本發(fā)明屬于通信技術領域，尤其涉及一種社交平臺的用戶影響力估算方法及裝置。

背景技術：

隨著互聯(lián)網(wǎng)技術的發(fā)展，各種社交應用也越來越廣泛，在社交網(wǎng)絡的平臺上，人們可以分享自己的心情、關注朋友的狀態(tài)以及了解一些熱門話題、新聞等。社交應用中所涉及的大量用戶數(shù)據(jù)，比如用戶的喜好、社交活動和用戶社交影響力(可簡稱用戶影響力)等等，對于信息的投放，如廣告的投放有著極大的意義。

目前傳統(tǒng)技術上，用戶影響力的確定，一般基于人脈網(wǎng)絡。在社交網(wǎng)絡中用戶可以將自己喜愛的人加為好友，甚至加為密友，因此，基于人脈網(wǎng)絡的影響力計算方式，就是利用用戶的好友覆蓋程度來計算，一個用戶的擁有的好友數(shù)目越多，其社交影響力就越高。用戶影響力描述了一個用戶影響其他用戶的能力，在社交網(wǎng)絡領域(如微信朋友圈等)，用戶影響力可以用該用戶收到的關注度來度量，受關注度越高，其社交影響力就越大。

在對現(xiàn)有技術的研究和實踐過程中，本發(fā)明的發(fā)明人發(fā)現(xiàn)，現(xiàn)有的用戶影響力估算方案雖然在一定程度中可以估算出用戶的社交影響力，但是如果用戶的好友數(shù)目雖然很多，但經(jīng)常聯(lián)系的卻很少，則單單基于好友覆蓋程度來度量用戶的社交影響力，會使得計算出的用戶社交影響力準確度和可信度不高，從而導致社交平臺上的信息投放也不夠精確。

技術實現(xiàn)要素：

本發(fā)明的目的在于提供一種社交平臺的用戶影響力估算方法及裝置，旨在提高用戶社交影響力計算的準確度和可信度，從而提高社交平臺上信息投放的精確度。

為解決上述技術問題，本發(fā)明實施例提供以下技術方案：

一種社交平臺的用戶影響力估算方法，其中包括：

獲取社交平臺上的用戶行為數(shù)據(jù)；

根據(jù)所述用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系；

基于所述影響力轉(zhuǎn)移關系，估算用戶在所述社交平臺上的影響力排名；

根據(jù)所述影響力排名確定各用戶的影響力。

為解決上述技術問題，本發(fā)明實施例還提供以下技術方案：

一種社交平臺的用戶影響力估算裝置，其中包括：

獲取單元，用于獲取社交平臺上的用戶行為數(shù)據(jù)；

第一確定單元，用于根據(jù)所述用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系；

估算單元，用于基于所述影響力轉(zhuǎn)移關系，估算用戶在所述社交平臺上的影響力排名；

第二確定單元，用于根據(jù)所述影響力排名確定各用戶的影響力。

相對于現(xiàn)有技術，本發(fā)明實施例，首先根據(jù)社交平臺上的用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系，其后基于影響力轉(zhuǎn)移關系，估算用戶在社交平臺上的影響力排名，從而可以根據(jù)影響力排名確定用戶的影響力；由于用戶行為數(shù)據(jù)主要體現(xiàn)了用戶在社交活動中的互動信息，而該方案主要根據(jù)用戶行為數(shù)據(jù)確定用戶之間的影響力轉(zhuǎn)移關系，并基于影響力轉(zhuǎn)移關系對用戶的影響力進行估算的，因此相對于現(xiàn)有單靠基于好友覆蓋程度來度量用戶的社交影響力的方式，大大的提高了用戶社交影響力估算的準確度和可信度，從而也提高了社交平臺上信息投放的精確度。

附圖說明

下面結(jié)合附圖，通過對本發(fā)明的具體實施方式詳細描述，將使本發(fā)明的技術方案及其它有益效果顯而易見。

圖1a是本發(fā)明第實施例提供的社交平臺的用戶影響力估算方法的場景示意圖；

圖1b是本發(fā)明第一實施例提供的社交平臺的用戶影響力估算方法的流程示意圖；

圖2a為本發(fā)明第二實施例提供的社交平臺的用戶影響力估算方法的流程示意圖；

圖2b為本發(fā)明第二實施例提供的社交平臺的用戶影響力估算方法的應用示意圖；

圖3a為本發(fā)明第三實施例提供的社交平臺的用戶影響力估算裝置的結(jié)構(gòu)示意圖；

圖3b為本發(fā)明第三實施例提供的社交平臺的用戶影響力估算裝置的另一結(jié)構(gòu)示意圖。

具體實施方式

請參照圖式，其中相同的組件符號代表相同的組件，本發(fā)明的原理是以實施在一適當?shù)倪\算環(huán)境中來舉例說明。以下的說明是基于所例示的本發(fā)明具體實施例，其不應被視為限制本發(fā)明未在此詳述的其它具體實施例。

