Web 2.0时代,信息传播方式从线下到线上的转变,使得社交网络成为企业营销信息传播的主要平台。越来越多的企业开始重视社交网络中高影响力用户的识别,以期通过高影响力用户的控制来引导网络信息传播,从而达到最佳的传播效果。由于这些高影响力用户粉丝数大、活跃度高、互动性强,一旦消息受到其关注并转发,便会在短时间内获得其粉丝的二次转发,因此消息以高影响力用户为中心逐层级联扩散,最终形成大规模传播。用户影响力评价是挖掘社交网络中高影响力节点的主要方法。社交网络的开放性、移动性和低门槛性等特征使其能够迅速聚合海量的用户和信息,但也包含了大量的冗余、虚假、恶意的噪声信息以及传播噪声信息的噪声用户(如水军),而且社交网络信息传播过程中用户关系结构、互动强度、互动内容等属性均处于动态变化中,这些因素使得具有高影响力的关键用户往往“隐藏”在充满噪声的大规模动态复杂系统中,这对现有的社交网络用户影响力评价方法提出了现实的挑战。目前常见的社交网络用户影响力评价方法主要可以分为基于网络结构的方法、基于用户行为的方法和基于信息内容的方法三类。然而,现有评价模型仅考虑单一维度,缺乏对影响因素的系统性分析;同时未能考虑噪声信息对正常信息传播的干扰以及对评价模型有效性的影响;此外,现有影响力评价模型多基于截面数据,评价结果具有时效性。整体上,现有方法主要是针对于非噪声环境下截面数据的静态方法,在应对噪声环境下社交网络的高影响力用户识别时存在很大的应用局限性。针对现有研究的不足之处,本文对噪声环境下社交网络中用户影响力评价问题进行了探讨,识别用户影响力多个维度的影响因素,分析噪声信息的传播规律,识别噪声用户,度量噪声环境对用户影响力评价有效性的干扰,获取用户影响力不同维度的动态特征,通过数学建模的方式,以数据驱动量化用户的属性、行为规律、话题趋势,实现噪声环境下动态变化的复杂系统中用户影响力的准确评价。用户影响力评价是社交网络中诸多应用得以实施的关键前提,本文所提出的用户影响力评价模型,不仅改进了现有影响力评价研究的不足,同时为噪声环境下社交网络用户评价这一难点解决提供了可靠的方法和模型。为实现社交网络影响力用户(如意见领袖)的识别、资源的优化配置以及网络管理提供辅助支持。