中国原创音乐基地（5sing） 是一个以网友原创音乐为主的音乐平台。与主流音乐平台不同，用户在5sing上并不主要是为了听知名歌手的音乐，而是可以发布自己的原创音乐作品，或者倾听、交流其他用户的音乐作品。正是具备这个特色，所以5sing虽然可能只是个小众平台，也依然聚集了大量的忠实粉丝——热爱音乐、坚持自我内心、不随波主流的小众群体。
鉴于已采集了5sing上约100W的用户信息和歌曲信息，其实可以有不少的数据分析和挖掘空间，不过本文只聚焦于一个细小而明确的问题：
谁是这100W用户中的隐藏核心？
一个很容易想到的角度就是：粉丝数越多的用户就越核心。可是单纯地比较粉丝数就没什么意思了，因为粉丝数只是综合影响力的维度之一，而且只看这一个维度难免有失偏颇。打个比方，一个被100个一线明星关注的大老板的粉丝数很可能远不如一个三线明星的多，然而论影响力显然就是粉丝数较少的大老板要大。
这就涉及到PageRank算法的基本思想了：在一个网络中，被越多优质的节点（网页）指向的节点就越优质。
PageRank算法与Google的关系，以及它的数学推导什么的就先不说了（以后有时间有心情再说），我们直接上代码搞case study……
为了简单起见，这里做了如下约束，以粉丝数top100的用户为样本，观察他们所关注的单向社交网络，通俗点说就是获取这100个用户都关注了什么人；并且假设这100个用户都是平等的，不因为每个人的粉丝数、作品数的差异而赋予不同的权重，亦即所有的权重都是1。
先看看粉丝数最多的是哪些用户（为了图形的可读性，这里只放前50个）：
5sing粉丝数top50歌手
我们可以看到前2名用户的粉丝数遥遥领先，因为他们是官方号（裁判在哪里）……
爬下的原始数据长这样：
用户单向关注网络
其中左边是关注人的ID，右边是被关注人的ID。
然后基于用户两两间的单向关注关系，创建邻接矩阵，迭代多次至收敛，就可以算出各个用户的PageRank分值（此处省略500字加50行数学公式……），分值最高的人影响力最大，也就是我们要找的隐藏核心。
当然这里依然为了简单（toulan）起见，并没有从零开始实现算法（虽然也简单），而是直接调包：
v <- vector()
for(i in 1:nrow(df)){
v <- c(v,df$rel_from[i])
v <- c(v,df$rel_to[i])
}
g <- graph(v,directed = T)
result <- page_rank(g)
result$vector %>% sort(.,decreasing = T) %>% head(1)
1090120
0.0003481353
最后计算出的结果，pagerank分值最高的用户id是1090120，分值是0.0003481353。
这个人是谁？
根据ID去查用户名，这个人是叶洛洛。
从前面的柱形图里，你可能至少要花半分钟才能找到粉丝数排名20开外的叶洛洛，为什么他是隐藏核心？
我们先从数据的角度来看：
select rel_from,name from sing_top100_relation a
left join user_ids_5sing b on a.rel_from = b.uid
where rel_to = "1090120" order by fans_num desc;
叶洛洛的大V粉丝
可以看到，top50榜单中有不少人都是他的粉丝。这也印证了PageRank的思想：你本身粉丝数不是最多不要紧，只要有一堆粉丝数很多的人是你的粉丝，那你就很牛逼了！（虽然本文并没有用粉丝数作权重……）
其次从业务的角度来看：
如果你不混古风圈，如果你不泡5sing，也许你就不知道叶洛洛的身份：5sing编辑。所以他的粉丝数尽管不像5sing音乐人和网站管理员这么高调，但其实也是官方人员啊……尽管我对他了解并不多，但我也略知他长期活跃于古风圈，也与不少古风圈有名的歌手、5sing的核心大V交好，所以现在能理解为什么他是隐藏核心了吧？
最后容我开一句不知是否冒犯的玩笑（如果是，我道歉），以作为本文的结论收尾：
在一个有限的群体中，所谓隐藏核心，并不是表面上最光鲜的人，而是握有最多的资源、最接近制定规则阶层的人。
网友评论