转自：http://somemory.com/myblog/?post=48
最近看了一篇SIGIR 09年的paper，介绍的是如何区分一个用户是expert还是spammer，其实也就是对用户的expertise进行排名。
文中讲到的算法spear，是基于HITS（Hypertext Induced Topic Search）算法改进的，是SPamming-resistant Expertise Analysis and Ranking的缩写。文中的实验数据是用delicious的数据。算法中做了两个基本的假设是
（1）Mutual reinforcement of user expertise and document quality
专家级的用户更加倾向于产生高质量的document，而高质量的document常常由高水平的用户tag
（2）Discoverers v.s. followers
专家级的用户往往是一个“发现者”，也就是说他们更加倾向于第一个bookmark和tag高质量的document，然后将这些好的document带入到用户社区中。这个好比高水平的学者。
spear算法将会给早期发现新信息的discovers更多的credit，具体多少credit将会由一个credit function 计算得到。
这幅图介绍了spear算法的具体实现，首先是根据数据集生成一个带权重邻接矩阵和两个分数向量，邻接矩阵中的元素a(i,j)表示第i个用户在第j个document上的credit score。两个向量分别表示用户的expertise score 和 document的quality score。这里score function 是一个可以自己定义的函数，要保证discovers的分数要高于后面followers的分数，但分数的差距又不能差太多。（具体的参数可以参考后面的文献）
然后通过几百次的迭代计算，就可以得到一个收敛的E和Q，也就对user expertise进行了排名。
由于这篇paper是为了证明他们的算法可行，所以不但用了从delicious.com爬下来的真实数据，并且根据user behavior做了六类仿真用户混在真实数据中，以检验算法的效果。
用在我们这里，计算围脖局部影响力的时候，就不必设置仿真用户了。只需要将同一个圈子里的若干users的围脖信息考虑进来做计算就可以了。在选择种子用户的时候，参考了@clickstone的这个结果（http://weibo.com/1641544424/eB2mq72b8ai）。从这个user列表中爬他们关注的user形成整个user圈子，同时爬下他们发布的围脖信息，（围脖的id和timestamp，这里如果是用户原创的围脖则记录该围脖id和该条围脖发布的timestamp；如果这条围脖是用户转发的，则记录被转发的这条原始围脖的id以及该用户转发这条围脖时的timestamp）这样的话，我拿到的数据格式就是（timestamp,userid,weiboid），这里围脖对应着paper中的webpage。然后用spear算法计算得到了下面的结果：
http://expertise.sinaapp.com/show.php
这里是top50的排名。大家可以对比一下一年前@clickstone的计算结果
http://weibo.com/1641544424/eB2mq72b8ai
参考文献（点我下载）
1、Telling Experts from Spammers:Expertise Ranking in Folksonomies
2、SPEAR:Spamming-Resistant Expertise Analysis and Ranking in Collaborative Tagging Systems