文献综述（或调研报告）：
通过阅读论文和对直播平台的调查和分析发现[1][2]，目前还没有研究团队进行基于主播影响力的计算。艾媒咨询制作了2018年直播行业报告[3]，其分析了直播相关的最新以及未来可能的风向。而在在推特排名[1]这篇论文中，介绍了几种计算用户影响力的算法：
- 入度算法
通过衡量一个用户有多少个粉丝，来衡量该用户的影响力。这被很多公司所采用，比如推特，还其他的相关公司类似于twitterholic,wefollow等。
- PageRank
PageRank[4]是给页面进行排序的算法，通用性和普遍性非常的强。对于计算用户影响力时候，能够使用它的链式拓扑图来进行计算，但是它也仅是只考虑链式拓扑图结构，每一个页面一开始都赋予了同样的权重值，每个页面的排名值是根据有多少个其他的页面指向它来计算的，随后的迭代中根据它的拓扑图不断更新，最后对每一个图中的页面都会有一个值，从而达到排名的效果。
- Topic-sensitive pagerank
Topic-sensitive pagerank[5]，基于话题的页面排序算法，同样可以应用到用户的影响力计算中，它计算了每一个话题的Pagerank向量，计算出来了话题相关的转移概率矩阵。就是一个用户对于是否停留在一个页面是有一个兴趣概率的，在pagerank中这个概率是固定的，这样不够严谨，在这个算法中，运用了一个相关的概率矩阵，从而完善了这一问题，虽然说对于pagerank它是进步非常多的，但是它也是有缺陷的，因为它对于每一个话题都保持了一样的概率转移矩阵，但是用户本身对于每一个话题感兴趣程度是不同的。
- Topic-sensitive twitterrank
Topic-sensitive twitterrank[1]，对于推特用户，这个算法采用了不同话题不同的概率转移矩阵，进一步完善了排名算法，他们事先采用LDA主题模型[6]进行话题的提取，并构造了相关的概率转移矩阵，从而能够十分严禁的计算出用户的影响力评分。
在了解到这些算法后，还需要了解到需要用到的技术，在爬虫和语义分析中，需要涉及的内容也非常的多。
- Web Crawler
Web Crawler[7]是一个极为强壮的，扩展性极强的爬虫算法，在这篇文献中详细的介绍了它的各部分组件。爬虫就像是一直蜘蛛一样 ，而互联网是就像是一张大大的蜘蛛网一样。简单的说爬虫就是请求网站并提取数据的自动化程序。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
