基于铀媒指数的省级档案馆微博信息服务优化研究

基于铀媒指数对8个省级档案馆微博的运营数据进行分析,探索省级档案馆微博信息服务的发展现状,发现其在重视程度、更新速度、内容特色、互动意识方面存在问题,进而提出省级档案馆微博信息服务的优化提升路径,以期为档案馆信息服务提供全新视角,为后续档案馆微博平台的应用研究提供参考。

微博短视频属性对旅游目的地形象的影响

移动互联网的发展推动新媒体技术的提升,越来越多的旅游目的地开始重视运用新媒体特别是短视频营销的方式进行旅游目的地形象构建、塑造及传播。以微博短视频属性的具体要素为出发点,基于自我一致性理论与旅游地形象理论,通过自然实验方法分析微博账号类型和博主类型的短视频对旅游目的地形象及游客旅游意向的影响。研究发现,微博账号类型对目的地形象的直接影响不显著;博主类型显著影响旅游目的地的认知、情感及整体形象;自我一致性中介作用表明,博主类型和微博账号类型通过间接途径显著影响旅游目的地形象。研究结论不仅丰富了短视频属性对旅游目的地形象研究的内容,而且还可以通过市场细分、大数据分析识别,为旅游形象地管理者塑造形象时提供理论依据,也为其在社交媒体短视频营销的精准投放提供参考。

中国旅游微博空间分布格局及影响因素——以新浪旅游微博为例

运用空间分析法、位序-规模法则、多元回归等方法,对中国旅游微博的空间分布格局进行分析,并揭示旅游微博空间分布的影响因素。研究表明:1中国旅游微博以政府旅游微博为主体,旅游专业网站微博为重要补充,旅游景区、旅游协会微博所占比重较小。2旅游微博东密西疏的梯度分布格局较为突出,省际分布集中性强,且大多分布在人口规模大、行政级别高的城市。3旅游微博规模分布满足齐夫法则,双分形结构明显,但不同类型旅游微博规模等级结构以及发育程度差异较大。4旅游微博空间分布受人口规模、信息化程度、旅游资源禀赋等因素的综合影响,不同类型旅游微博空间分布的影响因素表现出一定的差异性。

微博舆情传播规律研究

随着用网络户数的增加，微博已成为网民表达意愿的重要渠道，成为当前最具影响力的传播工具之一。由突发事件导致的舆情在微博上传播迅速，影响广泛。基于传统传染病模型（SIR模型），本文对微博上舆情传播规律进行研究，建立了微博舆情传播模型，并用2011年甘肃校车事故在新浪微博上的传播进行实证研究。研究发现：原创，转发帖子爆发迅速，第二天达到峰值，衰退的速度较慢，六天后帖子数稳定在较低水平。用微博传播模型对甘肃校车事件中舆情传播规律进行仿真，仿真结果与历史数据拟合度高，验证了此模型用来研究微博舆情传播规律的可行性。最后利用此模型，研究了不同情景下的微博舆情传播规律。

新媒体环境下高校图书馆移动信息服务微营销研究

随着无线移动网络和多媒体技术的发展,高校移动用户不断增加,在新媒体环境下如何开展高校图书馆移动信息服务营销受到了越来越多的关注。高校图书馆移动信息服务微营销主要通过微博营销和微信营销来实现,两者在平台特色、定位模式、用户行为等方面存在不同。高校图书馆可以通过整合运营模式、设立营销团队、细分粉丝群体来将两者进行整合,提升移动信息服务微营销的传播效率。

基于隐含语义分析的微博话题发现方法

随着微博的大量普及和关注度的不断提高,微博热点话题发现已成为当前研究热点。针对于短文本、向量空间模型(VSM)文本表示方法存在高维度、稀疏,以及同义多义问题,导致难以准确度量文本相似度,提出一种基于隐含语义分析的两阶段聚类话题发现方法。引入话题热度的概念来选取具有一定关注度的微博文本,用隐含语义分析(LSA)对数据集进行建模;用层次聚类的CURE算法确定初始类中心;用K-means聚类得到热点话题的聚类结果。真实微博数据集的实验结果验证了该方法的有效性。

