基于解释结构模型的微博用户中辍行为影响因素研究

[目的/意义]探究微博用户中辍行为影响因素,构建微博用户中辍行为影响因素解释结构模型,对持续激发微博用户活跃度,促进社交媒体可持续发展具有重要的理论和实践意义。[方法/过程]采用扎根理论对微博用户进行深度访谈,并对原始资料进行三级编码提炼出微博用户中辍行为影响因素,通过解释结构模型对影响因素进行层次结构划分,并分析影响因素间的内在联系及其作用机理。[结果/结论]微博用户中辍行为的影响因素主要包括底层、中层和表层三个层面共16项因素,其中网络环境、社会环境和用户性格特点3项底层因素是中辍行为产生的最根本因素,感知成本、社交过载、信息质量等11项表层因素对中辍行为有最直接的影响作用,信息过载和功能过载是中间的联系因素。

信息需求与供应的对接博弈:微博用户关于人乳头瘤病毒疫苗的话语呈现和主题建构

人乳头瘤病毒(human papilloma virus,HPV)疫苗作为唯一可以预防癌症的疫苗,自引入国内之后持续得到各方关注。2022年5月HPV疫苗走私诈骗案件频频登上热搜,为更好地研究这一特殊疫苗的微博主题及话语,本研究利用Python软件爬取微博中2022年5月1日—8月1日有关于HPV疫苗共8687篇博文,利用隐含狄利克雷分布(Latent Dirichlet Allocations,LDA)主题模型进行分析,得到大众媒体、专业媒体、意见领袖和普通用户的微博主题。通过对应的主题分类和话语研究,笔者发现在微博平台中多元主体塑造了丰富的HPV疫苗主题和话语生态,多方话语力量交织呼应,在信息需求和供应的对接博弈中,建构了彼此的博文主题,塑造了独特的HPV疫苗话语类型。

基于用户行为综合分析的微博用户影响力评价方法

通过对用户转发、评论和提及三种行为的综合分析,运用统计分析方法就微博用户的不同行为对传播影响力的贡献进行度量,提出一种基于行为权值分配的PageRank算法,对传播影响力大小进行定量的分析。采用微博数据的实验结果表明,该算法比其他传统算法对传播影响力判断的准确性更高,且用户特征中最能反映用户传播影响力大小的是用户转发情况。

基于LDA模型的新冠肺炎疫情微博用户主题聚类图谱及主题传播路径研究

本文构建“日本钻石邮轮”舆情话题微博用户的主题聚类图谱和对网络社群间主题传播路径进行分析,可以更好地识别微博用户主题特征和意见领袖,从而帮助舆情监管部门对舆情进行更为有效的引导和监管。本文基于LDA(latent Dirichlet allocation)模型构建新冠肺炎疫情事件下微博用户的主题聚类图谱,利用困惑度评价指标来确定微博用户的最优主题数和主题分布;利用网络用户转发评论关系构建微博用户主题聚类图谱,提出网络社群间主题传播路径分析方法。本文结合“日本钻石公主号邮轮”这一全球新冠肺炎疫情期间的重要舆情话题,进行微博用户群体主题的确定、主题意见领袖的识别以及该话题下的网络社群间主题传播路径分析。研究结果表明,基于LDA模型可进行网络群体主题识别,并发现衍生的舆情话题,通过意见领袖识别可更好地进行舆情引导,利用网络社群的主题传播路径分析可进行话题推送,从而实现对舆情更好地引导及网络生态治理。

微博用户使用动机影响因素与结构的实证研究

在对动机概念和动机的相关理论进行分析的基础上,根据使用满足理论,提出微博使用动机的概念,认为微博用户的使用动机受个人特质、环境因素和微博平台等的交互影响。在此基础上建立微博用户使用动机的概念模型,将微博用户使用动机分为信息动机、休闲动机和社交动机等,并用实证数据进行分析,发现不同用户的使用动机是不同的。从整体上看,信息动机和休闲动机占据主要地位,社交动机作用发挥欠缺;用户行为与用户的使用意愿都受其使用动机影响,所以微博在发展过程中必须根据用户行为,发挥优势,满足用户个性化需求。

基于领域的微博用户影响力计算方法

为了充分考虑微博的跨领域与领域交叉性特点,提出了基于领域的微博用户影响力的计算方法.该方法依据用户的微博内容与ODP领域本体的相似度,通过KNN领域分类算法判别微博所属的领域;并根据用户的粉丝数、被提及数、被评论数、在线时间与注册时间、微博的转发数等参数运用影响力计算公式分别计算用户在各领域的影响力,从而确定微博用户在各领域的影响力大小.实验表明,本文的计算方法充分考虑了微博的跨领域性与领域交叉性特点,并能更好地计算用户在各领域的影响力大小.