在以下的說明中，本發(fā)明的具體實施例將參考由一部或多部計算機所執(zhí)行的步驟及符號來說明，除非另有述明。因此，這些步驟及操作將有數(shù)次提到由計算機執(zhí)行，本文所指的計算機執(zhí)行包括了由代表了以一結(jié)構(gòu)化型式中的數(shù)據(jù)的電子信號的計算機處理單元的操作。此操作轉(zhuǎn)換該數(shù)據(jù)或?qū)⑵渚S持在該計算機的內(nèi)存系統(tǒng)中的位置處，其可重新配置或另外以本領域測試人員所熟知的方式來改變該計算機的運作。該數(shù)據(jù)所維持的數(shù)據(jù)結(jié)構(gòu)為該內(nèi)存的實體位置，其 具有由該數(shù)據(jù)格式所定義的特定特性。但是，本發(fā)明原理以上述文字來說明，其并不代表為一種限制，本領域測試人員將可了解到以下所述的多種步驟及操作亦可實施在硬件當中。

本發(fā)明的原理使用許多其它泛用性或特定目的運算、通信環(huán)境或組態(tài)來進行操作。所熟知的適合用于本發(fā)明的運算系統(tǒng)、環(huán)境與組態(tài)的范例可包括(但不限于)手持電話、個人計算機、服務器、多處理器系統(tǒng)、微電腦為主的系統(tǒng)、主架構(gòu)型計算機、及分布式運算環(huán)境，其中包括了任何的上述系統(tǒng)或裝置。

本發(fā)明實施例提供一種社交平臺的用戶影響力估算方法及裝置。

參見圖1a，該圖為本發(fā)明實施例所提供的社交平臺的用戶影響力估算方法的場景示意圖，該場景中，可以包括社交平臺的用戶影響力估算裝置，簡稱影響力估算裝置，主要用于獲取社交平臺上的用戶行為數(shù)據(jù)，比如，社交平臺上用戶對于好友個人發(fā)布的消息的互動信息，和/或社交平臺上用戶對于廣告投放系統(tǒng)投放的廣告的互動信息等，其后，根據(jù)這些用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系，并基于該影響力轉(zhuǎn)移關系，估算所有用戶在社交平臺上的影響力排名，最后，可以根據(jù)所述影響力排名確定各用戶的影響力。

此外，該場景中，還可以包括存儲設備，主要用于存儲社交平臺上的用戶行為數(shù)據(jù)，如社交平臺上用戶對于好友個人發(fā)布的消息的互動信息，和/或社交平臺上用戶對于廣告投放系統(tǒng)投放的廣告的互動信息等，供影響力估算裝置調(diào)用處理。當然，該場景中還可以包括業(yè)務設備，如廣告投放設備，用于根據(jù)影響力估算裝置輸出的用戶影響力，向用戶社交平臺投放廣告，等等。

以下將分別進行詳細說明。

第一實施例

在本實施例中，將從影響力估算裝置的角度進行描述，該影響力估算裝置具體可以集成在服務器或網(wǎng)關等網(wǎng)絡設備中。

一種社交平臺的用戶影響力估算方法，包括：獲取社交平臺上的用戶行為 數(shù)據(jù)；根據(jù)該用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系；基于影響力轉(zhuǎn)移關系，估算用戶在社交平臺上的影響力排名；根據(jù)影響力排名確定各用戶的影響力。

請參閱圖1b，圖1b是本發(fā)明第一實施例提供的社交平臺的用戶影響力估算方法的流程示意圖，具體流程可以包括：

在步驟s101中，獲取社交平臺上的用戶行為數(shù)據(jù)。

在步驟s102中，根據(jù)所述用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系。

其中，所述步驟s101與步驟s102可具體為：

本發(fā)明實施例中，社交平臺可以具體包括微信朋友圈、微博、qq空間等，用戶可以在社交平臺上分享自己的心情、關注朋友的狀態(tài)以及了解一些熱門話題、新聞等。

在某些實施方式中，可以設置一個社交平臺對應一個數(shù)據(jù)庫，影響力估算裝置可以從這些數(shù)據(jù)庫中，獲取對應的社交平臺上的用戶行為數(shù)據(jù)；在某些實施方式中，可以將所有社交平臺的數(shù)據(jù)進行整理，影響力估算裝置可以從中獲取用戶行為數(shù)據(jù)，此處不作具體限定。

