Evaluation of Microblog Users’ Influence Based on PageRank and Users Behavior Analysis

This paper explores the uses’ influences on microblog. At first, according to the social network theory, we present an analysis of information transmitting network structure based on the relationship of following and followed phenomenon of microblog users. Informed by the microblog user behavior analysis, the paper also addresses a model for calculating weights of users’ influence. It proposes a U-R model, using which we can evaluate users’ influence based on PageRank algorithms and analyzes user behaviors. In the U-R model, the effect of user behaviors is explored and PageRank is applied to evaluate the importance and the influence of every user in a microblog network by repeatedly iterating their own U-R value. The users’ influences in a microblog network can be ranked by the U-R value. Finally, the validity of U-R model is proved with a real-life numerical example.

AIGC用户中辍行为影响因素模型构建与实证研究

[目的/意义]为了厘清AIGC情境下用户心理韧性的驱动因素以及AIGC用户中辍行为的特征规律,有效缓解AIGC用户在初始采纳阶段后流失和中辍等消极行为造成的潜在风险,刺激AIGC用户持续使用,促进AIGC产业由技术驱动向用户驱动的高质量转变。[方法/过程]研究以韧性理论和S-O-R理论为基础,构建了AIGC用户中辍行为影响因素研究模型,通过发放问卷的形式,搜集了328份原始数据对所构建的模型进行实证和检验。[结果/结论]研究结果显示,心理韧性是有效缓解AIGC用户中辍行为的重要因素,技术韧性和信息质量是提升用户心理韧性的重要驱动因素,以此为基础,提出了提升用户心理韧性、防止用户中辍,促进用户持续使用的对策与建议。

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。

短视频用户间歇性中辍行为反复机理及优化研究

[目的/意义]以抖音短视频为例,对其用户的间歇性中辍行为进行全流程解构,研究其行为的影响因素及规律,明晰弱关系社交媒体用户间歇性中辍行为流程、内在机理、发生规律,对相关信息平台的建设提供优化策略。[方法/过程]基于理性行为理论,结合相关文献构建模型;采用移动经验取样法获取抖音用户间歇性中辍行为的原始数据;利用PLS-SEM对数据进行模型验证,揭示影响因素之间的路径效应。[结果/结论]用户的间歇性中辍行为表现为“中辍—再次采纳—(中辍—再次采纳—……)中辍”这一循环往复的过程。其中感知成本、系统质量、群体规范刺激用户产生中辍意向,进而产生中辍行为;社交需求、感知愉悦性、转换障碍、群体规范刺激用户产生再次采纳意向,进而产生再次采纳行为。

遗忘曲线和BTM词频双层加权微博用户画像

针对微博短文本具有时效性和建模中频词缺失的问题,提出一种遗忘曲线和BTM词频双层加权微博用户画像方法。通过计算词条的时间权重和提高中频词的词频权重,获取双层加权的用户兴趣主题词。利用遗忘曲线拟合时间函数,计算微博词条的时间权重;将重新计算的词频特征作为Gibbs采样的随机值,提出一种改进的词频加权BTM主题模型,提高中频词的词频权重;提出一种微博用户行为影响力计算方法,构建热点话题下的用户画像。实验结果表明,该方法与BTM、SL-LDA、LDA方法相比,在不同时间片PMI-score指标性能均最优,能够准确挖掘不同时间片的各主题词,构建热点话题下用户兴趣主题词词云,准确展示热点话题下的用户兴趣。

微博网络测量研究

随着移动通信和Web技术的不断突破,以微博为代表的在线社会网络在中国广泛发展起来,越来越多的人开始使用微博进行信息分发和舆论传播.为了了解中国微博网络中的拓扑结构特征和用户行为特征等内在信息,对国内最大的微博系统——新浪微博——开展了主动测量,并结合已有的在线社会网络测量结果,对新浪微博的网络拓扑和用户行为特征进行了分析和比较.主要发现包括:1)新浪微博网络具有小世界特性;2)新浪微博网络的入度分布属于幂次分布,而出度分布表现为某种分段幂率函数;3)与类似社会网络相比,新浪微博网络的出入度不具有相关性;4)新浪微博网络属于同配网络;5)新浪微博用户发博时间具有明显的日分布和周分布模式;6)新浪微博用户博文数目分布表现为威布尔分布;7)新浪微博用户博文的转发和评价行为具有很强的相关性,且博文转发概率要高于评价概率.这些测量研究和发现不仅有助于设计出符合中国微博网络结构特征的数学模型和计算模型,也是实现对微博舆论的监测、引导、控制等方面的重要依据和基础.

