和刻画社交媒体的关系网络。

微博用户关系模型

2.1 量化节点的传播能力：传播力

从信息传播的角度看，当信息沿着边流经不同节点的时候，由于有些用户产生或传播的内容能够影响到更多的用户（如图1中比较大的节点），而有些用户的影响范围则非常有限（如图1中比较小的节点），那么他们给信息带来的“传播收益”（信息传播的广度与深度）也不一样。微博中采用传播力来量化这种重要程度。

传播力的计算基于一个基本假设：传播力沿着信息传播的路径反向传递。如图2所示。通俗解释是，传播力越高的用户在传播一条微博的时候，传递给上一级用户的传播力也越高；一个用户发出的微博被越多传播力高的用户转发，他的传播力也会越高。就像我们的身边总有那么几个大嘴巴，什么事情经他们一絮叨就会路人皆知，如果某天有件不露脸的事让他给散发出去了，你也随之出名了一样。

图2 信息传播路径（实线）&传播力传递方向（虚线）

这个假设与PageRank的思路是相似的。那么，需要做的就是收集一定量的微博的转发记录，构建传播力传递图，图中的节点是用户，边的方向代表了传播力的传递方向，边上的权重代表源用户（传递的起始用户）到目标用户（传递的接收用户）的传播力的分配比例，如图3所示。给定用户的初始传播力值，通过多轮迭代（传递），直到传播力值稳定。

图3 传播力传递图

2.2 计算关系边强度：亲密度

微博本身只通过方向性来区分关系边，也就是说任意u1、u2两个用户之间的关系存在三种情况“u1关注u2”“u2关注u1”“u1，u2互粉”。但相同类型的关系（例如“u1关注u2”和“u1关注u3”）存在强弱的区别，如果将方向性作为关系边的定性描述，关系强度则可以视作关系边的定量描述。我们管关系边的强度称之为“亲密度”，由于关系边是存在方向性的，亲密度是一个用户对另一个用户的关注程度，衡量该有向边的强度。

能够反应亲密度的互动行为都可以被纳入到亲密度计算中，在微博中包括评论行为、转发行为、赞行为、提及(@)行为等。简单来说，这些行为在亲密度评价中都具有一定的权重，当用户u1关注了用户u2，u1对u2的这些行为越多越频繁，那么u1对u2的亲密度越高。

此外，还考虑两个因素：用户之间的关系类型以及用户本身的互动频率。首先，通常认为互粉关系的亲密度要比单向关注关系的亲密度高；其次，有些用户本身比较活跃，乐于互动（转、评、赞），那么体现出来他跟其他用户的互动行为较多，并不能说明他跟这些用户非常亲密，而有些沉默寡言的用户，虽然与其他用户互动少，但是体现出来的亲密度却更可靠。

2.3 关系协同：粉丝相似度 & 关注相似度

协同实际上利用了群体的智慧，无需关心item的属性，仅仅通过user对item的“评价”（购买、点击、评分都量化成一种评价值）来推测user之间或item之间的相似。

如果将一个用户对另一个用户的关注也视作一种“评价”，利用用户之间的关注构建关系矩阵，则很容易仿照协同过滤的方式来计算两个用户的相似性。如图4所示，矩阵中每行对应一个用户ur，每列对应一个被关注用户uc，当ur关注了uc的时候，对应的元素取值为1，该矩阵是N*N阶的。事实上，行代表了对应用户的关注列表，列代表了对应用户的粉丝列表。