可具體的，比如“根據(jù)所述用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系”包括如下步驟：

1、根據(jù)獲取到的用戶行為數(shù)據(jù)，生成影響力轉(zhuǎn)移矩陣；

2、根據(jù)影響力轉(zhuǎn)移矩陣，確定用戶兩兩之間的影響力轉(zhuǎn)移關系。

也就是說，比如，可以將用戶之間的影響力轉(zhuǎn)移關系用影響力轉(zhuǎn)移矩陣w∈r^^(n×n)進行描述，其中，該影響力轉(zhuǎn)移矩陣中的元素指示用戶兩兩之間的影響力轉(zhuǎn)移關系，即指示一個用戶對另一個用戶的影響力。

可以理解的是，在社交平臺(如微信)中，用戶影響力是用戶改變和吸引其他用戶行為的能力。影響力高的用戶受到其好友的關注更高，發(fā)表的信息獲取的評論和點贊個數(shù)更多，信息觀點傳播的速度更快。

進一步的，“根據(jù)用戶行為數(shù)據(jù)，生成影響力轉(zhuǎn)移矩陣”(即步驟1)的方式有很多，其中可具體包括：

11、基于用戶行為數(shù)據(jù)確定第一互動信息和第二互動信息；

其中，該第一互動信息為社交平臺上用戶對于好友個人發(fā)布的消息的互動信息，該第二互動信息為社交平臺上用戶對于廣告投放系統(tǒng)投放的廣告的互動信息；

12、根據(jù)第一互動信息和第二互動信息生成影響力轉(zhuǎn)移矩陣。

也就是說，本發(fā)明實施例中的用戶行為數(shù)據(jù)可以包括用戶對于好友個人發(fā)布的消息的互動信息(即第一互動信息)，以及用戶對于廣告投放系統(tǒng)投放的廣告的互動信息(即第二互動信息)，影響力估算裝置根據(jù)第一互動信息和第二互動信息來生成影響力轉(zhuǎn)移矩陣，從而確定用戶之間的影響轉(zhuǎn)移關系。

比如，若需要確定用戶a對用戶b的影響力，則針對于微信朋友圈，第一互動信息可以具體為用戶b對用戶a所發(fā)布的消息的評論(或者點贊)的次數(shù)，第二互動信息可以具體為用戶b在用戶a評論(或者點贊)了某個廣告后繼續(xù)評論(或者點贊)的次數(shù)。

進一步的，生成影響力轉(zhuǎn)移矩陣過程中，還需要確定如下參數(shù)，比如：第一互動信息還可以包括用戶b對其所有好友個人發(fā)布消息的互動次數(shù)，第二互動信息還可以包括用戶b在其所有好友個人于某個互動廣告后的互動次數(shù)；另外，還需要確定設定朋友圈用戶信息重要性權重值p，以及朋友圈廣告上好友互動的重要性權重值q，從而綜合第一互動信息、第二互動信息重要性權重值p、重要性權重值q，得到用戶a對用戶b的影響力。

容易想到的是，其他兩兩用戶之間的影響力轉(zhuǎn)移關系也可以參照上述方式進行確定，從而構(gòu)造出影響力轉(zhuǎn)移矩陣；另外，本實施例的重要性權重值p和q的具體取值可以根據(jù)實際應用場景的關注比例進行確定，此處不作具體限定。

在步驟s103中，基于所述影響力轉(zhuǎn)移關系，估算用戶在所述社交平臺上的影響力排名。

在步驟s104中，根據(jù)所述影響力排名確定各用戶的影響力。

其中，所述步驟s103與步驟s104可具體為：

可以理解的是，由于影響力轉(zhuǎn)移矩陣是描述用戶兩兩之間的影響力轉(zhuǎn)移關系，而本實施例是要對每個用戶在整個社交網(wǎng)絡中的影響力排名，因此，本實施例可以借鑒pagerank(網(wǎng)頁排名)算法的思路，對用戶影響力排名進行估算。

以下對pagerank算法作簡單說明：

pagerank是larrypage和sergeybrin設計的用來衡量特定網(wǎng)頁相對于搜索引擎中其他網(wǎng)頁的重要性的算法，其計算結(jié)果作為google搜索結(jié)果中網(wǎng)頁排名的重要指標。

