新媒体环境下的网络舆情特征量及行为规律研究 ——基于信息生态理论-赵丹.pdf

《新媒体环境下的网络舆情特征量及行为规律研究 ——基于信息生态理论-赵丹.pdf》由会员分享，可在线阅读，更多相关《新媒体环境下的网络舆情特征量及行为规律研究 ——基于信息生态理论-赵丹.pdf（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、情报学报 2017年12月 第36卷 第12期 Journal of the China Society for Scientific and Technical Information, Dec. 2017, 36(12): 1224-1232 收稿日期： 2017-03-01； 修回日期： 2017-09-05 基金项目： 国家自然科学基金面上项目“信息生态视角下新媒体信息消费行为机理及服务模式创新研究” （ 71673108） 。 作者简介： 赵丹，男， 1976 年生，博士研究生，主要研究方向为网络舆情， E-mail: ；王晰巍，女， 1975 年生，教授，博士生导师，吉林大学大数据

2、管理研究中心主任，主要研究方向为信息分析、舆情分析、知识管理和企业信息化， E-mail: wxw_；李师萌，女， 1989 年生，硕士研究生；张柳，女， 1992 年生，研究生。 新媒体环境下的网络舆情特征量及行为规律研究 基于信息生态理论 赵 丹1，王晰巍1,2，李师萌1，张 柳1(1. 吉林大学管理学院信息管理系，长春 130022； 2. 吉林大学大数据管理研究中心，长春 130022) 摘 要 新媒体环境下的网络舆情研究成为当前网络舆情监管和舆情引导的重要议题。 本文基于 “信息人、 信息、信息环境和信息技术”四个信息生态因子的相互和谐的信息生态理论，构建新媒体环境下网络舆情特征量，

3、以新浪微博“埃博拉”话题为实证研究对象，对新媒体环境下网络舆情的特征量及行为规律进行了分析。研究结果表明，信息人中的用户粉丝数和关注数均符合分段幂律分布；信息内容和信息环境特征量曲线符合指数分布，同时信息环境特征量具有长尾分布特征；信息技术中的用户工具端使用曲线符合幂律分布；新媒体环境下的网络舆情传播在一定程度上符合优先权选择、兴趣驱动、兴趣衰减及周期性规律。本文的研究对相关部门加强新媒体环境下的网络舆情监管和舆论引导具有一定的指导作用。 关键词 新媒体；网络舆情；特征量；用户行为 Research on the Characteristics and Behavior Law of Onli

4、ne Public Opinion in the New Media Environment Based on Information Ecology Theory Zhao Dan1, Wang Xiwei1,2, Li Shimeng1and Zhang Liu1(1. Management School of Jilin University, Changchun 130022; 2. Big Data Management Research Center of Jilin University, Changchun 130022) Abstract: Research on netwo

5、rk public opinion in the new media environment has become an important topic of public opinion management. Based on the theory of information ecology, this paper describes the characteristics of network public opinion in the new media environment, and studies the characteristics and behavior law of

6、network public opinion using the Sina micro-blog Ebola topic. The research results show that the number of fans and number of followers are in line with the piecewise power-law distribution. Furthermore, the information content and information environment characteristic curve conforms to the exponen

7、tial distribution, the information technology curve conforms to the power law distribution, and the network public opinion spreads to a certain extent according to the priority choice, interest drive, interest decay, and the periodic rule. The research in this paper provides a certain guiding func-t

8、ion for relevant departments to strengthen network public opinion supervision and guidance in the new media envi-ronment. Key words: new media; online public opinion; characteristic; user behavior 万方数据第 12 期 赵 丹等：新媒体环境下的网络舆情特征量及行为规律研究 基于信息生态理论 1225 1 引 言 新浪发布的 2017 未来媒体趋势报告指出，手机应用、新内容时代、全平台挑战已成为未来新媒

