共查询到20条相似文献,搜索用时 15 毫秒
1.
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。 相似文献
2.
研究微博中信息的传播规律对舆论预测与管控、市场营销等方面具有重要意义。当前的信息传播模型大多忽视了不同信息间、不同用户间的个体差异。为解决这一问题,本文选取了影响用户浏览和转发信息行为的特征,采用集成逻辑回归与SVM的二分类算法预测个体行为。预测多个用户对于同一信息的浏览与转发行为构成了本文中的信息传播模型。结果表明,该模型能较好地预测现实微博网络中的信息传播过程。 相似文献
3.
4.
为了衡量新浪微博信息传播效果,本文在10个不同话题领域分别选择公众微用户、意见领袖(加“V”)用户以及普通用户共30个决策单元,利用模糊数据包络分析模型进行实证分析,研究结果表明,用户属性、内容属性、媒介属性都对新浪微博信息传播具有影响,而在不同的话题领域影响具有异质性。 相似文献
5.
【目的/意义】探究针对微博文本的基于深度学习的情绪分类有效方法,研究微博热点事件下用户转发言论的情绪类型与隐私信息传播的关系。【方法/过程】选用BERT、BERT+CNN、BERT+RNN和ERNIE四个深度学习分类模型设置对比实验,在重新构建情绪7分类语料库的基础上验证性能较好的模型。选取4个微博热点案例,从情绪分布、情感词词频、转发时间和转发次数四个方面展开实证分析。【结果/结论】通过实证研究发现,用户在传播隐私信息是急速且短暂的,传播时以“愤怒”和“厌恶”等为代表的消极情绪占主导地位,且会因隐私信息主体的不同而产生情绪类型和表达方式上的差异。【创新/局限】研究了用户在传播隐私信息行为时的情绪特征及二者的联系,为保护社交网络用户隐私信息安全提供有价值的理论和现实依据,但所构建的语料库数据量对于训练一个高准确率的深度学习模型而言还不够,且模型对于反话、反讽等文本的识别效果不佳。 相似文献
6.
【目的/意义】随着移动互联网的发展,微博的普及进一步加速了社会突发事件的传播。转发作为最重要的用户信息行为,在很大程度上预示了网络舆情的发展趋势。但是,鲜有研究关注微博内容中的心理语言使用与转发行为的关系。本研究拓展了心理语言学在社会突发事件情境下的应用领域,为政府或企业应急管理部门有效引导网络舆情提供了实践启示。【方法/过程】本文以九寨沟地震事件为例,基于LIWC文本分析工具研究了微博用户心理过程对于转发行为的影响,通过构建VAR向量自回归模型并进行格兰杰因果检验,确定了微博转发行为的心理语言影响因素,并进一步运用脉冲响应函数对转发行为进行了动态分析。【结果/结论】根据实证研究的结果,社会过程词和情感历程词对微博用户的转发行为具有一定的预测作用。 相似文献
7.
通过对twitter网站上的转发和评论数据进行统计分析表明,用户的信息传播能力服从幂律分布。在此基础上,对以上2个实证数据集进行可视化仿真研究,结果显示某用户的微博被转发的人数越多,其对信息在网络中传播扩散的作用越大,但是不同的网络,关键节点对信息传播的影响程度不同。幂指数的大小决定了无标度网络中关键节点出度值的分布范围,幂指数越大,关键节点的出度值分布越均匀,其对信息在网络中的传播范围的影响相对越小。 相似文献
8.
9.
10.
微博科学传播通过社会关系进行。微博用户基于关注、转发、评论等关系形成传播网络,网络结构决定信息的来源、方向、强度及范围。运用社会网络分析,定量探究这一网络的结构特征,为微博科学传播机制研究提供了结构主义的新视角。传播网络结构分析从整体结构、个体位置结构、子群结构、子群互动结构等四个层次展开。转基因食品议题的案例研究发现:公共科学议题在微博空间中具有多元交互的传播渠道;相关传播主体之间的关系呈现精英民主化特征;往往产生群体两极化的传播效果。 相似文献
11.
本文针对微博网络舆情的控制和引导问题,提出一种基于复杂网络的图谱分析方法。本文以微博用户间转发和评论某一话题下用户关系数据作为基础研究数据,生成用户节点网络关系图谱,通过对微博网络模块化图谱、路径图谱和中心性图谱分析,定性和定量评估出对舆情活跃度高、传播范围广、传播速度快的微博用户节点,作为控制微博舆情的传播、引导舆情舆论导向的关键用户节点。本文以某一微博社区为样本数据,采用复杂网络分析工具Gephi,验证了基于复杂网络的图谱分析对识别舆情控制中关键用户节点的正确性和有效性。 相似文献
12.
