社交网络

计算模型

信息系统

社交网熵指数(Social W–entropy Index)是单一的综合指标，反映成员在诸社交网络(SocialNetworks)平台的影响力，2011年由巴西利亚大学李伟钢博士团队提出。

社交网络

社交网络是项新鲜事物，在国际国内迅速发展，其社会、经济、文化和科技意义十分重大，但理论研究还跟不上实际应用。社交网络成员影响力-网熵指数课题就是在此大气候下，以促进社交网络健康发展为宗旨，应运而生。

目前国际国内对社交网络影响力的研究主要分为三类：1) 社交网络成员单平台内影响力分析；2) 社交网络成员多平台间影响力分析；3) 社交网络运营商的影响力分析。社交网熵指数属于社交网络成员多平台间影响力分析。2011年5月17日，英国著名报纸星期日泰晤士报(Sunday Times)首次发表英国社交网络的2000名社交排行榜(The Social List)。美国的一家网站Famecount 综合脸书、推特和图片网库(YouTube)三家网络平台的排行指标，对国际名人和企业品牌列出唯一指数的排行榜。

计算模型

社交网络的主要组成来自以下方面：博客、微博和Web搜索等。如果某博客排行第一的博客总流量为 Pj，某博主X的博客流量为Xj，其博客流量比为：pj =Xj/Pj；某微博排行第一的粉丝数为Pj+1，某博主X的粉丝数为Xj+1，其微搏粉丝比为：pj+1 = Xj+1/Pj+1；其它项目以此类推。博主X对社交网络的主要组成的评价比集合为{p1,p2, ..., pn}，j= 1, ..., n。表达各组成部分重要程度的权重集合为：{ a1,a2, ..., an }，∑aj = 1。由此，博主X对在社交网络的基本影响力为：

m = ∑ aj pj，j = 1, ..., n, (1)

使用m来评价某博主X对网络社交媒体的影响力比较简单、明了。但一般的博主在博客、微博和Web搜索等方面的信息传播和影响分布是不均衡的。例如，影星徐静蕾在新浪博客总流量排第十名，但由于种种原因，其在新浪微博关闭, 有关微博的指标为零。在这种各组成部分评价指标不均匀的分布现象，使得(1)式的应用大打折扣，实际意义不大。

对于信息传播不均匀的分布现象，也可以用信息熵来衡量，信息熵定义为评价社交网络成员的信息量在各种渠道如博客、微博和Web搜索传播指标的修正系数，对(1)式进行修正。

在使用信息熵计算公式之前，应先将集合{p1, p2,..., pn}校正，让其之和归一。

qj = pj /n+1, j = 1, ...,n。 (2)

q n+1 = 1- ∑ qj j = 1, ..., n。 (3)

q1, q2,..., qn, 表示各项目已发生信息传递的指标，q n+1 表示各项目未发生信息传递的指标之和，则有：∑qj = 1, j = 1, ..., n+1。信息不均匀传播修正系数应为：

h (q1, q2,..., qn, qn+1) = ∑ - qj Logn+1 (qj)， j = 1, ..., n+1, (4)

式中，Logn+1为以n+1为底的对数。h值介于[0,1]之间。

由(1)和(4)式，修正后的博主X对网络社交媒体的影响力-W熵指数绝对值为：

w–entropy = h * m (5)

为表达方便，式(5)进行非线性转换，并乘以100，以第一名博主即w–entropy的最大值为基数，得出相对网熵指数相对值如(6)式，其值介于[0,100]。

W–entropy = w–entropy /wmax–entropy (6)

信息系统

社交网络成员影响力-网熵指数排行系统是以信息理论为基础、数学模型和计算方法完整独立的、由网络技术支撑的信息系统。总体设计有四大主要部分组成：

1) 信息获取。使用Web搜索技术[5]，建立社交网络成员数据获取模块，系统设计虚拟“机器蜘蛛”自动在网络上获取数据。

2) 数据处理。使用Web数据挖掘等人工智能技术，建立社交网络成员数据处理模块，自动对数据进行过滤、去重、索引等知识挖掘业务。

3) 网熵计算。使用社交网络成员影响力-W熵指数的理论和算法，建立社交网络成员网熵指数计算模块，自动实现各成员的W熵指数计算和排序。

4) 前端显示。使用Web相关的数据库、网页技术等，建立网熵指数门户网站前端显示系统，进一步将实现人机互动界面。

社交网熵指数门户网站信息系统尚处于测试阶段。系统构成和功能将在以后各方同仁和用户的建议下，不断更新完善。