搜寻社会网络中的意见领袖具有十分重大的意义。首先，对这些意见领袖的分析，有助于我们理解社会网络的演化（例如微博中新加入的成员很多都会选择与意见领袖建立连接关系）以及社会网络中信息传播的模式和途径；其次，挖掘的结果可以用来干预传播，譬如加速有重要社会价值的信息的传播和监督防控谣言的流行；最后，这些分析的结构可能被应用于社会推荐和广告投放。

Google最初用于网页排序的著名的PageRank算法，也可以应用于挖掘社会网络中的意见领袖。该算法也存在明显的缺陷，例如无法在一个统一的数学框架下处理出度为零的节点，又如无法保证算法的收敛性。特别地，PageRank算法的性能受到一个名为“跳转概率”的参数的影响，如何确定该参数的取值是一个很头痛的问题，并且这个值可能会随着网络的演化而不断变化。

本文提出了一种新的算法，该算法通过引入一个“超级节点”，把整个网络连接成一体，保证每个节点的出度都至少为1，并且可以证明算法的收敛性！特别重要的是，该算法是一个无参数的算法，所以对数据的变化具有天然的适应性。以著名社会书签网站Delicious.com的数据为对象，作者比较了PageRank选出来的意见领袖和本文所提算法的意见领袖在传播能力上的差异，结果显示，本文所提算法明显优于PageRank。另外，该算法在面对随机噪音和蓄意恶意攻击时的鲁棒性也优于PageRank。

期刊信息：PLoS ONE在全球综合性期刊中影响力排名第4（但是争议很大哈），仅次于Nature、Science和PNAS，2010年影响因子为4.411。

论文信息：Linyuan Lü, Yi-Cheng Zhang, Chi Ho Yeung, Tao Zhou, “Leaders in Social Networks, the Delicious Case”, PLoS ONE 6 (2011) e21202.

全文链接：http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0021202