- 上一篇：网络数据抓取的国内外研究现状
- 下一篇：图像融合国内外发展研究现状
以下学者都采用了指标法来识别意见领袖，平亮[16]，于重远[17]都采用了中心性和中心势这两项指标来直接判断意见领袖。丁雪峰[18]采用相对点度中心度、相对CPN级数和CPN点度中心势等指标，根据主观经验来确定各个指标的权重，得到意见领袖评价函数，得到网络中各个节点的函数值排名，从而确定网络中的意见领袖。刘志明[4]根据微博的特点，建立了相对比较复杂的指标体系，包括影响力、活跃度两个一级指标，以及被转发数、被评论数、被提及数、原创数、自回帖数、回复他人帖子数、活跃天数7个二级指标，并通过层次分析法确定指标权重。何韬等[19]使用入度、出度、中介中心度、正回复数、负回复数、净正回复数等6个指标来标识意见领袖，使用期望最大化聚类算法把节点分为6簇，选取其中两簇为意见领袖，根据得出意见领袖的特征，验证了其所选指标的有效性，并提出了一套识别意见领袖的数学模型。
（2）社会网络结构挖掘法
此方法一般以网络结构挖掘为出发点，根据节点在网络图中的位置信息，使用图论中的挖掘算法测度节点的声望值，计算节点的重要性排名，排名靠前的即为意见领袖。经常用到的算法有带权值的PageRank算法和HITS算法，以及超网络模型等等。
Weng等[8]据此提出基于 PageRank 的TwitterRank 方法来实现某一特定主题下有影响力的Twitter 用户发现。肖宇等[20]在PageRank的基础上加入情感权重，提出LeaderRank的意见领袖发现算法。麦艺华[2]、康叔龙[21]都使用了带权值的PageRank算法来识别意见领袖。熊涛等[22]使用改进的HITS算法来识别意见领袖。马宁[23、24]应用超网络模型来识别舆情网络中的意见领袖，在识别意见领袖的同时考虑了活动者观点倾向性因素。