9、体趋势1。在新媒体环境下，网民纷纷使用手机、iPad 等移动工具端进行信息的共享和传播，用户舆情传播行为发生了深刻的变化。与传统媒体相比，新媒体环境下的网络舆情具有传播速度快、覆盖面广、监管更为困难等特点2。因而，新媒体环境下的网络舆情研究成为当前网络舆情监管和舆情引导的重要议题3。 国内外学者近几年针对新媒体环境下网络舆情进行了相关研究。 Heo 等4对新媒体环境下公民的政务舆情进行了研究，结果表明多数公民充分利用新媒体参与政治话题的解读。 Steenkamp 等5对网民使用新媒体参与网络舆情传播的行为进行了分析，发现虽然网民纷纷使用新媒体分享社会事务信息，但相关舆情管理机构却没有充分利用新

10、媒体优势进行舆情引导。 Whitman Cobb6利用大数据工具来帮助衡量公众舆论，并分析了两种可供公众舆情分析的新媒体工具。 Merino7从新媒体的传播媒介和科学评价工具角度对社会网络在舆情传播中的作用进行了研究，最后指出理论界应深入展开新媒体网络舆情研究。国内学者邓滢等8以雾霾天气为例，基于社会涟漪效应的风险放大理论，对新媒体环境下的网络舆情风险特征进行了研究。 魏超9对新媒体环境下网络舆情传播模式的变化进行了分析，并指出新媒体技术发展给网络舆情信息工作带来的挑战。胡婷婷10针对新媒体环境下网络舆情的新特点进行了分析，提出应从舆情主体、客体两个方面进行新媒体环境下的舆情应对和引导。从现有

11、国内外研究成果来看，目前国内外学者围绕新媒体环境下网络舆情的研究成果正逐渐增多，但对新媒体环境下网络舆情特征量及行为规律的研究成果相对较少。 本文在研究中试图解决以下三个方面的问题：是否可以基于信息生态理论分析新媒体环境下网络舆情特征量和用户行为规律？新媒体环境下网络舆情特征量是如何分布的？新媒体环境下网络舆情用户行为的规律是什么？ 本文基于信息生态中信息人、信息、信息环境和信息技术四者和谐的信息生态因子理论，对新媒体环境下网络舆情特征量构成进行分析，以新浪微博 “埃博拉” 话题作为研究对象， 运用 Matlab 和 Spss软件对新媒体环境下网络舆情特征量分布及行为规律进行实证分析。本文的研

12、究为相关部门了解新媒体环境下网络舆情传播特征及加强新媒体环境下的网络舆情监管具有重要指导作用。 2 文献回顾 2.1 网络舆情特征量 网络舆情特征量是指网络舆情传播过程中，能够反映网络舆情传播特征、用户行为规律及网络结构的参量11-12。在网络舆情特征量方面， Kim 等13将用户粉丝数作为为舆情传播特征量对微博影响力进行了研究。 Huang 等14认为标题内容是网络舆情特征量，是构建网络舆情分析系统关键要素。Steinfeld 等15将评论内容作为网络舆情特征量，并研究了评论和网络舆情传播的内在联系。国内学者王晓光16通过获取的新浪微博用户数据对用户评论数、转发数、博文数等特征量之间的相关性

13、进行了研究。廖海涵等17认为用户转发数、评论数、微博数、关注数、粉丝数等是网络舆情特征量，并得出微博发布数量呈现幂律分布、特征量之间存在多重相关性等研究结论。上述相关研究表明，大多数学者将信息内容形式、原创信息数量、针对原创信息的转发评论点赞数量、用户粉丝数、用户关注数和用户属性等作为网络舆情特征量12。 2.2 网络舆情用户行为规律 在网络舆情用户行为规律方面， Java 等18对Twitter 中的用户及其行为进行了分析，并解释了网络舆情传播意图对用户行为的影响和关联。 Yan 等19通过对新浪微博社区用户信息发布行为的研究，提出了一种兴趣和社会身份共同驱动的人类行为动力学模型，研究结果表

