针对微博的僵尸粉问题,新浪微博应用中出现了很多粉丝管理软件,如粉丝工具箱^{[ 10]}、关系趋势分析^{[ 11]}等,还有清除僵尸粉的软件,如僵尸粉清理^{[ 12]}、僵尸粉克星^{[ 13]}等,但软件的设置都过于简单,而且目前“僵尸复活”,僵尸用户变得有头像、有粉丝、主动转发微博,所以如果把没有头像、发微博数少于10条、粉丝少于一定数目的不活跃用户都划为僵尸粉,很多真实用户将被误认为是僵尸粉。新注册用户在短时间内没有头像,发布微博数很少,甚至没有粉丝都很常见,所以这些软件目前并不可靠,因此新浪也叫停了平台上一些清除僵尸粉的应用。

僵尸粉的存在使得“人气排名”不真实^{[ 14]},新浪微博推出了用户影响力排名。影响力是由用户活跃度、传播力及覆盖度三方面组成,其中用户活跃度由用户原创微博数、原创被转发、评论次数以及与粉丝间私信的数目共同得到;用户传播力由用户原创微博被转发、评论的次数决定;而覆盖度则是由用户的当日新粉丝和粉丝的互动决定的^{[ 15]}。用户影响力较人气排名更具合理性,能客观反映一段时间内用户的活动状态,但对解决僵尸粉问题并没有起到作用。本文按照规则的方法分别对选取的8位微博用户进行考察^{[ 16, 17]},其中考察条件主要包括:注册时间、粉丝数、关注数/粉丝数比值、是否相互关注、个人资料等,对不同的条件赋予不同的权重,得到初步的用户僵尸粉数量^{[ 17]}。用户粉丝中僵尸粉的统计结果如表1所示:

表1

表1

表1 用户僵尸粉比率 用户 1 2 3 4 5 6 7 8 僵尸粉 5.32% 6.16% 13.67% 16.32% 10.12% 15.71% 17.1% 16.4%

表1 用户僵尸粉比率

通过对新浪微博开放API爬取的用户人气值,即粉丝数和用户影响力统计^{[ 15]},得出用户人气值与影响力的比较,如图1所示。

图1

	Figure Option ViewDownloadNew Window
	图1 用户人气值与影响力比较

为了便于数据比较将用户影响力值进行统一缩放。图1中用户3、5、7、8人气值高于其影响力,而用户1、2、6人气值却低于其影响力,表明用户人气值与用户影响力之间不存在直接的线性关系;用户1较用户2人气值低,同时僵尸粉比用户2低0.84%的情况下影响力高出了用户2;用户6比用户5人气值低,但僵尸粉高5.59%的情况下,影响力同样高出了用户5;而用户4在僵尸粉占到了用户粉丝16.32%的情况下还能保持影响力不变,显然用户影响力与僵尸粉之间也没有直接的关系,且达不到降低僵尸粉影响的效果。

2011年12月1日,新浪微博推出了实名认证机制,意在通过用户对真实身份存在的责任来实现用户的自我约束,从而实现诚信微博平台的构建。这样不仅可以解决微博虚假信息泛滥的状况,同时也让僵尸粉无处藏身,这一举动受到一些用户的欢迎,但同时也还有很多不同声音的存在。65.91%的人表示在微博中不使用真实姓名,并有超过62%的被调查者认为微博中没有必要实名制。新浪微博也指出,目前更多的用户不愿意以真实身份出现在网络平台,表现出较强的自我保护与隐匿意识^{[ 14, 18, 19]},所以通过实名认证实现诚信微博平台的构建,解决微博的僵尸粉问题还难以实现。

Twitter在2008年也遇到了僵尸粉问题^{[ 18]},相比Twitter对营销僵尸的账户采取关闭的严厉措施,新浪和腾讯只将“僵尸”消除,而没有采取进一步的措施。新浪微博公关部负责人告知,会用技术手段来甄别、删除一些长期没有动态、同一IP地址申请多个微博的微博账号。但“博远科技”开发的系列软件可以使得每个账户都显示是不同IP地址^{[ 9]}。总之,僵尸粉问题目前还没有找到较好的解决途径。

新浪微博给出的用户描述中,有三个显现的用户数据:关注的用户数、粉丝数和发布微博数(包括转发的微博)。其中用户粉丝数体现了用户的受关注程度,是用户之间选择关注与否的一个重要参考值。对用户数据分析发现,用户粉丝不仅存在数量差异也存在质量区别,用户粉丝可能是受关注度很高的认证用户、普通的微博用户、也可能是僵尸用户。用户是以个人主页形式存在的,每个粉丝都是用户主页的一条入链,表示对用户的支持,而用户自身的关注则是用户主页的出链,文献[20]指出链接分析更多地体现了一种用户关系,所以本文使用引文分析的思想,把链接分析法的PangRank(PR)算法引入微博平台,计算出用户主页的PR值,并把这个权值定义为微博用户的被关注度。实验证明用户被关注度可以削弱僵尸粉的影响,较为合理地体现用户受关注程度。

PR算法存在着如主题漂移、平均权值和忽视用户兴趣等问题^{[ 21, 22]},其中主题漂移和用户兴趣问题对用户被关注度没有影响,不予考虑,但是平均权值问题在微博用户被关注度计算过程中是不能接受的,高人气用户和僵尸粉的被关注度是截然不同的。本文针对平均权值问题,将改进的不平均分配权值的PR算法应用到微博平台^{[ 22]},实验结果表明该算法可以达到降低僵尸用户被关注度的效果。

改进后的PR算法基本思想是:重要页是被多个网页引用,或者是能被其他重要页引用的网页,同时被引用的次数大大超过其本身引用其他网页的次数。通过计算页面的入链数和出链数的比值,得到其获得PR值的能力;再根据其在作为入链时在所有入链中所占的比重,得到其带给所关注不同用户时的不同PR值;算法较好地区分了不同页面在作为入链页面时的重要程度。

算法描述为:

PR = +d PR

其中,d=0.85为经验值,P(u)为指向页面u的页面v_i的集合, = 为页面u从其链入页面v_i得到的PR值的比重。IO_i= 为该网页v_i从其入链页面获取PR值的能力,IO值越大,则越容易获得高PR值。考虑到用户出链数为0时,IO值将为无穷大的情况,将出链数为0的页面的IO值设为较小的常数m₀,如新浪微博加“V”用户郎咸平,其主页只有数以百万记的入链数和0条出链。InL_i和OutL_i分别表示页面v_i的入链和出链数,相当于输入和输出PR值。在指向页面u的所有页面v_i∈P 中,网页v_i的全部n个出链O₁,O₂,…,O_n的入链总数和出链总数的比值IO_i,分别为IO₁,IO₂,…,IO_n对应页面从其链入页面中获得PR值的能力。

PR算法对用户主页进行加权计算后,不同用户有不同的PR值,同时为所关注的用户带去不同的PR权值。僵尸粉在作为带入PR值的入链时,由于几乎没有正常的用户去关注毫无意义的僵尸用户,所以其被关注度较低,即带入PR值的能力较小,4位僵尸用户的被关注度如表2所示:

表2

表2

表2 僵尸用户的被关注度 用户 1 2 3 4 被关注度 0.1721 1.0712 0.6233 0.7941

表2 僵尸用户的被关注度

在用户被关注度的加权计算和矩阵的循环迭代中会扩大高PR值的比重,而降低低PR值的比重,进而达到降低僵尸粉影响的目的。