由于網(wǎng)頁之間通過超鏈接相互連接，互聯(lián)網(wǎng)上不計其數(shù)的網(wǎng)頁就構(gòu)成了一張超大的圖。pagerank假設用戶從所有網(wǎng)頁中隨機選擇一個網(wǎng)頁進行瀏覽，然后通過超鏈接在網(wǎng)頁直接不斷跳轉(zhuǎn)。到達每個網(wǎng)頁后，用戶有兩種選擇：到此結(jié)束或者繼續(xù)選擇一個鏈接瀏覽。該算法令用戶繼續(xù)瀏覽的概率為d，用戶以相等的概率在當前頁面的所有超鏈接中隨機選擇一個繼續(xù)瀏覽。這可以認為是一個隨機游走的過程。當經(jīng)過多次這樣的游走之后，每個網(wǎng)頁被訪問用戶訪問到的概率就會收斂到一個穩(wěn)定值。這個概率就是網(wǎng)頁的重要性指標，被用于網(wǎng)頁排名。

如上所描述，互聯(lián)網(wǎng)中不計其數(shù)的網(wǎng)頁可以構(gòu)成一個超大的圖，圖中的每一個節(jié)點是一個網(wǎng)頁，超鏈接是圖中的邊，在這個圖上pagerank通過隨機游走的過程來對網(wǎng)頁進行排名?；诖耍谏缃痪W(wǎng)絡中，我們也可以構(gòu)成一個超大的圖，圖中的每一個節(jié)點代表一個用戶，用戶之間的互動關系看成圖中的邊。同樣的，我們可以把pagerank的算法應用到社交網(wǎng)絡構(gòu)成的圖上，對用戶進行排名、計算用戶的影響力。

在本實施例中，“基于所述影響力轉(zhuǎn)移關系，估算用戶在所述社交平臺上的影響力排名”可以包括：

a、獲取用戶在所述社交平臺上的初始化影響力排名和歷史影響力排名，所 述歷史影響力排名為上一時刻用戶在所述社交平臺上的影響力排名；

b、通過預設網(wǎng)頁排名算法，基于所述影響力轉(zhuǎn)移關系、所述初始化影響力排名以及歷史影響力排名，估算當前影響力排名，所述當前影響力排名為當前時刻用戶在所述社交平臺上的影響力排名。

可以理解的是，基于pagerank思路，在社交網(wǎng)絡上可以設計一個基于隨機游走的影響力預估算法，隨著時間的推移，用戶在社交平臺上的影響力排名會隨之變化，該影響力預估算法中，在計算用戶當前影響力排名之前，需要確定用戶的初始化影響力排名以及上一時刻用戶在所述社交平臺上的影響力排名(可稱歷史影響力排名)。

更進一步的，在“估算當前影響力排名”之后，還需要對當前影響力排名進行分析，以確定用戶的最終影響力排名，比如：

c、根據(jù)所述歷史影響力排名以及所述當前影響力排名，估算用戶最終影響力排名；

d、將該最終影響力排名確定為用戶在所述社交平臺上的影響力排名。

可具體的，“根據(jù)所述歷史影響力排名以及所述當前影響力排名，估算用戶最終影響力排名”，包括：若所述歷史影響力排名以及所述當前影響力的差別滿足預設收斂條件，則將當前影響力排名確定為最終影響力排名的估算結(jié)果。

也就是說，對于所有用戶來說，隨著時間的推移，用戶在所述社交平臺上的影響力排名會收斂到一個固定的值，而這個值就是最終影響力排名的估算結(jié)果，通過該影響力排名估算結(jié)果，可以確定出各用戶在該社交平臺上的影響力值。

由上述可知，本實施例提供的社交平臺的用戶影響力估算方法，首先根據(jù)社交平臺上的用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系，其后基于影響力轉(zhuǎn)移關系，估算用戶在社交平臺上的影響力排名，從而可以根據(jù)影響力排名確定用戶的影響力；由于用戶行為數(shù)據(jù)主要體現(xiàn)了用戶在社交活動中的互動信息，而該方案主要根據(jù)用戶行為數(shù)據(jù)確定用戶之間的影響力轉(zhuǎn)移關系，并 基于影響力轉(zhuǎn)移關系對用戶的影響力進行估算的，因此相對于現(xiàn)有單靠基于好友覆蓋程度來度量用戶的社交影響力的方式，大大的提高了用戶社交影響力估算的準確度和可信度，從而也提高了社交平臺上信息投放的精確度。