14、明用户微博数量主要受用户兴趣影响并符合幂律分布，而社会身份则影响着用户兴趣度并同微博数量呈正相关。杨成明20从用户地域、性别、影响力等多个角度揭示了微博客用户的行为规律并指出存在的问题。易兰丽21以动力学相关理论为基础，综合运用多学科理论知识和方法，对新浪微博用户的信息发布、转发和评论行为进行了建模和统计分析。何静等22以新浪微博为研究对象，对微博的网络拓扑结构及个体及群体用户的行为特征进行了分析。综上所述可以认为，网络舆情用户行为规律可以用网络舆情特征量进行分析，其中转发和评论行为符合指数截断的幂律分布，而节点的度分布、微博发布数量近似服从幂律分布。 万方数据1226 情 报 学 报 第 3

15、6 卷 2.3 新媒体环境下网络舆情特征量及用户行为规律的信息生态问题 新媒体是以网络技术、通信技术和数字技术为传输载体的互动式、数字式复合媒体23。在综合相关文献的基础上，本文将新媒体概念界定为一类利用数字及移动网络技术，通过移动互联网、无线通信网和卫星等渠道，借助手机、 iPad 等移动传播媒介，进行多媒体信息生产、传递、分解和消费的一种新的媒体传播形态。 信息生态是指以用户信息需求目标导向，强调“信息人、信息、信息环境和信息技术”四个信息生态因子的相互和谐24。因而，维护新媒体环境下的舆情生态和谐、加强舆情的监管和舆论引导 ,需要以信息生态特征量分析为基础。新媒体环境下网络舆情特征量的信

16、息生态因子构成如图 1 所示。其中，“信息人”属性包括新媒体使用中用户的性别、地域、年龄、粉丝及关注数量等； “信息”特征量是指新媒体环境下的信息内容 ,即图片、视频、音频、语音信息及其组合的新媒体信息数量； “信息环境”特征量指新媒体环境下用户通过移动工具端的转发、评论、点赞等行为频次； “信息技术”特征量指新媒体环境下用户在网络舆情传播过程中使用的手机、iPad 等工具或媒介频次。 3 分析过程 3.1 数据来源 新浪微博是一个由新浪网推出，提供微型博客服务类的社交网站，在 Alexa 网站拥有较高的排名25。 2016 年微博用户发展报告的有关数据显示，截止到 2016 年 9 月 30

17、 日，新浪微博月活跃用户已经达到 2.97 亿， 是中国网民主流的微博平台26。同时，在信息源的选择上，选择“埃博拉病毒”这一全球网民高度关注的网络舆情话题进行分析，从埃博拉微指数图（图 2）可以看出，埃博拉网络舆情爆发迅速、持续时间长，其在新媒体环境下移动端和非移动端的传播特性明显。 图 1 新媒体环境下网络舆情特征量的信息生态因子构成 图 2 “埃博拉”微指数 PC&移动端对比图 万方数据第 12 期 赵 丹等：新媒体环境下的网络舆情特征量及行为规律研究 基于信息生态理论 1227 3.2 数据采集 因此本文以新浪微博“埃博拉”话题为例，采用网络爬虫方式采集获取用户数据。获取数据字段包括用

18、户 ID、用户名、用户个人资料相关字段、微博内容、移动工具端类型、转发评论及点赞数量、时间等。截止到 2016 年 6 月 1 日 11:00，从埃博拉及其子话题的原创微博出发遍历获取 15139 条完整数据、部分用户属性数据及全部微博信息内容统计数据。以上述数据为基础，使用 access、 urltraedit等工具对数据进行了编程整理和清洗，去除重复数据、缺失值后最终保留 14735 条数据作为分析样本。 3.3 数据结果 3.3.1 信息人特征量及行为规律 从用户属性的性别特征量统计结果来看，用户性别以女性为主，占 62.04%，但女性网民在不同子话题上的人数则呈不规则分布，反映了女性网

