微博信息生态系统公共事件驱动模式研究

以微博信息生态系统中3个公共事件的90条典型微博信息作为研究对象,运用北大PKUVIS微博可视分析工具逐条分析,利用帆状图绘制和统计功能,根据图示的视觉特征进行聚类,从传播层级、传播路径和传播量着手,从微博用户和信息两个角度出发,揭示微博公共事件爆发的两种驱动力和三种驱动模式:转发源用户特质驱动力和微博信息内容特质驱动力;以及关键用户引导辐射式、信息内容特质引导链式、关键用户与信息内容特质协同引导复合式。

高校微博信息发布研究

微博已经成为高校信息发布的重要平台,本文以新浪微博平台上24所高校官方微博为样本对象,运用内容分析法、统计分析、聚类分析等方法,分析微博信息发布的现状,对高校微博信息发布的主要模式及其特征进行归纳,并根据发布效果探讨较为合理的高校微博信息发布方式。本文结论对于指导高校建设官方微博,充分利用微博特点进行信息发布,具有积极的意义。

一种基于MapReduce的微博信息推荐并行算法

随着微博和移动互联网的快速发展,社交网络变得越来越庞大,信息的个性化服务越来越受到重视.Slope One算法是一种协同过滤推荐算法,算法通过用户项目的偏差矩阵和频度矩阵,预测目标用户感兴趣的项目,实现了信息的个性化推荐.考虑到Slope One算法对大数据处理不足的问题,提出一种改进的基于并行Slope One算法的微博信息推荐算法,并借助MapReduce平台设计实现了该算法.实验表明,该算法不仅具有良好的加速比和可扩展性,还具有较好的预测准确率,它可以更高效的处理微博数据.

企业家微博信息质量对粉丝品牌态度的影响机理研究

基于类社会互动和偶像崇拜的视角,对企业家微博的信息质量与粉丝品牌态度之间的关系进行了实证研究,发现企业家微博信息的准确性、适当性和可读性均对粉丝与企业家之间的类社会互动有直接正向影响,而它们对粉丝品牌态度的影响存在差异性;信息的准确性、适当性对粉丝品牌态度的直接影响不显著,而信息的可读性对粉丝的品牌态度有直接正向影响;偶像崇拜在微博信息的可读性与类社会互动以及可读性与品牌态度之间均存在正向的调节作用。

论微博信息的长期保存价值

微博是最受欢迎的社交媒体之一,庞大的微博用户群体生产了大量有长期保存价值的微博信息,然而与之相关的研究、实践却十分匮乏。文章分别论述了微博信息的长期保存价值,以及对微博信息长期保存价值的质疑,指出并建议国内外相关学者、机构应对微博信息保存开展更加全面而深入的研究。

微博信息传播模型及其演化研究综述

文章针对微博信息建模过程中影响因素众多、过程复杂现状,梳理模型构建的依据及其演化脉络。文章对现有微博信息模型进行功能解析和演化分析,从节点自身属性、链接关系到整体拓扑结构演化的视角,解析微博信息传播模型中的社会网络特征;从传播模式、传播影响因素和传播规律演化的角度,阐释微博信息传播模型的复杂网络特性;从传播预测和传播控制的视角,揭示微博信息传播模型的双重网络特质。文章提出微博信息传播模型的演化方向,即微博信息传播中节点、节点链接与信息内容的融合,复杂网络与多重网络的融合,微博信息传播与大数据的融合。

突发事件中微博信息的传播及其思考——基于“福建漳州PX项目爆炸事件”的实证分析

随着自媒体话语权的不断壮大,微博作为一种分享和交流平台,以其注重时效性的特点在突发事件信息传播中起着至关重要的作用。与此同时,微博由于其强大的互动性,使其在突发事件信息传播中获得强有力的集合效应和扩散效应,从而使政府信息应对处于被动状态。政府要善于运用日益壮大的新兴媒体,探索突发事件在微博平台中的信息传播规律与政府应对策略。

