用户跨社交媒体信息行为研究——概念界定、主题归类与未来展望

[目的/意义]通过对过去10余年国内外相关文献的梳理,把握用户跨社交媒体信息行为研究的特征和不足,并提出值得关注的研究方向,为该领域的发展和理论突破提供助力。[方法/过程]在文献检索的基础上,根据研究目的和质量评估筛选文献,再通过内容分析的方式从概念界定、理论基础和主题归类等方面进行总结整理。[结果/结论]用户跨社交媒体信息行为研究具有用户类型多样性、社交媒体异质性、信息线索一致性、行为模式协同性等概念内涵,理论基础聚焦在研究背景、信息需求和信息行为等维度,研究主题可归类为不同用户在不同社交媒体中的信息行为和同一用户在不同社交媒体中的信息行为。未来研究应当进一步扩展概念特征的外延,构建专有的理论模型和深挖其实践价值。

微博网络用户的活跃性判定方法

推荐系统的冷启动问题是近期的研究热点,而用户的活跃性判定是冷启动问题的基础。已有方法在判定用户的活跃性时,单纯地考虑了用户发表信息量,对社交媒体的社交关系及行为等特征利用不够。该文面向微博网络,提出了系统的用户活跃性判定方法,创新性主要体现在:(1)提出了微博网络影响用户活跃性的四类指标,包括用户背景、社交关系、发表内容质量及社交行为,避免了仅仅使用用户发表信息数量判定用户是否活跃的粗糙方式;(2)提出了用户活跃性判定流程,提出了基于四类指标的用户与用户集的差异度计算模型。以新浪微博为例,选取了学术研究、企业管理、教育、文化、军事五个领域的900个用户作为测试集,使用准确率P、召回率R及F值为评价指标,进行了实验分析和比较。结果显示,该文所提用户活跃性判定方法的准确率P、召回率R、F值比传统的判定方法分别提高了21%、13%和16%,将该文所提方法用于用户推荐,得到的P、R和F值比最新的方法分别提高了5%、2%和3%,验证了所提方法的有效性。