19、民更容易受情绪化心理影响；比较而言男性网民分布较为规律，曲线拟合后符合指数分布（ y=0.6013e0.0825x，R=0.8139） ， 反映了男性网民在舆情传播过程中较为冷静、更为理性。 从用户属性的年龄特征量统计结果来看， 2534岁的网民仍然是新媒体环境下舆情传播的核心力量。移动端用户年龄分布同埃博拉微指数统计的全网网民年龄分布比例接近，说明新媒体环境下智能手机和 iPad 等移动智能终端的出现，并未给中老年网民带来相较传统网络媒体更为明显的舆情传播障碍。 从用户属性的地域分布特征量统计结果来看，用户群体在北上广及江浙经济发达地区相对分布较多，占比高达 40.49%，说明经济发达地区用

20、户更倾向于使用智能手机或 iPad 等移动终端进行网络舆情的表达和信息传播。 从粉丝数和关注数的特征量统计结果来看，用户粉丝数远高于关注数 (用户粉丝数均值 1364，关注数均值 329)。从图 3 的数据结果来看，用户粉丝数和关注数均符合分段“幂律分布” 。用户粉丝数在0150 和 1501500 这两段符合“幂律分布” ，粉 丝 数高于 1500 的用户是随机分布，可见新媒体环境下用户粉丝数分布的临界值符合实际社会网络的 “ 150 法则”27；关注数则在 0100 和 1002000 符合“幂律分布” ， 2000 以后呈现断尾随机分布。上述数据说明新媒体环境下用户更多的做出关注他人的行

21、为以获取推送的舆情信息。 图 3 用户粉丝数和关注数的幂律分布 从不同性别组用户的粉丝统计分析结果来看，男性用户粉丝数远远高于女性用户，并且男性用户的粉丝中女性网民比例较高，同时无论男性用户还是女性用户粉丝数都符合指数分布。说明新媒体环境下，男性用户更易引起网民关注，而女性网民则更倾向于做出关注男性博主的行为。 3.3.2 信息内容特征量及行为规律 从舆情用户发布的新媒体信息和传统媒体信息特征量结果来看，新媒体环境下用户发布信息内容 以图片或混合新媒体形式为主，传统媒体信息形式仅占比 35.89%，视频、音频信息形式比重较小。这一结果表明，新媒体环境下，受制于移动通信速率、费用及移动工具端屏幕

22、因素，用户在舆情传播中更愿意进行图片和表情信息的传播。 舆情用户信息内容分布曲线如图 4 所示，可见各曲线均符合“指数分布” 。这一数据结果说明，用户发布信息的内容形式具有明显的突发特性，几乎不具备记忆性；用户发布何种形式的信息并不受现有信息形式的影响，信息形式的选择更多的由用户爱好或习惯决定。 万方数据1228 情 报 学 报 第 36 卷 图 4 舆情用户信息内容分布曲线 图 5 信息环境特征量及行为曲线 3.3.3 信息环境特征量及行为规律 新媒体信息环境特征量按频率从高到低排序依次是转发、点赞和评论，其中转发行为是新媒体环境下网民进行舆情传播的主要方式，点赞行为则是网民情感倾向的主要表

23、达方式，而评论行为则相对较少。用户舆情传播行为曲线如图 5 所示。虽然各曲线均符合指数分布，但转发行为曲线拟合度更高，说明用户的转发行为更多的是以自我为中心，这种行为倾向是新媒体环境下的舆情传播的典型特征。同时，用户的三种行为曲线均具有长尾分布特征。这一数据结果表明，网民习惯和兴趣驱动可能是引起新媒体舆情用户具备长尾分布特征的潜在原因。 3.3.4 信息技术特征量及行为规律 从信息技术在用户的工具端使用情况来看，用户使用移动端进行舆情传播的比例为 79.53%，非移动端占比 20.47%，这一数据结果说明移动端是网民进行舆情传播的主要工具。用户在移动端和非移动端的舆情传播行为及对比曲线如图 6