基于微博信息对电影票房的预测分析

随着社交网络的快速发展,社交媒体中蕴含着许多与用户思想、行为相关的数据,深入挖掘这些信息,对于企业战略的制定具有十分重要的意义。针对微博上的有效信息,提取用户对电影的喜好和选择等,对电影票房进行预测;在此基础上,提出利用微博信息促进电影营销的相关策略。

基于微博信息数据分析研究综述

基于微博信息数据分析研究进行系统梳理,提出三大研究方法,即适于演化的微博信息的数据表达模型研究;基于谱聚类的适于微博信息的大规模数据集划分方法研究;基于多特征演化联合聚类的在线微博信息划分方法研究。

一种相关话题微博信息的筛选规则学习算法

微博作为一种新型的社会媒体,以其信息的高实时性、话题动态关注、传播速度快的特点,逐渐被人们所接受和使用。筛选出相关话题的微博信息,帮助用户关注话题的动态发展,成为迫切需要解决的问题。由于微博信息篇幅极短、包含的信息和特征少等特点,为相关话题微博信息的筛选带来了新的挑战,而传统的文本分类技术已不再适用。该文提出了基于信息熵的筛选规则学习算法,利用学习得到的规则对微博信息进行有效的筛选。算法利用信息熵来评价规则的好坏,同时基于模拟退火的随机策略使算法中的规则选择避免了过于贪心。分别通过来自新浪微博的约九万条标注数据和TREC2011中约三千条特定话题的标注数据进行实验,该文算法相比于CPAR和SVM算法,学习得到的规则在筛选时取得了较高的F值。

城市形象传播中微博信息资源的议程设置

本文主要分析当前我国城市形象传播过程中如何更好地利用微博信息资源议程设置,提升城市形象。在探索该理论对城市形象传播方面的规律性时,以新媒体中具有代表性的微博为例,以期找到改善城市形象的主要方式,并借助微博等新媒体信息资源实现优化。

公共危机事件中微博信息可信度研究

公共危机事件发生后,微博是人们获取相关信息的重要渠道。但危机事件发生时,微博平台中却有大量不实的、未经证实的信息,这些信息迷惑公众的视线,阻碍公共部门解决危机问题。因此,微博信息的可信度是一个亟待解决的问题。本研究以公共危机事件为背景,将微博受众作为调查对象,运用问卷调查法进行相关调查研究,对影响微博信息可信度的发布者、内容和受众三大因素以及微博信息可信度评价共九个变量进行测量。在收集数据并经过筛选后,运用SPSS软件对样本进行描述性统计分析、信效度分析、相关分析以及回归分析,从而验证假设得出相关结论。在对影响因素分析基础之上,建立评价指标体系,确定权重系数。最后提出相应的提高公共危机事件微博信息可信度的建议与策略。

基于传染病模型的微博信息传播预测研究

随着微博的爆炸式发展,微博已成为消息扩散和舆论传播的重要平台。研究微博信息的传播对市场营销、舆情管控等方面都具有重要意义。根据微博信息传播特点,结合传染病动力学原理,提出基于经典SIR(Susceptible-Infectious-Recovered)传染病模型的微博信息传播预测模型。该模型考虑了微博用户转发行为对信息传播机理的影响,构建具有微博传播特性的演化方程组。实验结果表明,该模型比SISe模型的预测误差更小,可以更准确地拟合和预测微博信息的转发数,从而预测得出微博信息的传播趋势。

危机UGC事件的企业微博信息采纳行为研究

随着Web2.0时代的到来,各类社会化媒体给予每个人"及时遍在说话"的可能性。通过社会化媒体平台危机信息得以广泛大量的传播,企业也面临更大的挑战。随着越来越多的企业开始关注社会化媒体的影响力,并且通过微博、人人直接与用户进行沟通,企业如何进行在线沟通是一个难题。尤其是负面的危机事件爆发后,企业如何借助社会化媒体这一沟通工具以应对危机带来的负面舆情,是企业急需了解的。从大量的案例中提取相关数据,通过简单的数据分析对企业危机沟通决策带来的沟通效果进行解析,通过定量分析的方法找到沟通要素之间的相关关系,并为企业危机沟通干预决策的制定提供建议。