社交网络、投资者关注与股价同步性

随着以微博、微信为代表的社交网络信息平台在中国的崛起,形成了新媒体时代下信息资讯生成与扩散的完整传播链条,深刻地影响着金融市场参与主体的学习认知习惯、投资决策理念、交易行为模式,最终影响不同金融资产的价格波动规律.本文在新媒体时代情景下,以社交网络信息披露与传播平台为切入点,基于信息关注度、信赖度、更新频率等三层维度,构建社交网络微博信息质量指标体系,研究社交网络信息质量与股价同步性的内在关联关系.研究表明:微博信息质量与股价同步性有着显著的高度负向线性关联性,并且呈现出非线性U型关系.即随着社交网络信息质量水平的提升,股价同步性逐渐降低到达最小值,而后又逐渐提高.研究结论为证明上市公司社交网络微博平台对股价同步性有较强影响力,提供了中国金融市场的证据.

基于深度学习的微博情感分析

中文微博情感分析旨在发现用户对热点事件的观点态度。已有的研究大多使用SVM、CRF等传统算法根据手工标注情感特征对微博情感进行分析。该文主要探讨利用深度学习来做中文微博情感分析的可行性,采用递归神经网络来发现与任务相关的特征,避免依赖于具体任务的人工特征设计,并根据句子词语间前后的关联性引入情感极性转移模型加强对文本关联性的捕获。该文提出的方法在性能上与当前采用手工标注情感特征的方法相当,但节省了大量人工标注的工作量。

新浪热门微博的特征及用户转发规律研究

以新浪每日热门微博为研究对象,首先采用内容分析法从发布时间、发布主体、内容指向、态度倾向等方面进行热门微博特征的研究;再运用微博可视分析工具,通过案例分析,对热门微博转发时间、转发主体、转发层级进行分析,探索热门微博转发的普遍性规律。研究发现,热门微博发布者多为"微博控";热门微博影响力持续时间较长;微博空间仍然存在"中心化";热门微博大量关注社会负面信息;传统媒体正在寻求与微博融合的发展之道等。

基于中心化的微博热点发现方法

以解决微博平台海量信息碎片为切入点,结合微博信息文本短小、来源广泛、传播方式多样等特点,设计基于中心化的微博热点的发现机制。通过微博平台开放API记录的结构化元数据信息,设计微博的元数据模型,将微博热点发现看作是原始语料到热点语料簇的生产加工增值过程,设计以数据预处理技术为核心的语料初加工方法,以及基于短文本聚类、基于传播路径与用户行为的中心化深加工方法,构建完整的生产加工过程模型,并通过实例验证理论研究成果。

基于微博传播信息流的微博效果评价模型及实证研究

基于用户行为视角,根据微博传播信息流,结合PageRank算法思想和用户行为权值,提出一种评价企业微博博文营销效果的量化方案。以当当网发布的微博博文及其转发与评论作为研究样本,依据评价方案筛选出营销效果排名前八的博文并作进一步分析,进而给出提升企业微博运营效果的策略建议。实验结果表明并不是博文转发数越多,营销效果就越好;互动影响力大的用户进行博文转发能够有效提升企业的微博营销效果。

基于词典和规则集的中文微博情感分析

通过对微博文本的特性分析,提取了中文微博情感分析的关键问题:如何识别微博新词并理解其情感含义?如何利用附加信息辅助文本情感分析?如何结合语言特性构造情感计算方法?针对第一个问题,利用统计信息和点间互信息对新词进行挖掘和情感识别,在40万条新浪微博数据中构建了新情感词词典,用于对已有情感词资源的扩充。对于后两个问题,提出了基于词典和规则集的中文微博情感分析方法。根据微博特性,在不同的语言层次上定义了规则,结合情感词典对微博文本进行了从词语到句子的多粒度情感计算,并以表情符号作为情感计算的辅助元素。通过对采集到的原创微博数据集进行实验,验证了该方法的有效性。

基于层次结构的多策略中文微博情感分析和特征抽取

随着Web2.0时代的兴起,与微博相关的研究得到了学术界和工业界的广泛关注。该文使用新浪API获取数据,针对中文微博消息展开了情感分析方面的研究。我们对于三种情感分析的方法进行了深入研究,包括表情符号的规则方法、情感词典的规则方法、基于SVM的层次结构的多策略方法,实验表明基于SVM的层次结构多策略方法效果最好。其次,针对层次结构的多策略方法的特征选择进行了详细分析,包括主题无关、主题相关的特征。实验表明使用主题无关的特征时获得的准确率为66.467%。引入主题相关的特征后,准确率提升至67.283%。