24、 所示。用户的移动工具端使用行为同非移动端的舆情信息传播的信息技术行为具有相似性，都符合幂律分布，曲线形状也极为相似，说明用户的舆情传播行为在两种工具端具有相似性。 4 讨论分析 4.1 信息人特征量变化规律分析 用户的性别、年龄、地域、粉丝数和关注数是新媒体环境下网络舆情信息传播中信息人特征量的表征，本文按照埃博拉舆情发展的时间脉络，绘 万方数据第 12 期 赵 丹等：新媒体环境下的网络舆情特征量及行为规律研究 基于信息生态理论 1229 图 6 信息环境特征量及行为曲线 图 7 信息人特征向量变化规律 制了相应用户属性随时间变化的曲线图，如图 7所示。 从网络舆情的性别分布曲线来看（图 7

25、a） ，在舆情传播的初始阶段，用户性别以女性为主，但随着时间的推移，女性比例下降、男性比例上升，上升和下降趋势近似符合线性规律。 说明在网络舆情传播过程中，女性更为感性，而男性更为理性。 从传播网络舆情的用户年龄分布曲线来看（图7b） ，随着舆情的传播，网民的平均年龄逐步增大。数据结果表明，随着舆情传播的演化，部分高龄网民也开始使用移动工具端参与舆情的传播。 从网络舆情传播的地域分布曲线来看（图 7c） ，北京作为我国的经济政治文化中心是推动舆情发展的核心用户所属地域。同时随着舆情的不断推进，国内各地域网民比率逐渐下降，而海外用户群体逐渐增多并成为主要地域，说明网民地域分布相对较广，同时舆情传

26、播已打破国界，具有跨文化和跨地域的传播特点。 从平均粉丝数和关注数的分布曲线来看（图7d） ， 曲线波动幅度较大。 经移动平均曲线拟合发现，平均粉丝数和平均关注数的增长量总体上具有逐步增大规律。经进一步对平均粉丝数增长量和平均关注数增长量之间的相关关系进行分析，表明两者之间呈现一定的弱相关性，并符合幂律分布。 万方数据1230 情 报 学 报 第 36 卷 4.2 信息内容特征量变化规律 图片、视频、音频、语音随时间序列的数量及增长率变化曲线，如图 8 所示。从新媒体环境下网络舆情传播的信息内容形式数量比率来看，图片信息各时间节点占比均最高，并在舆情发展初期波动性较大，在舆情消退阶段逐渐平稳；

27、而视频信息、表情信息占比则相对较小，语音信息最少。 对比增长率随时间序列变化曲线图，如图 9 所示。发现图片信息增长率和表情信息增长率曲线具有相似的波动规律，而视频信息增长率曲线则明显不同。图片信息和表情信息增长率曲线在舆情潜伏和爆发阶段的波动性均较大，说明网络用户在新媒体环境下，在舆情潜伏和爆发阶段更愿意采用图片和表情信息来参与舆情的表达；而在舆情消退阶段，则主要由兴趣驱动决定，兴趣衰减周期在 2 个月左右。视频信息内容数量比率、增长率则在舆情传播各阶段波动均较大，说明网民视频信息形式的发布符合优先权选择和兴趣驱动复合规律，兴趣衰减周期在 1 个月左右。 图 8 信息内容特征向量变化规律 图

