基于社交网络中心度幂律分布规律,绝大多数个体组成了网络“长尾”,仅有极少数个体成为了影响力用户,影响力用户判别是社交网络领域的研究热点。随着新媒体技术的快速发展和国家对网络舆情监管重视程度的增强,如何有效地判别影响力用户引起了社会学、计算机科学和复杂系统动力学等多领域学者越来越广泛的关注。目前,用户影响力的测度指标主要集中于信息在网络中的扩散参数,如信息传播的速度、范围和深度。这种测度本质刻画的是一种信息传播能力的大小,却忽视了其关键的极性状态。在现实社交网络中,用户影响力的极性是普遍存在的一种基本属性。简单从二分类的角度看,有正面影响力和负面影响力之分。不同大小和极性的影响力映射到用户属性上,就形成了不同类型的影响力用户。本文从情感极性的角度出发,首先设计了影响力综合排名算法(CoInf-Rank),以有效发现影响力用户集;然后提出了基于相对情感极性的影响力用户分类模型,将影响力用户分为三类:具有正面情感影响力作用的意见领袖、激起负面情感的靶子人物和引起激烈论战的争议人物;最后通过实验与实证分析验证了模型的有效性。主要的内容包括:(1)设计融合多元中心度和行为特征的用户影响力综合排名算法。首先通过用户评论关系构建社交网络图,然后利用多元中心度指标度量社交网络图中的用户节点影响力,最后融合用户行为特征量化指标挖掘话题下处于关键位置、影响范围广且强度大的用户。(2)构建基于相对情感极性的话题影响力用户分类模型。首先利用人工标注的数据训练序列标注模型(BiLSTM-CRF),实现文本情感要素的自动标注;然后利用提出的情感匹配和情感转化算法计算用户之间的相对情感极性数值;最后根据用户相对情感极性将影响力用户划分为意见领袖、靶子人物和争议人物。(3)设计实验论证提出的算法和模型的可行性。利用影响力综合排名算法对话题下用户影响力进行排序,实验表明本文设计的算法能够较全面的识别影响力用户;将相对情感极性识别模型与基准模型进行对比,实验显示本文构建的模型具有较高的准确率;同时,实证分析证实意见领袖、靶子人物和争议人物在社交网络中起不同的作用,具有进一步划分的必要性。