基于PageRank的多维度微博用户影响力度量

以新浪微博为研究对象,提出一种适用性更广、考虑因素更全面的微博用户影响力度量算法,将用户基本属性、用户交互行为和用户博文内容三个维度因素融入传统Page Rank算法中,提出了一种多维度微博用户影响力度量算法MDIR。实验结果表明,MDIR算法相较于其他常用的五种影响力度量算法,能更加全面、真实地反映微博用户的实际影响力。

基于用户行为的微博网络信息扩散模型

利用新浪微博数据对用户行为进行分析,在此基础上构建了基于用户行为的微博网络信息扩散模型SIRUB,同时计算了模型中各用户阅读微博和转发微博的概率,在微博网络中的实验表明,只有同时考虑阅读和转发概率时模型才能较准确地预测用户的转发行为.SIRUB模型对用户转发行为预测的F-score最高为0.228,高于经典SIR模型和SICR模型,此外该模型对微博扩散范围的预测其误差的均值和标准差也均小于SIR模型和SICR模型.

新浪微博用户满意度对使用行为的影响研究

微博作为一种社交媒体,具有社交属性和媒体属性,然而学术界和企业界对于微博的属性却存在着争议。本文以新浪微博为研究载体,对微博用户的动机、满意度和使用行为之间的关系进行实证分析,探寻微博社交属性和媒体属性的强弱。研究结果表明,社交满意度对使用行为没有显著的影响,媒体满意度对使用行为有正向的影响。因此,微博的媒体属性更强,用户使用微博主要为了获取自己感兴趣的信息。

微博分析研究综述

微博,是当前重要的社会信息传播平台之一,具有易操作、传播快等特点,人们可以通过微博直接快速地表达对突发事件、公众人物、热门产品等的观点。为了利用海量微博信息,需要综合多种分析方法挖掘其潜在价值。综述了当前微博分析领域的研究现状,提出了自主研发的微博分析系统,探讨了未来微博分析的研究方向。首先,介绍了微博分析的主要技术方法,包括利用微博开放平台和利用网络爬虫技术。利用微博提供的开放接口,可以方便快捷地获取微博信息,如微博内容、用户评论、用户个人详情、粉丝数、关注数等。但也存在诸多限制,如每小时只能抓取有限次数、微博平台并不开放所有信息资源等。利用网络爬虫技术可以获取更多信息,如基于全网的网络爬虫的信息采集技术可以覆盖更广的范围,基于主题的网络爬虫的信息采集技术可以选择性爬取预先设定的主题等。其次,介绍了目前微博分析的热点问题,包括微博用户行为和微博内容两方面。微博用户行为分析包括:1)传播网络研究,利用Gephi等可视化工具,呈现出微博在传播过程中的传播路径、传播范围、关键转发节点等信息,可用于预测未来传播情况;2)传播因素研究,通过分析用户行为,揭示信息传播的可能原因;3)用户影响力分析,不同学者给出不同的度量方法,而要精准地评价用户影响力需要综合考虑多方面因素,如粉丝数、转发数、被提及数、回复、社会关系等。关于微博内容的分析包括:1)微博文本预处理,包括分词和去停用词2个步骤;2)微博热点话题发现,常用方法包括基于词频的统计方法和文本聚类方法,这两种方法都有利于提高发现热点话题的效果,但没有考虑到话题动态演变的特性;3)情感分析,也被称为观点挖掘,一直是微博研究领域的热点问题,可以利用微博表情图片抽取情感词,并结合构建语义词典和机器学习的方法对微博进行情感分类,最终判断微博情感极性,可用于舆情监控、商业预测和产品选择等方面。再次,提出了自主研发的微博分析系统——阅微,重点介绍了其情感分析、地域分布和传播图3个模块。情感分析模块,基于情感词典的方法对用户的评论内容进行情感分类;地域分布模块,提取参与用户的地理位置信息并加以统计分析,呈现出微博传播在全国范围内的分布情况;传播图模块,利用可视化手段展现微博信息的传播扩散情况,如转发关系、转发层级、转发范围等情况。最后,归纳全文,从技术和应用2个方面归纳微博分析的挑战问题:可从技术上突破微博接口资源限制,提高微博分析的效率和精准度;同时从微博应用方面发展事件监控、管理和商业方面的应用。

探究微博用户原创信息分享行为——基于冲动行为视角

Web 2.0时代以来,微博成为用户分享、传播和获取信息的重要平台。然而,在以往的研究中,对微博上用户原创信息分享行为的研究较少。本文基于冲动行为的视角,引入认知情绪理论,以新浪微博上突发事件信息微博为例,构建微博原创信息分享行为的理论模型,并运用结构方程模型的研究方法进行实证分析。研究结果表明,用户对外部环境的感知对情绪和微博原创信息分享均有显著影响,其中,情绪在两者之间起着中介作用。本文研究结果不仅为微博上用户原创信息分享的影响因素研究提供了实证依据,同时,对政府应急管理决策和微博运营商具有一定启示。

微博网络中用户主题兴趣相关性及主题信息扩散研究

运用Twitter-LDA主题模型对新浪微博数据进行了主题分析,基于用户主题兴趣相关性的研究表明用户间的主题兴趣具有三度相关性,同一主题兴趣下三度以内粉丝的发文数随用户发文数增加而波动式增加,各度粉丝与用户主题兴趣的相似度随粉丝度数的增加而下降。通过分析比较不同主题类别微博的扩散差异,发现生活情感类的信息最受用户欢迎,不同主题类别微博被转发的概率存在显著差异,平均转发数相差可达10倍,微博信息扩散树中各类主题在微博信息扩散深度、扩散时间间隔和用户的扩散能力方面都表现出不同的特征。