一种基于用户兴趣特征的微博信息转发预测方法

对微博信息传播方式、转发预测方法等进行了分析,基于融入用户兴趣特征算法构建了一个信息在线分享预测模型,并以新浪微博数据为例对预测模型进行试验。实验结果显示,该类预测分析模型对于微博信息转发预测具备较高的准确度。

新浪微博信息传播的影响因素分析与效果预测

本文以新浪微博平台为数据采集平台,对微博信息传播的影响因素和效果进行数据分析,在借鉴信息传播四要素和流行三要素的基础上,总结出了影响微博信息传播的16个因素。首先通过对"风云人气榜"上随机抓取的320个新浪微博用户数据进行多元线性回归预测,实证得到粉丝数、工作时间和发布时间对微博信息传递有促进作用,而活跃度、休息时间和日期对信息传播有阻碍作用;然后利用爬取数据中提取的441 005个转发样本,通过逻辑回归、朴素贝叶斯和贝叶斯网络的概率模型分析,实证了社交类型对用户微博转发行为的影响最为显著,微博社交需求显著高于内容需求,并且根据ROC曲线得出综合类型对用户微博转发行为的预测最为精准。

基于BIG-WFCHI的微博信息关键特征选择方法

特征选择是用机器学习方法提高转发预测精度和效率的关键步骤,其前提是特征提取.目前,特征选择中常用的方法有信息增益(Information Gain,IG)、互信息和卡方检验(CHI-square test,CHI)等,传统特征选择方法中出现低频词引起的信息增益和卡方检验的负相关、干扰计算等问题,导致分类准确率不高.本文首先针对低频词引起的信息增益和卡方检验的负相关、干扰计算等问题进行研究,分别引入平衡因子和词频因子来提高算法的准确率;其次,根据微博信息传播的特点,结合改进的IG算法和CHI算法,提出了一种基于BIG-WFCHI(Balance Information Gain-Word Frequency CHI-square test)的特征选择方法.实验分析中,本文采用基于最大熵模型、支持向量机、朴素贝叶斯分类器、KNN和多层感知器5种分类器对两个异构数据集进行了测试.实验结果表明,本文提出的方法能有效消除无关特征和冗余特征,提高分类精度,并减少运算时间.

基于皮尔森相关检验的微博信息传播模式的实证研究——以新浪微博为例

本项研究旨在通过观察记录微博平台现有数据、实证研究建立针对于微博平台上微博信息传播模式,为企业进行微博营销提出具有实践性的建议。其中应用的数据分析方法多种,通过描述性分析法对于微博用户使用行为情况进行分析;皮尔森相关性检验分析不同类型微博账号的微博数、新增粉丝数、转发数之间的相关关系、通过多元回归分析建立微博账户质量度、活跃度与关注数、转发数、粉丝数之间的回归模型。

基于隐马尔科夫链的微博信息热点抽取算法研究与设计

微博信息更新速度快、内容零散化,因此难以进行信息检索与数据挖掘。针对上述问题,提出了一个基于隐马尔科夫链的微博信息热点抽取算法,给出了该算法的基本处理思路与形式化表述,并最终对其进行了测试。实验表明,该算法具有良好的综合性能,能够高效准确的抽取微博信息热点。

无惧删除，微博信息存云端

刷微博，相信这已经成为了很多人每天必做的几件事之一。要是看到自己喜欢的博文或者有用的信息，不少人都会将它们收藏下来。不过，坑爹的是，这些信息一旦被原博主删除，我们就再也看不到了。这可怎么是好？其实，我们可以将微博和某些云笔记应用进行捆绑，这样不仅可以一键完成信息的转存，还能无惧删除。