[发明专利]基于分形维模型的微博用户影响力度量方法

摘要

本发明公开了一种基于社会资本理论的微博用户影响力分形维度量方法，包括1、选取n名微博用户；2、构建微博用户影响力度量指标集合；4、对指标集合数据集进行标准化处理；4、对标准化处理后的指标数据集去相关性；5、构建微博用户影响力分形维度量模型。本发明能解决微博用户的影响力度量问题，从而为企业挑选具有合适影响力的微博用户实施互联网营销战略提供方法依据。

主权项

一种基于分形维模型的微博用户影响力度量方法，其特征是按照如下步骤进行：步骤1、选取n个微博用户u＝{u1,u2，...ui,...un},，ui表示第i个微博用户，i＝1,2，…,n；步骤2、构建第i个微博用户ui的影响力度量指标集合，记为其中，表示第i个微博用户ui的第m种指标集合，m＝1,2，…,M；所述指标集合包括：威望维度指标集、话语权力维度指标集和交互价值指标集，并有：表示第i个微博用户ui的第m种指标集合下的第k个子指标值；k＝1,2，…,km，Km表示第m种指标集合下的子指标总个数；利用第i个微博用户ui的所有子指标值来表征第i个微博用户ui的影响力度量指标集合，记为表示第i个微博用户ui的第r个子指标值，r＝1,2，…,R，R表示所有子指标值的总数；步骤3、利用式(1)对第i个微博用户ui的第r个子指标值进行标准化处理，得到标准化后的第i个微博用户ui的第r个子指标值从而得到标准化后的第i个微博用户ui的R个子指标值进而得到n个微博用户的R个子指标值Y＝{Y1,Y2,…,Yi,…Yn}T：yir=xir-x‾rsr---(1)]]>式(1)中，表示n个微博用户的第r个子指标值的平均值，sr表示n个微博用户的第r个子指标值的标准差；步骤4、计算n个微博用户的R个子指标值Y的协方差矩阵BR×R，再计算协方差矩阵BR×R的特征向量a1,a2,...an作为变换矩阵A＝{a1,a2,...,an}，从而得到去相关性后的n个微博用户的R个子指标值Z＝{Z1,Z2,...Zi,...Zn}T＝AY；Zi表示去相关性后的第i个微博用户ui的R个子指标值；步骤5、构造微博用户影响力的分形维度量模型；步骤5.1、将所述去相关性后的第i个微博用户ui的R个子指标值Zi视为n维空间中各个坐标点；定义n维空间中任意两个坐标点之间的距离为p,q＝1,2，…,R，且p≠q；由所有坐标点之间的距离构成距离集合并令为所述距离集合Gi中的距离最大值；步骤5.2、定义循环次数为t，并初始化t＝1；步骤5.3、定义初始第t次循环的半径为rt，并初始化rt＞0；定义步长为Δr；步骤5.4、令第t+1次循环的半径rt+1＝rt+Δr；步骤5.5、利用式(2)得到在第t+1次循环中，所述距离集合Gi中距离值在半径为rt+1的球内的个数与距离集合Gi中所有距离值的比例Ci(rt+1)：Ci(rt+1)=2n(n-1)Σp,q=1RH(rt+1-dpqi)---(2)]]>式(2)中，表示Heaviside函数，并有：H(rt+1-dpqi)=1,rt+1-dpqi>0.0010,rt+1-dpqi≤0.001---(3)]]>步骤5.6、分别计算ln(rt+1)和lnCi(rt+1)并保存为二维点集；步骤5.7、判断是否成立，若成立，则表示距离集合Gi中所有距离值均在球内，否则，令t+1赋值给t，返回步骤5.4；步骤5.8、将所有保存的二维点集作成散点图，根据所述散点图，利用最小二乘法进行拟合，得到的斜率即第i个微博用户ui的分维数Di；以所述分维数Di表征第i个微博用户ui的影响力。