融合用户标签和关系的微博用户相似性度量

已有的微博用户相似性度量主要依据用户关系,实际上,在微博网络中,用户的标签信息直接表征了用户的兴趣爱好,是影响微博用户相似度的另一因素,为此,在网页相似度计算的基础上提出了融合用户关系和标签的微博用户相似性度量方法,该方法分别计算用户的链入标签相似度和链出标签相似度,并将其进行线性调和。实验从新浪微博采集实验数据,实验结果表明新方法对微博用户分类的准确率明显高于仅考虑用户关系的微博用户相似性计算方法。

个人微博用户网络的节点中心性研究

以新浪个人微博用户为研究对象,建立了一个"关注"与"被关注"的有向网络.将节点度、紧密度、介数和K-壳4个社会网络指标应用到微博有向网络,研究了个人微博用户网络中节点的中心性,得到网络中重要性用户,分析了他们在信息传播中的作用和在网络中所表现出来的特性,体现出该用户的兴趣爱好.研究了社会网络指标与度之间的相关性,体现出网络各指标之间的关系.研究结果有助于识别个人微博用户网络的关键节点,进而分析信息在个人微博用户网络中的传播.

微博用户转发动机实证分析

微博在信息的传播效果和传播速度上拥有突出优势,转发功能可以使微博信息在短时间内实现跨群体、病毒式传播,并通过几何级的传播而形成广泛影响力。本文以新浪微博普通用户为实验对象,通过网络问卷收集数据,采用因子分析和主成分分析法研究微博用户的转发动机。微博普通用户转发微博的动机主要为:娱乐消遣动机、自我实现动机、环境监测动机、人际交往动机。最后,根据微博用户转发动机的分析结论,提出了相应的政策建议。

暴恐主题下微博用户特征及情感倾向性分析

暴力恐怖事件给国家和社会安全管理带来很大的挑战,关于"暴恐"舆情的深入研究是网络舆情分析的重要内容之一。基于"新疆暴恐"主题下的微博抽样数据,对微博用户的基本特征进行了统计描述,刻画了舆情情感倾向强度的动态变化,并构建有序多分类Logistic回归模型,研究了影响网民情感倾向性的主要因素。实证结果表明网民的性别、活跃度、所在地区的环境效应对情感倾向有显著影响,但活跃度与其它因素的交互作用对影响效应有一定的抵消作用。

微博用户群体行为复杂性分析的实证研究

微博用户群体在网络群体性事件的发展中扮演着重要角色,同时对于微博环境的塑造和社会稳定发展都有重要作用。微博用户群体行为具有复杂性,从宏观方面来看,微博用户群体的结构、群体的言论表现以及群体行为的自适应性使得群体面临复杂的客观环境,群体成员需要根据环境的变化不断调整自身行为;从微观上来看,群体成员之间的互动和群体成员的心理与动机使得成员行为处于不断变化的状态,这也间接影响了群体行为的状态。在宏观因素和微观因素的共同作用下,微博用户群体行为表现出不稳定性、不可预测性和复杂性,需要运用复杂网络的相关理论,建立模型,才能更好地认识微博用户的群体行为。

基于行为权值的微博用户影响力度量算法

用户影响力度量是目前微博研究的基础和热点方向,为了提高微博传播影响力度量的准确性,提出一种基于行为权值的微博用户影响力度量算法。对网络用户的转发、评论和提及等行为进行分析,将数据输入到最小二乘支持向量机中进行学习找到最合理的权值,并建立传播影响力度量模型,采用具体数据对算法的性能进行仿真测试。结果表明,相对于其他微博用户影响力度量算法,该算法不仅提高了微博用户影响力的度量准确性,而且可以准确刻画各种用户行为对网络传播力贡献。

一种基于时间片的微博用户分类方法

针对微博用户分类问题提出时间片微元的概念,建立了时间片微元模型;对每个时间片内的微博所涉及到的用户进行研究得到时间片微元内部的用户兴趣度向量,最终整合所有时间片内的用户兴趣度向量,再对整个时间段内用户的兴趣度向量进行两次朴素贝叶斯分类,得到整个时间段内的用户分类.同时,对微博内容研究上规避了传统的单一的依靠系统标签形成用户网络的方式,结合了自然语言处理技术,提取用户兴趣方向,形成用户兴趣向量,然后对用户兴趣向量分析,采用改进的朴素贝叶斯分类算法进行用户分类.最后是对所提出的方法按详细步骤进行实验,研究结果表明,基于时间片的微博用户分类方法能有效对大规模的微博语料中所涉及到的用户进行较准确分类,为研究微博用户分类问题具有一定推动作用.

