新浪微博信息传播的影响因素分析与效果预测.docVIP

新浪微博信息传播的影响因素分析与效果预测 　　〔摘 要〕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 〔关键词〕新浪；微博信息；传播效果；回归分析；效果预测；影响因素 DOI：10.3969/j.issn.1008-0821.2016.03.004 〔中图分类号〕TP393 〔文献标识码〕A 〔文章编号〕1008-0821（2016）03-0022-05 〔Abstract〕In this paper，the influence factors and results of the data acquisition are analyzed based on Sina Weibo platform，summed up the 16 factors that affect the microblogging information dissemination，on the basis of the four elements and draw on the dissemination of information on the prevalence of the three elements.First，through the“Storm popularity list”of 320 randomly grab Weibo user data multiple linear regression forecasting，empirical get the number of fans，working time and release time on the microblogging messaging promote the role and activity，rest the time and date have hindered the spread of information.Then take the data extracted from the 441005 forwarding samples，through logistic regression，Naive Bayesian and Bias network probability model analysis，empirical social types of user microblogging forwarding behavior is the most significant，the social needs of micro blog is significantly higher than the content needs，according to the ROC curve to get the comprehensive type of user microblogging forwarding behavior prediction is the most accurate. 〔Key words〕sina；micro blog information；dissemination effect；regression analysis；effect prediction；influence factors 据中国互联网络信息中心《第36次中国互联网发展状况统计报告》称，截至2015年6月，我国网民规模达668亿，互联网普及率为488%，微博用户为20432亿，网民使用率为306%，而使用新浪微博的用户占694%，微博俨然成为广大网民网络社交的重要聚集地。由于微博信息传播速度快，影响面广，信息产生的舆论控制难，研究和总结微博信息传播的影响因素已成为学者的重点工作，国内外专家对此进行了大量的研究。文献[1]通过调查微博记录中信息的扩散情况，研究得出微博的影响度与用户的影响度和粉丝数有直接关系；文献[2]对新浪微博进行测量统计分析，得出微博热度与用户粉丝数成正相关；文献[3]提出了一种新颖的方法分析微博信息传播网络的属性，基于信息分散、信息聚集、信息传递3种关系分析了信息传播网