《表1 活跃度排名前10的用户情感极性值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于交互行为和情感倾向的移动社交网络用户影响力度量模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在实验规定时间内，爬取初始用户集中的用户微博数量、获得的评论量和转发量及其发出的评论总数，根据公式（2）～公式（4）分别计算用户的互动性、创造力和发布内容质量系数，并根据公式（5）计算得到用户的活跃度，抓取用户之间的关注关系来决定用户UAR值的分配并根据公式（6）～公式（7）计算得到用户的UAR值，经过61次迭代运算后实验结果收敛，即每个用户都得到稳定的UAR值，根据UAR值的大小对5349个用户进行排序，将前100名用户作为目标用户集；将爬取到的100名用户的微博发布情况和获得的评论信息作为依据，使用Jieba软件对评论内容进行分句，利用情感词典找出程度副词、极性值和否定值及其所在的位置，根据词汇、短语、语句情感极性值的计算规则和公式（8）计算每条评论的情感极性值E（sentence），若该评论的极性值为（0，1），则为正面评论，若该评论的极性值为（-1，0），则负面评论，统计每条微博下的正负评论数量并根据公式（9）计算每条微博的情感极性值，综合用户所有微博的情感极性利用公式（10）得到该用户的情感极性值，取值范围设定为-1～1之间；对于用户UAR值和情感极性值在影响力计算中所占权重的设置，根据已有的用户影响力研究[13]将两者的权重分别设定为0.42、0.58；综合用户UAR值和情感极性值利用公式（11）计算用户影响力，通过对影响力值的大小进行排序找出微博中的意见领袖。本文在此只列出前10名的用户活跃度排序结果及其相应的情感极性值（见表1），最终的影响力排序如表2所示。