第二實施例

根據(jù)第一實施例所描述的方法，以下將舉例作進一步詳細說明。

請參閱圖2a，圖2a為本發(fā)明第二實施例提供的社交平臺的用戶影響力估算方法的流程示意圖，具體流程可以包括：

在步驟s201中，影響力估算裝置獲取用戶行為數(shù)據(jù)，并根據(jù)用戶行為數(shù)據(jù)，構(gòu)建影響力轉(zhuǎn)移矩陣。

首先，基于pagerank思想，在社交網(wǎng)絡中，可以構(gòu)成一個網(wǎng)絡圖，網(wǎng)絡圖中的每一個節(jié)點代表一個用戶，用戶之間的互動關系看成網(wǎng)絡圖中的邊。

比如，在微信朋友圈的社交平臺上，將用戶之間的互動構(gòu)成一個龐大的網(wǎng)絡g＝{v,e}，其中節(jié)點為v＝{u1,u2,…,un}，n為用戶個數(shù)，邊為e＝{eij|ui和uj為好友}。在這個網(wǎng)絡結(jié)構(gòu)的基礎上，根據(jù)第一互動信息和第二互動信息，構(gòu)建影響力轉(zhuǎn)移矩陣w∈r^^(n×n)，其中，該第一互動信息為社交平臺上用戶對于好友個人發(fā)布的消息的互動信息，該第二互動信息為社交平臺上用戶對于廣告投放系統(tǒng)投放的廣告的互動信息。

更進一步的，該影響力轉(zhuǎn)移矩陣中的元素可根據(jù)如下公式進行確定：

其中cij為用戶j對用戶i所發(fā)布的消息的評論(或者點贊)次數(shù)，aij為用戶j在用戶i評論(或者點贊)了某個廣告后繼續(xù)評論(或者點贊)的次數(shù)，k∈n(uj)為用戶j的所有鄰居好友。α,β分別為朋友圈用戶信息和朋友圈廣告上好友互動的重要性權重值。由于我們更關注用戶在廣告上的影響力，因此一般會有α<β。

在步驟s202中，影響力估算裝置基于預設網(wǎng)頁排名算法及該影響力轉(zhuǎn)移矩陣，生成影響力排名估算公式。

在步驟s203中，影響力估算裝置獲取用戶在所述社交平臺上的初始化影響力排名和歷史影響力排名。

在步驟s204中，影響力估算裝置基于所述初始化影響力排名和歷史影響力排名，采用影響力排名估算公式計算當前影響力排名。

在步驟s205中，影響力估算裝置判斷所述歷史影響力排名以及所述當前影響力的差別是否滿足預設收斂條件。

若是，則執(zhí)行步驟s206，若否，則返回執(zhí)行步驟s204；

在步驟s206中，影響力估算裝置將當前影響力排名確定為用戶影響力排名的估算結(jié)果并輸出。

其中，所述步驟s202至步驟s206可具體為：

由于，影響力轉(zhuǎn)移矩陣中的元素w(i,j)描述的是用戶i對用戶j的影響力，也就是用戶j會將注意力放在用戶i的消息上的概率。即，w(i,j)描述的是用戶兩兩之間的影響力轉(zhuǎn)移關系，本發(fā)明實施例中，我們需要得到每個用戶在整個社交網(wǎng)絡中的影響力排名。因此，借鑒pagerank的思路，在社交網(wǎng)絡g上設計一個基于隨機游走的影響力預估算法(即影響力排名估算公式)，其中算法的計算公式如下所示：

i(t+1)＝bwit+(1-b)i0(2)

其中it∈r^^(1×n)是一個向量，描述t時刻所有用戶的影響力排名；當t＝0時，i0的每一個元素值等于1/n；b為可調(diào)節(jié)超參數(shù)，根據(jù)經(jīng)驗值進行設定，一般設置在0.8-0.9之間。

基于該公式(2)可知，若需要知道當前影響力排名(即i(t+1))，需要先獲取用戶在所述社交平臺上的初始化影響力排名(即i0)和歷史影響力排名(即上一時刻的影響力排名it)，隨后，判斷所述歷史影響力排名以及所述當前影響力的差別是否滿足預設收斂條件，若是，則將當前影響力排名確定為用戶影響 力排名的估算結(jié)果并輸出。

也就是說，在公式(2)中，針對每一隨機用戶，從自己節(jié)點開始帶著1/n的影響力值沿著網(wǎng)絡中的邊，以矩陣w中的影響力轉(zhuǎn)移概率訪問其鄰居節(jié)點并將影響力按比例傳遞給鄰居。當隨著時間的推移，每個用戶的影響力值it會收斂到一個固定的值，這個值就是最終的用戶影響力排名。