政务社交媒体的公众接受模型研究

根据UTAUT提供的影响结构,加入了焦虑、感知可信性、社会评价三个因素,构建了政务社交媒体公众接受模型。通过验证性因子分析发现,社会影响和社会评价是影响用户使用意愿的主要因素,绩效预期和感知可信性通过社会评价产生影响,而焦虑和付出预期影响不显著。研究结论如下:公众对个人隐私保护及言论管理方面存在的潜在问题不敏感;社会关系对政务社交媒体的推广效果有显著影响;公众期望政务社交媒体对整个社会有益(如提高政府透明度等)。

面向舆情主题的微博用户行为聚类实证分析

网络舆情管理是社会管理创新的重要内容,面向舆情主题的用户行为分析是网络舆情管理的热点问题。对三个不同舆情主题下的微博用户行为进行了聚类分析,发现信息传播中的微博用户基本可分为"一般关注"型、"主动参与"型、"信息传播"型三类。"一般关注"型用户通常人数众多,他们多为舆情信息的接受者。"主动参与"型用户类中用户人数较少,他们大多以自己为中心,向朋友发布舆情信息,这类用户在不同主题下其行为特征差异很大;"信息传播"型用户类中人数很少,是舆情领袖或重要信息转发者。结果表明可以尝试将监测"信息传播"型网民和引导"主动参与"型网民结合起来,为大数据下微博舆情信息管理提供智力支持。

用户关系特征对微博转发行为影响分析研究

转发是微博提供的一个信息传播的机制,用户能够将关注者发布的有趣微博转发到自身平台,然后分享给追随者,是微博网络中信息传播最重要的功能。对于微博网络存在的不同类型连接关系,首先提取出相关特征,如同质性、微网络结构、地理距离以及用户性别等,用于识别连接关系的不同类型,然后采用Log-linear模型来拟合各个特征间系数,基于这些系数对微博用户转发行为形成的内在原因进行了分析。

微博转发行为实证研究综述

微博是目前国内外用户获取和传播信息的重要渠道,其最具影响力的功能-转发一直备受学界关注。近年来,来自学术界各个领域的微博转发行为的相关研究也是层出不穷。因此,基于国内外微博转发行为研究的重要文献,从转发实证研究内容和研究方法两方面对国内外微博实证研究现状与成果进行梳理与评述,总结了当前研究中的两大不足:一是忽视了研究的转发内容类型的不同,且极少从转发微博内容的角度出发探究;二是研究方法不够多元化,致使数据分析不够精准。针对以上两大问题,提出了相关解决对策,并提出对未来研究的展望。

间歇性中辍行为特征的探索性研究——以微博数据为例

[目的/意义]移动社交网络用户的消极使用行为越来越普遍,间歇性中辍行为是其中非常典型的一类,对间歇性中辍行为特征与影响因素进行分析,有助于加强用户消极行为方面的研究,帮助企业有针对性地采取措施,完善运营机制并实现长久发展。[方法/过程]本文选择有远离微博意向的用户,采用网络爬虫的方式收集用户半年内发微博的时间与内容,基于登录时间间隔、中辍时间间隔与微博内容词云分析对用户的间歇性中辍行为特征与原因进行研究。[结果/结论]研究结果发现,微博的环境、内容与过度使用都会导致用户产生远离意向,其中活跃用户占大多数,然而在实际行为中,活跃用户采取远离行为的可能性更低,中辍时间间隔也更短,消极用户则相反,用户需求不同导致用户的行为意向与实际行为存在差异。

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。

基于海量信息过滤的微博热词抽取方法

针对海量微博信息,提出一种多步骤的热词抽取方法.首先,选择用户行为特性、微博信息的文本特征构建用户行为模型,并在此基础上提出一种基于规则的话题树生成过滤算法,筛除了微博中大量无关信息,进而对生成的话题树修剪优化;然后,根据话题树的节点内容,使用词频及其波动特性设计热词抽取算法,获取微博的热词信息.实验数据表明,该方法能大大减小输入的数据规模,同时较好的保留重要信息,有效实现热词抽取.

改进PageRank算法对微博用户交互行为的影响

针对微博用户交互行为内容简单,传播速度快的特点,采用传统方法时由于用户活跃度与传递系数的关联性低,微博信息的检测目标不准确,导致微博用户交互行为确定不合理和无效的问题。提出基于交互行为的微博用户影响力改进算法。综合考虑了粉丝质量,以及关注、转发、评论等交互行为对用户影响力的影响。通过分析微博用户交互特征及其对用户影响力的作用,选取微博信息被接受率、用户活跃度、用户间交互强度、用户间影响强度及影响力传递系数等指标来度量交互行为对用户影响力的作用强度,进而依据PageRank算法原理构建新的改进算法。最后,利用腾讯微博用户数据,证明改进算法能较好反映用户转发、评论等交互行为,并能够削弱不活跃僵尸粉影响,更贴近人们对影响力的一般认知,因而更有效、合理。