28、 9 信息内容增长率变化曲线 图 10 信息环境特征量变化曲线 4.3 信息环境特征量变化规律 信息环境中的用户评论、转发、点赞数的特征向量随时间序列分布曲线如图 10 所示，说明新媒体信息环境各特征量曲线均符合幂律分布，拟合效果较好；同时新媒体环境下的舆情传播，因受制于有限的信息资源，因此存在信息环境的最大容纳量。在舆情传播初期，各特征量值远低于阈限，但随着评论、转发和点赞数的迅速上升，增长很快；随着舆情的发展，特征量增长率放缓。 4.4 信息技术特征向量变化规律 新媒体环境下网络舆情传播，用户使用的不同工具端随时间的变化对比如图 11 所示。从日工具端 万方数据第 12 期 赵 丹等：新媒

29、体环境下的网络舆情特征量及行为规律研究 基于信息生态理论 1231 图 11 信息技术工具端特征量变化 使用对比来看（图 11a） ，移动端和非移动端工具分布曲线极为相似，但移动端较非移动端延迟 2 至 3小时，并且非移动端峰值点在 20 点，移动端峰值点在 22 点。从周工具端使用对比来看（图 11b） ，移动端工具使用峰值点在周五，传统工具端的使用峰值点在周二，周四和周日是两类工具端使用的低谷。从月移动工具端使用对比图来看（图 11c） ，周二、周三、周五、周六的使用频数波动较大。上述数据分析结果表明，用户使用移动端更多的是出于社交、娱乐、休闲的心理需求和兴趣驱动，使用传统工具端则更多的是

30、出于工作需求。新媒体环境下用户普遍利用碎片时间使用移动工具端进行舆情的传播，移动工具端使用频数更高并符合周期性规律。 5 研究结论 本文在理论层面，基于信息生态的“信息人、信息、信息环境和信息技术”四者相互和谐的信息生态理论，分析了新媒体环境下网络舆情特征向量构成及行为规律。在实践层面，以新浪微博“埃博拉”话题为例获取数据，利用 MatLab、 Spss 和 Excel等工具，对新媒体环境下网络舆情特征量及行为规 律进行分析。研究结果表明，信息生态理论可以为新媒体网络舆情的特征量及行为规律分析提供有力的理论支撑。实证数据结果表明，信息人分布较广，用户粉丝数和关注数均符合分段幂律分布；信息内容特

31、征量曲线符合指数分布，图片或混合新媒体内容占比相对较高；信息环境各特征量曲线均符合指数分布，同时具有长尾分布特征；信息技术方面，移动端工具使用占统治地位，用户工具端使用曲线符合幂律分布。总体来看，新媒体环境下的网络舆情传播在一定程度上符合优先权选择、兴趣驱动、兴趣衰减及周期性规律。 本文综合运用统计分析和实证研究方法，对新媒体环境下网络舆情特征量和行为规律进行研究，有助于揭示网络舆情特征量及用户行为同网络舆情传播的内在关系，是进一步深入研究网络舆情传播模式、舆情网络结构的基础，对从实践角度加强新媒体环境下的网络舆情管理具有一定意义。本文在研究中也存在一定的局限性，抽样分析方法相较全样本分析可能

32、存在偏差。在后续研究中，本文将结合不同舆情传播话题对新媒体环境下的网络舆情特征量及行为规律进行进一步的验证和分析。 万方数据1232 情 报 学 报 第 36 卷 参 考 文 献 1 新浪新闻 . 2017 未来媒体趋势报告 EB/OL. 2017-1-17. http:/ 2 王晰巍 , 赵丹 , 张长亮 , 等 . 基于社会网络的新媒体网络舆情信息传播研究 以反腐倡廉话题为例 J. 情报杂志 , 2016, 35(3): 103-110, 102. 3 Keelan J, Pavri V, Balakrishnan R, et al. An analysis of the Hu-man P

33、apilloma Virus vaccine debate on MySpace blogsJ. Vac-cine, 2010, 28(6): 1535-1540. 4 Heo Y C, Park J Y, Kim J Y, et al. The emerging viewertariat in South Korea: The Seoul mayoral TV debate on Twitter, Facebook, and blogsJ. Telematics and Informatics, 2016, 33(2): 570-583. 5 Steenkamp M, Hyde-Clarke