為了更好的理解本發(fā)明技術方案，以下以一具體應用例進行分析說明：

可一并參考圖2b，為該實施例中的好友互動的示意，假設微信朋友圈的互動網(wǎng)絡由4個用戶構(gòu)成，他們之間的互動情況如圖2b所示，其中，節(jié)點u1,u2,u3,u4表示4個用戶，有向邊表示用戶之間的互動。

例如，有向邊u4->u1表示用戶u4對用戶u1的行為，邊上的兩個數(shù)字分別表示用戶u4對用戶u1發(fā)布的消息有2次點贊，對用戶u1評論的廣告有1次跟進的評論。

其中在公式(1)中，為了便于計算，本實施例中可以設置α＝0.5,β＝0.5，其后，基于公式(1)計算出影響力轉(zhuǎn)移矩陣為：

隨后，基于公式(2)，先初始化i0＝(0.25,0.25,0.25,0.25)，并可以設置b＝0.85。接著，將w,i0,b代入進行迭代運算，從而當隨著時間的推移，用戶的影響力排名it會收斂到一個固定的值，這個值就是最終的用戶影響力排名，由迭代計算可知，獲得用戶的最后的影響力排名it＝(1.29,1.33,0.87,1.13)，從而可以看出用戶u2的影響力最大，u3的影響力最小。

若將本發(fā)明實施提供的社交平臺的用戶影響力估算方法，應用于微信用戶影響力計算，則結(jié)合考慮用戶在朋友圈廣告和朋友圈個人信息上的互動記錄構(gòu)建影響力轉(zhuǎn)移矩陣，并設計隨機游走算法可以實現(xiàn)用戶影響力預估；進一步的，將用戶影響力預估結(jié)果應用于朋友圈中的廣告投放，可以優(yōu)先投放廣告給高影響力用戶，待廣告系統(tǒng)收到這些用戶的評論或者點贊后再投放給高影響力用戶 的好友，可以大大提高廣告的互動率，達到更好的廣告效益。

由上述可知，本實施例提供的社交平臺的用戶影響力估算方法，首先根據(jù)社交平臺上的用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系，其后基于影響力轉(zhuǎn)移關系，估算用戶在社交平臺上的影響力排名，從而可以根據(jù)影響力排名確定用戶的影響力；由于用戶行為數(shù)據(jù)主要體現(xiàn)了用戶在社交活動中的互動信息，而該方案主要根據(jù)用戶行為數(shù)據(jù)確定用戶之間的影響力轉(zhuǎn)移關系，并基于影響力轉(zhuǎn)移關系對用戶的影響力進行估算的，因此相對于現(xiàn)有單靠基于好友覆蓋程度來度量用戶的社交影響力的方式，大大的提高了用戶社交影響力估算的準確度和可信度，從而也提高了社交平臺上信息投放的精確度。

第三實施例

為便于更好的實施本發(fā)明實施例提供的社交平臺的用戶影響力估算方法，本發(fā)明實施例還提供一種基于上述社交平臺的用戶影響力估算方法的裝置。其中名詞的含義與上述社交平臺的用戶影響力估算的方法中相同，具體實現(xiàn)細節(jié)可以參考方法實施例中的說明。

請參閱圖3a，圖3a為本發(fā)明實施例提供的社交平臺的用戶影響力估算裝置的結(jié)構(gòu)示意圖，該裝置可以包括獲取單元301、第一確定單元302、估算單元303以及第二確定單元304。

其中，所述獲取單元301，用于獲取社交平臺上的用戶行為數(shù)據(jù)；第一確定單元302，用于根據(jù)所述用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系。

本發(fā)明實施例中，社交平臺可以具體包括微信朋友圈、微博、qq空間等，用戶可以在社交平臺上分享自己的心情、關注朋友的狀態(tài)以及了解一些熱門話題、新聞等。

在某些實施方式中，可以設置一個社交平臺對應一個數(shù)據(jù)庫，影響力估算裝置可以從這些數(shù)據(jù)庫中，獲取對應的社交平臺上的用戶行為數(shù)據(jù)；在某些實 施方式中，可以將所有社交平臺的數(shù)據(jù)進行整理，影響力估算裝置可以從中獲取用戶行為數(shù)據(jù)，此處不作具體限定。

可以理解的是，在社交平臺(如微信)中，用戶影響力是用戶改變和吸引其他用戶行為的能力。影響力高的用戶受到其好友的關注更高，發(fā)表的信息獲取的評論和點贊個數(shù)更多，信息觀點傳播的速度更快。

由于影響力轉(zhuǎn)移矩陣是描述用戶兩兩之間的影響力轉(zhuǎn)移關系，而本實施例是要對每個用戶在整個社交網(wǎng)絡中的影響力排名，因此，本實施例可以借鑒pagerank(網(wǎng)頁排名)算法的思路，對用戶影響力排名進行估算。