微博谣言的演化机理研究

微博谣言已成为微博客乃至网络空间中的重要现象和问题。在汇集微博谣言案例的基础上,首先依据生命周期的分析方法,将微博谣言演化分为造谣、传谣、极化和辟谣等阶段;然后依据层次分析法,指出微博谣言的造谣有张冠李戴、无中生有、断章取义、添油加醋、关联名人和冒名顶替等方式,传谣存在裂变、合力和漏斗等形式,在谣言极化过程中具有拼图效应、雪崩效应等,在微博谣言的消解阶段,则主要有自然消散、人为辟谣等路径。

采用超图的微博群落感知方法

针对微博群落的识别与形成演化机理的获取问题,提出一种基于超图的微博群落感知方法.归纳微博用户的交互关系,提出以用户为节点、交互关系为边的微博用户交互关系超图模型;分析微博用户交互环境的情境特征,通过FP-TREE方法挖掘用户交互与情境特征的关联规则;根据关联规则对超图模型进行划分,得到具有相同情境的微博群落.以新浪微博为例进行了模拟验证,结果表明该方法能够感知导致微博群落形成的情境特征,且较传统数据挖掘方法能够更加准确地识别微博群落.

基于多特征的热门微博预测算法研究

随着微博的迅猛发展,微博舆情已经成为研究热点.以新浪微博为研究对象,分析热门微博的影响因素,提出一种基于多特征的热门微博预测算法.首先,对微博的原始特征进行分析,从中提取关键特征.其次,利用信息增益算法,根据微博的传播特征对微博的热度进行度量.最后,结合BP神经网络算法,根据微博的内容和博主特征,预测微博的传播特征,并由此推算微博的热度来预测该微博能否成为热门微博.实验表明,该算法的查准率可以达到75%以上,F1度量值保持在78%左右,能够对刚发布的微博进行热度预测,适用于微博营销和舆情引导等领域.

微博用户特征分析和核心用户挖掘

文章通过对微博用户的信息和关系数据进行决策树分析、相关性分析和关联规则来挖掘用户特征,并对微博网络进行核心用户发掘。结果表明:微博中的名人具有关注数小,被关注数大的特征;用户趋向于通过关注他人和积极发布微博文章两种方法来提高被关注度;愿意公布性别或自我描述的用户,通常愿意公布地址和发布博文,而不愿意公布地址、性别或自我描述的用户,通常不愿意公布其他两项;对微博网络进行核心用户挖掘并进行个性化营销是可行的。

微博客基本社会情绪的测量及效度检验

微博客积累的海量信息为直接快速地测量社会情绪提供了可能。本研究构建了微博客基本情绪词库,结合在线文本词汇匹配技术对数百万用户的情绪进行分析,得到了快乐、悲伤、愤怒、恐惧和厌恶五种基本社会情绪。发现快乐与其它四种情绪显著负相关,而四种情绪之间正相关,符合情绪维度理论;工作日的快乐情绪显著低于周末;重要节日和事件引起了社会情绪的相应波动。这些结果都表明基于微博客的社会情绪测量是有效的。

基于超网络的微博舆情主题挖掘方法

[目的/意义]微博舆情的形成是一个多层面、错综复杂的过程,可采用超网络描述和揭示。[方法/过程]构建了包含用户—观点—情感—时序阶段4层子网的超网络模型,并将该模型应用于"毒疫苗"事件这一具体实例中。[结果/结论]研究表明,舆情主题发现超网络模型的子网分析可揭示每层子网的特征信息,超边分析可用于舆情预警分析、舆情主题挖掘及舆情主题演化分析。[局限]下一步研究将从细化指标、多重验证两个方面对模型进行完善。

基于多层结构的微博影响力决定因素研究

对狭义的微博影响力进行了研究,通过界定影响微博信息的多层结构,即用户特征和微博属性特征,将微博转发量视为衡量微博影响力的标尺,建立多层线性模型对微博转发量的影响因素进行研究,并应用非参数拔靴法改进了模型的统计推断结果。研究表明,宏观层面的用户特征不仅显著影响微博转发量,并通过跨层交互影响微博属性特征变量进而影响微博转发量。在此基础上,进一步从理论上探讨了用户特征变量与微博属性变量影响微博转发量的原因以及提高微博影响力的可行措施。