34、 N. The use of Facebook for political commentary in South AfricaJ. Telematics and Informatics, 2014, 31(1): 91-97. 6 Whitman Cobb W N. Trending now: Using big data to examine public opinion of space policyJ. Space Policy, 2015, 32: 11-16. 7 Merino G S. The social web: A new communication medium and

35、scientific evaluation toolJ. Physica Medica, 2016, 32(3): 185. 8 邓滢 , 汪明 . 网络新媒体时代的舆情风险特征 以雾霾天气的社会涟漪效应为例 J. 中国软科学 , 2014(8): 61-69. 9 魏超 . 新媒体技术发展对网络舆情信息工作的影响研究 J. 图书情报工作 , 2014, 58(1): 30-34, 71. 10 胡婷婷 . 新媒体环境下的网络谣言应对与舆情引导 J. 现代情报 , 2015, 35(10): 23-26. 11 徐野 , 赵海 , 张文波 . Internet 网络特征量分析 J. 计算机工程

36、 , 2008, 34(14): 107-109. 12 苑卫国 , 刘云 , 程军军 . 微博网络中用户特征量和增长率分布的研究 J. 计算机学报 , 2014, 37(4): 767-778. 13 Kim J W, Candan K S, Tatemura J. Efficient overlap and content reuse detection in blogs and online news articlesC/Proceeding of the 18th International Conference on World Wide Web. New York: ACM Pre

37、ss, 2009: 81-90. 14 Huang B, Yu G. Research and application of public opinion re-trieval based on user behavior modelingJ. Neurocomputing, 2015, 167: 596-603. 15 Steinfeld N, Samuel-Azran T, Lev-On A. User comments and public opinion: Findings from an eye-tracking experimentJ. Computers in Human Beh

38、avior, 2016, 61: 63-72. 16 王晓光 . 微博客用户行为特征与关系特征实证分析 以 “新浪微博 ”为例 J. 图书情报工作 , 2010, 54(14): 66-70. 17 廖海涵 , 靳嘉林 , 王曰芬 . 网络舆情事件中微博用户行为特征和关系分析 以新浪微博 “雾霾调查 : 穹顶之下 ”为例 J. 情报资料工作 , 2016(3): 12-18. 18 Java A, Song X D, Finin T, et al. Why we twitter: understanding microblogging usage and communitiesC/ Proce

39、edings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Min-ing and Social Network Analysis. New York: ACM Press, 2007: 56-65. 19 Yan Q, Yi L L, Wu L R. Human dynamic model co-driven by interest and social identity in the MicroBlog communityJ. Physica A: Statistical Mechanics and its Applicati

40、ons, 2012, 391(4): 1540-1545. 20 杨成明 . 微博客用户行为特征实证分析 J. 图书情报工作 , 2011, 55(12): 21-25. 21 易兰丽 . 基于人类动力学的微博用户行为统计特征分析与建模研究 D. 北京 : 北京邮电大学 , 2012. 22 何静 , 郭进利 , 徐雪娟 . 微博用户行为统计特性及其动力学分析 J. 现代图书情报技术 , 2013(7/8): 94-100. 23 王晰巍 , 郭宇 , 曹茹烨 , 等 . 新媒体环境下企业知识共享网络结构研究 基于社会网络分析法 J. 情报资料工作 , 2016(5): 106-112. 24

41、 陈寿富 . 论社会新闻的概念域 J. 兰州大学学报 (社会科学版 ), 2016, 44(1): 56-61. 25 Alexa. Keyword research, competitor analysis, website ranking EB/OL. 2017-1-17. http:/. 26 新浪 . 2016 微博用户发展报告 EB/OL. 2017-1-17. http:/ 27 Dunbar R I M. Neocortex size as a constraint on group size in primatesJ. Journal of Human Evolution, 1992, 22(6): 469-493. （责任编辑 车 尧） 万方数据