互聯(lián)網(wǎng)中不計其數(shù)的網(wǎng)頁可以構(gòu)成一個超大的圖，圖中的每一個節(jié)點是一個網(wǎng)頁，超鏈接是圖中的邊，在這個圖上pagerank通過隨機游走的過程來對網(wǎng)頁進行排名?；诖?，在社交網(wǎng)絡中，我們也可以構(gòu)成一個超大的圖，圖中的每一個節(jié)點代表一個用戶，用戶之間的互動關系看成圖中的邊。同樣的，我們可以把pagerank的算法應用到社交網(wǎng)絡構(gòu)成的圖上，對用戶進行排名、計算用戶的影響力。

估算單元303，用于基于所述影響力轉(zhuǎn)移關系，估算用戶在所述社交平臺上的影響力排名；第二確定單元304，用于根據(jù)所述影響力排名確定各用戶的影響力。

請一并參閱圖3b，圖3b為本發(fā)明實施例提供的社交平臺的用戶影響力估算裝置的結(jié)構(gòu)示意圖；其中所述第一確定單元302，可以具體包括：

1、矩陣生成子單元3021，用于根據(jù)所述用戶行為數(shù)據(jù)，生成影響力轉(zhuǎn)移矩陣；

2、第一確定子單元3022，用于根據(jù)所述影響力轉(zhuǎn)移矩陣，確定用戶兩兩之間的影響力轉(zhuǎn)移關系。

也就是說，比如，可以將用戶之間的影響力轉(zhuǎn)移關系用影響力轉(zhuǎn)移矩陣w∈r^^(n×n)進行描述，其中，該影響力轉(zhuǎn)移矩陣中的元素指示用戶兩兩之間的影響力轉(zhuǎn)移關系，即指示一個用戶對另一個用戶的影響力。

進一步的，所述矩陣生成子單元3021，可以具體用于：

基于所述用戶行為數(shù)據(jù)確定第一互動信息和第二互動信息，所述第一互動信息為社交平臺上用戶對于好友個人發(fā)布的消息的互動信息，所述第二互動信息為社交平臺上用戶對于廣告投放系統(tǒng)投放的廣告的互動信息；根據(jù)所述第一互動信息和所述第二互動信息生成影響力轉(zhuǎn)移矩陣。

也就是說，本發(fā)明實施例中的用戶行為數(shù)據(jù)可以包括用戶對于好友個人發(fā)布的消息的互動信息(即第一互動信息)，以及用戶對于廣告投放系統(tǒng)投放的廣告的互動信息(即第二互動信息)，影響力估算裝置根據(jù)第一互動信息和第二互動信息來生成影響力轉(zhuǎn)移矩陣，從而確定用戶之間的影響轉(zhuǎn)移關系。

比如，若需要確定用戶a對用戶b的影響力，則針對于微信朋友圈，第一互動信息可以具體為用戶b對用戶a所發(fā)布的消息的評論(或者點贊)的次數(shù)，第二互動信息可以具體為用戶b在用戶a評論(或者點贊)了某個廣告后繼續(xù)評論(或者點贊)的次數(shù)。

進一步的，生成影響力轉(zhuǎn)移矩陣過程中，還需要確定如下參數(shù)，比如：第一互動信息還可以包括用戶b對其所有好友個人發(fā)布消息的互動次數(shù)，第二互動信息還可以包括用戶b在其所有好友個人于某個互動廣告后的互動次數(shù)；另外，還需要確定設定朋友圈用戶信息重要性權重值p，以及朋友圈廣告上好友互動的重要性權重值q，從而綜合第一互動信息、第二互動信息重要性權重值p、重要性權重值q，得到用戶a對用戶b的影響力。

容易想到的是，其他兩兩用戶之間的影響力轉(zhuǎn)移關系也可以參照上述方式進行確定，從而構(gòu)造出影響力轉(zhuǎn)移矩陣；另外，本實施例的重要性權重值p和q的具體取值可以根據(jù)實際應用場景的關注比例進行確定，此處不作具體限定。

基于此，在本實施例中，所述估算單元303可以具體包括：

a、獲取子單元3031，用于獲取用戶在所述社交平臺上的初始化影響力排名和歷史影響力排名，所述歷史影響力排名為上一時刻用戶在所述社交平臺上的影響力排名；

b、估算子單元3032，用于通過預設網(wǎng)頁排名算法，基于所述影響力轉(zhuǎn)移關系、所述初始化影響力排名以及所述歷史影響力排名，估算當前影響力排名，所述當前影響力排名為當前時刻用戶在所述社交平臺上的影響力排名。

