计算微博垂直领域的传播力排名
这几天，我计算了几个领域的PageRank，包括投资人，程序员这种大的垂直领域，也包括“机器学习”“数据挖掘”等这样的小的领域。在挖掘的过程中，也遇到很多有意思的事情。不过，做这个，并不是要给谁排座次，只是想尝试挖掘出来一些有意思的东西。
下面是我通过“机器学习”“数据挖掘”“信息检索”等关键字找出来的一批人，然后再计算排名得到的结果。后面一列是粉丝数。不过一些新开通微博的牛人：@余凯 @老师木 尚不在其中。我的数据是之前的一个快照。
这样的一个排序，和粉丝的数量关系就不太一致了。所以，垂直领域，还是能够做出很有意思的东西的。可以进一步挖掘，到底哪些因素影响了某一排名。
- 张栋_机器学习 48966
- 李航博士 20336
- 刘挺 44324
- 孙茂松 6147
- 沈浩老师 30236
- 马少平THU 6964
- 小蚊子乐园 37021
- 王斌_ICTIR 7032
- 刘铁岩 11266
- 王海峰_百度 10679
- 白硕 SH9930
- ICTCLAS张华平博士 4714
- 刘群MT-to-Death 3261
- 郑来轶 10421
- 张磊IDMer 6571
- 谢幸Xing 14620
综合一下这些事情，可以得出，对微博博主进行PageRank计算，得到的结果的含义：每一个博主的PageRank值，直接代表了博主的传播力。具体点说，就是博主发布一条微博消息，能够传播覆盖多少人，越多传播力越到，PageRank越大。很多同学会讲，这个不就是粉丝的数量么？不是的，粉丝本身有的质量高，有的质量低，实际上能够影响多少人，这个是需要衡量的。举一个例子，某一个博主300w粉丝，大部分买来的僵尸粉，而另外一个博主，只有3w，都是一个一个积累起来的。对于做营销而言，哪个更好呢？显然是后者。PageRank在一定程度上，就是起到了着作用。
PageRank是一种计算的框架，一种计算的方法。在这个框架下，我们可以有很多的改进，比如就拿上面的这些人来看，我们如果想要计算专家能力排序，应该怎么做呢？仅仅是有关注，就确切表示一条边么？其实在网络建模的过程中，我们有很多的基础可以用来加强模型，或者利用不同的信息，为不同目的建立模型。比如，这条关注的边强度有多大呢？如何来衡量，一个很有用的点就是微博上两个人之间的交互信息。这个很重要，新浪可以做很多事情。
社交网络时代，数据为王。我们有很多工具，很多算法可以来做挖掘，但是，没有数据，都是白费心思的。尤其是涉及到网络的一些挖掘，网络规模达到一定程度，好多性质是不会涌现出来的。
希望和更多的同学一起交流。
计算的工具依然是graphchi，非常好用。限定领域这块儿，我做的比较粗糙，目前就是通过关键字去检索。只要匹配上了，我就认为这个博主是该领域相关的。这部分，也是需要一些工作量的。也是很有意思，很有价值的一块儿工作。
【完】