基于k-means算法的微博用户推荐功能研究

将微博中的兴趣关注根据现有的类别进行再次分类。以新浪微博达人为研究对象,提取他们关注的名人以及机构,并将这些名人、机构根据主页描述和标签进行归类。基于共链关系统计同时关注每两个类别之间的用户人数。最后将统计结果制成相关性矩阵,导入SPSS软件中进行k-means聚类,结果为具有相似性的兴趣可以聚为一组。最后根据聚类结果结合现实情况分析各类别之间的相似性与区别。挖掘用户关注兴趣的隐性信息,并对微博用户推荐兴趣提出建议。

基于提及关系的微博用户知识发现初探

发现具有重要影响力的微博用户及其主题信息对于甄别高质量信息来源,充分发挥微博的媒体沟通作用,提高公民信息素养具有重要的意义。文章提出了基于提及关系的微博用户知识发现模型,分析了被提及用户与微博文本之间的联系,并利用LDA主题模型对微博用户进行聚类分析和主题词抽取,实验证明基于提及关系的主题聚类可以发现高影响力微博用户及其主题词。

微博用户关系网络中意见领袖的分析与挖掘

在微博世界中,微博意见领袖对微博中舆论的导向发挥着重要的作用,因此,研究微博意见领袖的分析与挖掘方法十分必要。探讨了微博用户网络中意见领袖的分析与挖掘方法,构建了微博意见领袖的特征指标体系,采用层次分析法(Analytic Hierarchy Process,APH)给出了各特征指标的权重计算方法,从而提出了用户初始影响力的计算模型。在此基础上,借鉴PageRank算法思想,提出了用户初始影响力扩散的计算模型,实现了微博用户影响力的定量化度量,为意见领袖的分析确定提供了充分的依据。实验数据表明,所提出的微博意见领袖的分析与挖掘方法是非常有效的。

基于聚类分析的微博用户标签自动生成

基于用户发表的微博内容进行标签的自动生成,主要研究的是基于聚类分析的用户标签自动生成。本文首先介绍用到的关键技术:聚类技术和Text Tank,提出了Baseline系统,接下来详细说明了基于聚类分析的标签自动生成方法,最后通过实验对该方法进行了分析和评价。实验结果表明,该方法生成的用户标签能够有效地解决同义标签的堆积问题,使得生成的标签能够在更多的维度上体现用户的兴趣。

微博用户的信息发布行为模式实证研究

本文利用新浪微博数据,从微博发布行为的时间间隔分布、周期性与波动性,以及记忆性与爆发性等方面出发,对微博用户的行为特征进行实证研究和分析。实验结果表明微博信息发布行为的时间间隔分布具有幂律特征。在此基础上,我们还发现微博用户的分布行为表现出明显的周期性与波动性,同时还具有强记忆弱阵发的特性。研究结果在控制网络谣言,促进微博营销等领域具有一定的指导意义和实际价值。

基于相似主题和HITS的微博用户推荐算法研究

为了准确地为微博用户推荐相近兴趣领域的重要用户,有效提高用户对微博平台的依赖度。该文对传统的HITS算法进行了改进:通过分析微博用户社交网络结构,运用改进算法将微博用户划分为3类,在微博主题相似度计算中引入用户的权威度和中心度,最后根据用户类别进行微博用户推荐。实验中,使用爬取的微博数据对传统的推荐算法和该文的改进算法进行对比实验,由于所提算法在分析过程中考虑了用户结构信息、用户的权威度与中心度等多种因素,因而在准确率、召回率、F1值上均有明显提高。

基于群体分类的微博用户公共情绪偏好实证研究

基于精细加工可能性模型(ELM)理论,依据微博数、粉丝数和关注数,在将微博用户划分为游离型、信息获取型、活跃型和名人型4种群体的基础上,构建了微博用户公共情绪偏好分析模型,并进行实证研究,最后针对微博用户的分类引导提出了可操作性建议。