利用微博API构建信息传播网络结构图

图与图算法、图像等的结合可以应用于很多领域，比如基于图可以使用PageRank算法对社交网络和微博用户的影响力进行判断；图和图像的结合可以对交通状况进行监控；基于图的图像可以在生物医疗上进行龋齿X线图像分割、细胞追踪等方面的研究。下面我们简单介绍一下基于PageRank算法对社交网络（比如新浪微博）用户的影响力进行判断。

社交网络作为一个全新的互联网交友平台与信息传播平台，每天都有海量数据在这个平台上发布。社交网络是一个虚拟社会网络，它由许多结点构成，是现实社会在网络上的体现（这些结点对应着我们图中的顶点）。每个结点都代表了现实生活中的一个人或者一个组织，结点之间的好友关系也是现实社会中的社会关系（这些社会关系对应着图中的边）。在这个虚拟社会中，人们从事着大量的社交活动，如交友、发布消息、关注好友状态与分享视频等。在社交网络的平台上，人们可以分享自己的心情、关注朋友的状态以及了解一些热门话题等。

以著名的社交媒体新浪微博为例，分别从以下几个方面描述计算用户的影响力，并给出影响力的排名信息。

（1）确定决定用户的影响力的因素：一个用户的影响力，可以通过其他用户对其是否关注以及对其发布信息的感兴趣的程度来确定，其他用户对其发布信息的感兴趣程度可以通过对其发布的信息有传播性的处理动作来确定。一个用户对信息的处理动作主要有转发、浏览、评价与原创等，其中对信息传播起到作用的只有用户的转发行为。(www.xing528.com)

（2）获取信息传播图：跟踪信息被传播的路径，可以得到对应的传播网络结构图；为了得到构建信息传播图的数据，进而分析用户的影响力，需要通过新浪微博网络官方提供的API，从新浪微博网络的海量信息中获取用户微博数据，对这些数据进行预处理，得到我们分析用户影响力所需的用户信息传播图。

（3）确定用于计算用户影响力的算法：新浪微博中信息传播的网络结构图类似于Web 页面的网络结构。而当前评估Web页面的权威性或者影响力的算法有PageRank算法、HITS算法等。其中PageRank算法是Google的创始人提出的，基于该算法，许多学者给出了许多改进算法。可以使用这些算法来评估社交网络中用户的影响力。

（4）使用选择的PageRank及其改进算法，结合用户之间的关注度数学模型，迭代计算用户的影响力，并根据影响力给出用户影响力的排名。