【目的/意义】旨在从企业创造内容视角出发,探讨企业微博内容对网络口碑与企业品牌认可度的影响,扩 展企业微博内容的相关研究,并为企业提高微博管理水平提出具体的思路。【方法/过程】构建企业微博、网络口碑 以及企业认可度之间的关系模型,通过收集企业新浪微博相关数据来进行定量分析,探究企业微博内容的信息特 征对微博用户的口碑传播效果的影响以及网络口碑对企业品牌认可度的作用。【结果/结论】结果表明企业微博的 发布频率对用户口碑传播有直接影响,其中,用户转发行为受微博发布频率影响最为显著,并且微博粉丝数对口碑 有一定的正向调节作用。微博用户的转发、点赞行为对其品牌认可度影响不显著,只有评论行为对企业的品牌认 可度起作用。 相似文献
13.
移动互联网的发展为微博的发展提供了更加广阔的发展空间,以复杂网络的基本统计特性为基础,通过抓取新浪微博中的相关数据,对其进行处理分析,详细分析微博用户在信息发布行为、信息发布内容方面的相关特性以及用户的关注行为和评论转发行为进行了详细地分析,认为微博网络是典型的小世界网络,微博网络整体密度较小,呈稀疏状态,但局部密集;微博网络用户的分布呈不均匀的状态,用户在信息发布、分享等方面存在较大的信息不对称性,只有小部分用户拥有较多的信息资源,扮演核心角色,大部分用户在微博中处于边缘地位。这为微博营销和微博舆论引导与消解提供了基础。 相似文献
14.
15.
【 目的/意义】微博转发行为是公众参与监管突发事件网络舆情的重要渠道,科学合理的监管与引导对突发
事件精准预警和快速响应具有重要意义。【方法/过程】针对突发事件的微博转发行为未充分考虑转发者个体差异
的不足,借助UTAUT模型,结合动机理论,引入类型偏好、信源偏好、转发动机三个变量,构建面向突发事件的微博
用户转发行为的影响因素模型。以新浪微博为例,通过设计问卷、分析问卷数据验证构建影响因素模型有效性,对
影响因素模型进行拟合检验。【结果/结论】实证结果表明努力期望、社群影响、信源偏好、感知成本对转发意愿的路
径的CR值均大于1.96,即对转发意愿有正向影响作用;转发意愿对转发行为的路径的CR值大于1.96,即对转发行
为有正向影响作用,从政府部门、相关媒介和公众等方面提出加强微博转发监管的建议。【创新/局限】深入研究了
面向突发事件的微博用户转发行为,但调查对象不够广泛,数据分析还存在一定的局限性。 相似文献
16.
[目的]本文通过研究微博用户信息行为,为相关部门在信息传播管控方面提供参考价值。[方法]本文从用户使用微博时产生的情绪刺激角度对用户微博信息分享意愿和动机进行调查研究和分析,并基于过程评估理论和情境评估模型构建微博用户信息分享情绪模型。[结果]研究表明,用户的情绪刺激显著正向影响用户对新颖性、规范、目标、内在舒适性和应对潜力的评估;用户对新颖性、目标和内在舒适性的评估显著正向影响用户的分享意愿;用户的分享意愿对情绪刺激有显著复发效应。[局限]本文构建的研究模型主要验证刺激、评估、结果3个组件的相互影响,未具体研究评估组件内部5个组件间的相互作用;且本研究的样本主要源自于高学历青年群体。[结论]本研究证明了情绪刺激对微博用户信息分享意愿所产生的影响。情绪既是微博用户在信息分享过程中所产生的心理及情绪波动,又是促使用户产生信息分享行为的因素。 相似文献
17.
【 目的/意义】转发行为是社交媒体上信息传播的重要方式,转发者添加的评论能够反映情绪状态与认知情
况,研究突发自然灾害事件背景下的转发评论有助于应急管理部门了解公众情绪走向和认知变化。【方法/过程】转
发型微博被再次转发时会产生转发级联并形成不同转发层级,本文利用LIWC软件从情绪和认知角度分析转发者
添加的评论内容,对比不同层级情绪得分和认知得分的差异以及转发评论中情绪和认知变化。【结果/结论】突发自
然灾害相关原始微博和转发评论的情绪和认知具有显著差异,用户在原始微博中倾向使用关于积极情绪、消极情
绪、洞察和原因的词;在不同转发层级中,表达积极情绪、洞察和矛盾的词的使用频率更高,且具有更大的波动;在
转发评论过程中,相同类型的情绪和认知显著正相关。【创新/局限】本文研究了转发者生成内容的特征,为应急管
理部门的灾后决策和舆情治理提供新视角,没有考虑添加评论对微博转发的影响,后续将对比不同转发微博的传
播效果。 相似文献
18.
以新浪微博中用户数据为基础,建立"名气指数",并使用统计分析、相关分析、Apriori模型分析挖掘名人用户的总体特征、关系特征和行为特征,以及创建"转发影响力指数"定量研究名人效应。研究表明:名人微博用户特征具有较强个性化,在微博活跃用户群体中具有极大的代表性;名人用户在微博中曝光度较高,通过公开自己的真实资料,提高自己的名气;企业可以根据自身需求,通过名气指数或转发影响力指数的结果进行微博营销决策。 相似文献
19.