可以理解的是，基于pagerank思路，在社交網(wǎng)絡上可以設計一個基于隨機游走的影響力預估算法，隨著時間的推移，用戶在社交平臺上的影響力排名會隨之變化，該影響力預估算法中，在計算用戶當前影響力排名之前，需要確定用戶的初始化影響力排名以及上一時刻用戶在所述社交平臺上的影響力排名(可稱歷史影響力排名)。

更進一步的，所述估算子單元304，還需要對當前影響力排名進行分析，以確定用戶的最終影響力排名，比如，還可以用于根據(jù)所述歷史影響力排名以及所述當前影響力排名，估算用戶最終影響力排名，將所述最終影響力排名確定為用戶在所述社交平臺上的影響力排名。

可具體的，所述估算子單元304，還可以用于若所述歷史影響力排名以及所述當前影響力的差別滿足預設收斂條件，則將當前影響力排名確定為最終影響力排名的估算結(jié)果。

也就是說，對于所有用戶來說，隨著時間的推移，用戶在所述社交平臺上的影響力排名會收斂到一個固定的值，而這個值就是最終影響力排名的估算結(jié)果，通過該影響力排名估算結(jié)果，可以確定出各用戶在該社交平臺上的影響力值。

具體實施時，以上各個單元可以作為獨立的實體來實現(xiàn)，也可以進行任意組合，作為同一或若干個實體來實現(xiàn)，以上各個單元的具體實施可參見前面的方法實施例，在此不再贅述。

該社交平臺的用戶影響力估算裝置具體可以集成在服務器或網(wǎng)關等網(wǎng)絡設備中。

由上述可知，本實施例提供的社交平臺的用戶影響力估算裝置，首先根據(jù)社交平臺上的用戶行為數(shù)據(jù)，確定用戶兩兩之間的影響力轉(zhuǎn)移關系，其后基于 影響力轉(zhuǎn)移關系，估算用戶在社交平臺上的影響力排名，從而可以根據(jù)影響力排名確定用戶的影響力；由于用戶行為數(shù)據(jù)主要體現(xiàn)了用戶在社交活動中的互動信息，而該方案主要根據(jù)用戶行為數(shù)據(jù)確定用戶之間的影響力轉(zhuǎn)移關系，并基于影響力轉(zhuǎn)移關系對用戶的影響力進行估算的，因此相對于現(xiàn)有單靠基于好友覆蓋程度來度量用戶的社交影響力的方式，大大的提高了用戶社交影響力估算的準確度和可信度，從而也提高了社交平臺上信息投放的精確度。

在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見上文針對社交平臺的用戶影響力估算方法的詳細描述，此處不再贅述。

本發(fā)明實施例提供的所述社交平臺的用戶影響力估算裝置，譬如為計算機、平板電腦、具有觸摸功能的手機等等，所述社交平臺的用戶影響力估算裝置與上文實施例中的社交平臺的用戶影響力估算方法屬于同一構(gòu)思，在所述社交平臺的用戶影響力估算裝置上可以運行所述社交平臺的用戶影響力估算方法實施例中提供的任一方法，其具體實現(xiàn)過程詳見所述社交平臺的用戶影響力估算方法實施例，此處不再贅述。

需要說明的是，對本發(fā)明所述社交平臺的用戶影響力估算方法而言，本領域普通測試人員可以理解實現(xiàn)本發(fā)明實施例所述社交平臺的用戶影響力估算方法的全部或部分流程，是可以通過計算機程序來控制相關的硬件來完成，所述計算機程序可存儲于一計算機可讀取存儲介質(zhì)中，如存儲在終端的存儲器中，并被該終端內(nèi)的至少一個處理器執(zhí)行，在執(zhí)行過程中可包括如所述社交平臺的用戶影響力估算方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲器(rom，readonlymemory)、隨機存取記憶體(ram，randomaccessmemory)等。

對本發(fā)明實施例的所述社交平臺的用戶影響力估算裝置而言，其各功能模塊可以集成在一個處理芯片中，也可以是各個模塊單獨物理存在，也可以兩個或兩個以上模塊集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實 現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中，所述存儲介質(zhì)譬如為只讀存儲器，磁盤或光盤等。

以上對本發(fā)明實施例所提供的一種社交平臺的用戶影響力估算方法及裝置進行了詳細介紹，本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領域的技術人員，依據(jù)本發(fā)明的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應理解為對本發(fā)明的限制。