● 摘要
随着web2.0的兴起，在线社会网络已经逐渐成为人们在互联网上相互交流的主要方式，而微博作为近年来兴起的一种信息交流平台，表现出了很强的发展态势。微博具有内容简捷、便于分享、传播快、草根性等有别于以往网络媒体的新特点，这些迎合了现在人们的生活方式，使得微博用户体验粘性越来越强，用户规模不断扩大。因此越来越多的人开始关注和研究微博，微博成为一个新的研究热点。
新浪微博作为国内著名的社交网络之一，它拥有超过五个亿的用户，每天都有海量的信息在这个平台上发布。新浪微博网络在信息传播中扮演着非常重要的角色。如“林书豪”事件率先是在新浪微博上传播，为人们所知。因此研究新浪微博网络是具有重大的商业价值与应用价值，研究用户影响力有助于理解消息传播模型。
本文基于PageRank算法和用户行为理论，提出一种新的评价新浪微博用户影响力的算法。本文的主要工作有以下几个方面：
首先，阐述了复杂网络的起源、基本概念与两个基本特性，即小世界效应与无标度特性；然后介绍了社会网络的基本概念和类型；接着介绍了微博的创立、发展和用户影响力评价研究现状；然后介绍了微博影响力的概念和评价方法；最后介绍了社会网络分析的概念和指标。
其次，通过GooSeeker爬虫工具，我们采集了Killjoys微群用户信息与微博信息；在Mysql数据库中建立两张表一张用户信息表，一张用户之间关系表；通过程序将数据导入Mysql数据库中；构建微博用户影响力评价指标体系和微博影响力定义当中提到的活跃度模型和传播力模型。
再次，基于PageRank算法和用户行为相结合的基本思想提出一种微博用户影响力算法，这个算法称为Microblog User Influence Rank，简称MUIRank算法。通过计算微博用户影响力，能帮助我们发现微博网络中的关键节点，这有助于我们研究微博网络中的信息传播、信息推荐，有着广泛的应用前景。
最后，分别使用传统的PageRank算法、改进BPR算法和MUIRank算法计算微博用户影响力，对比分析这三种算法之间的收敛性、相关性和实验结果，MUIRank算法更加科学合理。