Influence in Twitter has become recently a hot research topic, since this micro-blogging service is widely used to share and disseminate information. Some users are more able than others to influence and persuade peers. Thus, studying most influential users leads to reach a large-scale information diffusion area, something very useful in marketing or political campaigns. In this study, we propose a new approach for multi-level influence assessment on multi-relational networks, such as Twitter. We define a social graph to model the relationships between users as a multiplex graph where users are represented by nodes, and links model the different relations between them (e.g., retweets, mentions, and replies). We explore how relations between nodes in this graph could reveal about the influence degree and propose a generic computational model to assess influence degree of a certain node. This is based on the conjunctive combination rule from the belief functions theory to combine different types of relations. We experiment the proposed method on a large amount of data gathered from Twitter during the European Elections 2014 and deduce top influential candidates. The results show that our model is flexible enough to to consider multiple interactions combination according to social scientists needs or requirements and that the numerical results of the belief theory are accurate. We also evaluate the approach over the CLEF RepLab 2014 data set and show that our approach leads to quite interesting results.

中文翻译：

---

基于信息融合的方法，使用信念理论研究对Twitter的影响。

自从微博服务被广泛用于共享和传播信息以来，在Twitter中的影响力已成为最近研究的热点。一些用户比其他用户更有能力影响和说服同龄人。因此，研究最有影响力的用户可以达到大规模的信息传播领域，这在市场营销或政治活动中非常有用。在这项研究中，我们提出了一种对多关系网络（例如Twitter）进行多层次影响评估的新方法。我们定义了一个社交图，以将用户之间的关系建模为一个以用户代表节点的多重图，并通过链接对用户之间的不同关系进行建模（例如，转发，提及和回复）。我们探索该图中节点之间的关系如何揭示影响程度，并提出一个通用计算模型来评估某个节点的影响程度。这是基于信念函数理论中的合取组合规则来组合不同类型的关系。我们对2014年欧洲大选期间从Twitter收集的大量数据进行了实验，以推论出最有影响力的候选人。结果表明，我们的模型具有足够的灵活性，可以根据社会科学家的需求或要求考虑多种相互作用的组合，并且信念理论的数值结果是准确的。我们还根据CLEF RepLab 2014数据集评估了该方法，并表明我们的方法得出了非常有趣的结果。这是基于信念函数理论中的合取组合规则来组合不同类型的关系。我们对2014年欧洲大选期间从Twitter收集的大量数据进行了实验，以推论出最有影响力的候选人。结果表明，我们的模型具有足够的灵活性，可以根据社会科学家的需求或要求考虑多种相互作用的组合，并且信念理论的数值结果是准确的。我们还根据CLEF RepLab 2014数据集评估了该方法，并表明我们的方法得出了非常有趣的结果。这是基于信念函数理论的合取组合规则来组合不同类型的关系。我们对2014年欧洲大选期间从Twitter收集的大量数据进行了实验，以推论出最有影响力的候选人。结果表明，我们的模型具有足够的灵活性，可以根据社会科学家的需求或要求考虑多种相互作用的组合，并且信念理论的数值结果是准确的。我们还根据CLEF RepLab 2014数据集评估了该方法，并表明我们的方法得出了非常有趣的结果。我们对2014年欧洲大选期间从Twitter收集的大量数据进行了实验，以推论出最有影响力的候选人。结果表明，我们的模型具有足够的灵活性，可以根据社会科学家的需求或要求考虑多种相互作用的组合，并且信念理论的数值结果是准确的。我们还根据CLEF RepLab 2014数据集评估了该方法，并表明我们的方法得出了非常有趣的结果。我们对2014年欧洲大选期间从Twitter收集的大量数据进行了实验，以推论出最有影响力的候选人。结果表明，我们的模型具有足够的灵活性，可以根据社会科学家的需求或要求考虑多种相互作用的组合，并且信念理论的数值结果是准确的。我们还根据CLEF RepLab 2014数据集评估了该方法，并表明我们的方法得出了非常有趣的结果。