基于意见领袖参与行为的微博话题热度预测研究

收稿日期:2013-07-03摇 摇 摇 摇 摇 修回日期:2013-09-29 基金项目:教育部人文社会科学研究规划基金项目“新媒体时代网络问政的生态特征及其演化机制研究冶(编号:12YJAZH203)成果之一。 作者简介:赵龙文(1964-),男,副教授,硕士生导师,研究方向:电子商务与信息化;公荣涛(1990-),男,硕士研究生,研究方向:电子商务 与信息化工程;陈明艳(1990-),女,硕士研究生,研究方向:电子商务与信息化工程;姚海波(1987-),男,硕士研究生,研究方向:电子商务与 信息化工程。 基于意见领袖参与行为的微博话题 热度预测研究* 赵龙文摇 公荣涛摇 陈明艳摇 姚海波 (华南理工大学经济与贸易学院电子商务系摇 广州摇 510006) 摘摇 要摇 随着微博应用的迅猛发展,互联网成为当今社会重要的舆论场。 从海量微博信息中了解并预测出网民所 关注话题的发展趋势成为一个具有挑战性的研究课题。 提出基于意见领袖参与行为的微博话题热度预测模型,以 意见领袖的影响力及其参与行为等指标,研究微博热点话题的发展趋势和特征,分析并验证了模型对不同话题类型 的适用性,针对话题演化过程的阶段性变动特征,对模型进行了改进和完善,提出了基于动态系数的多元线性回归 预测模型。 实验结果明,预测模型在不考虑外界因素刺激的情况下可以获得较好的预测结果。 关键词摇 意见领袖摇 微博话题摇 热度预测摇 动态回归模型 中图分类号摇 TP391. 1摇 摇 摇 摇 摇 摇 文献标识码摇 A摇 摇 摇 摇 摇 摇 摇 文章编号摇 1002-1965(2013)12-0042-05 Hotness Prediction Research of Microblog Topics Based on the Participation of Opinion Leaders Zhao Longwen摇 Gong Rongtao摇 Chen Mingyan摇 Yao Haibo (Department of E-Business, School of Economics & Commerce, South China University of Technology, Guangzhou摇 510006) Abstract摇 With the rapid development of microblog, Internet has become an important public opinion field in today爷s society. Predicting the trend of the microblog hot topics from the vast information becomes a challenging research concern. In this paper, we studied and put forward a hotness prediction model of microblog topics based on the participation of opinion leaders. Measurements with the influence and the participation of the opinion leader were regarded as the key indicators of the trend of the microblog topic hotness. The applicability of the model on different kinds of topics was also analyzed. Considering the periodic fluctuation characteristics of the topic evolution process, we improved the model and built a multiple linear regression prediction model based on dynamic coefficient. It was proved that without considering the stimulation of external factors, the hotness prediction model of microblog topics could yield desirable prediction. Key words摇 opinion leaders摇 microblog topic摇 hotness prediction摇 dynamic regression model 0摇 引摇 言 舆情是在一定时期、一定范围的民众对社会现实 的主观反映,是群体性的思想、心理、情绪、意见和要求 的综合表现[1]。 随着互联网技术的快速发展,网络信 息资源呈现一种爆炸式的增长态势,大量的网络信息 导致互联网成为当今社会重要的舆论场,根据新浪官 方数据显示,2013 年初新浪微博已拥有超过 4 亿用户 量,超过 4 230 万每日活跃用户,平均每天发布微博内 容超过 1 亿条。 从海量微博信息中了解并预测出网民 所关注话题的热度趋势成为一个具有挑战性的研究课 题。 对于Web舆情的研究近两年也一直是国内外研 究的热点。 国外研究主要关注基于 twitter 的事件预 测,在总统选举、电影票房、热点事件预测等方面都取 得了一些成果。 Lu Chen[2]通过研究 twitter 上用户的 第 32 卷摇 第 12 期 2013 年 12 月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志 JOURNAL OF INTELLIGENCE 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol. 32摇 No. 12Dec. 摇 2013 讨论预测总统选举。 Sitaram [3]等人通过对大量用户 某一时段的电影评论,来分析和预测电影票房。 国内 相关研究较多针对论坛话题和以点击率为特征的 web 话题热度预测,在即时话题热度和长期话题[4]热度检 测方面也取得了一定的成果。 张虹等[5]学者提出了基 于小波多尺度分析的论坛话题热度预测算法。 田野[6] 通过微博事件趋势的样本回归分析,然后建立了未来 趋势预测模型。 聂恩伦等[7]学者提出了基于 K 近邻 的新话题热度预测算法,弥补了现有算法无法对新话 题的热度进行有效预测的缺点。 但这些方法都面临一 个共同的问题,就是需要采集海量的微博数据作为话 题检测的支撑。 如何减小数据采集的规模和预测算法 的复杂度,从而提高话题及事件热度预测的速度和精 度成为一个重要的问题。 本文对微博热点话题的形成及其演化过程进行了 研究,发现微博热点话题的传播特征,除了微博关键词 高度集中、传播具有周期性和传播受外界环境影响显 著以外,更为重要的一点是大量意见领袖的参与。 分 析研究微博意见领袖在微博话题传播过程和演化中的 作用,提出基于意见领袖参与行为的微博话题热度预 测模型和方法,实验结果表明,本文提出的预测模型在 不考虑外界因素刺激的情况下可以获得较好的预测结 果。 1摇 意见领袖参与行为与话题热度研究 摇 1. 1摇 微博意见领袖与热点话题的形成及演化分析 摇 微博话题的形成过程可总结为“话题发生寅话题发 展寅话题高潮寅话题消退冶四个阶段。 所谓意见领 袖,即指在人际传播网络中经常为他人提供信息、意 见、评论,并对他人有较大影响的“活跃分子冶,是大众 传播效果形成过程中的中介或过滤环节。 微博意见领 袖的行为特征正呈现出与以往意见领袖不同的特点, 主要表现在:发布的信息受到高度关注、圈群化、跨界 化、亲和力、影响力。 通常,微博话题及舆论倾向的形成涉及以下几个 过程和因素:a.有关社会变动或重大事件产生,引发不 同观点。 b.各种观点在网络平台上趋向各自的统一。 c.政府机构代表参与。 d.媒体介入。 相关研究表明,微 博意见领袖的参与行为已成为影响微博话题形成和传 播的重要因素,主要作用可归纳为以下几点:a.公众的 代言人:引导舆论;b.传播的催化剂:促使群体性事件 舆论的快速形成;c.舆论的监督者:有利于舆论监督。 摇 1. 2摇 意见领袖参与行为及影响力度量 本文通过微博话题的意见领袖参与率、微博转发 率、微博评论率三个指标来评价和度量意见领袖的微 博话题参与行为和特征。 意见领袖参与率 (U( t)) 是指一段时间 ( t,t + 吟t) 内参与热点话题 tp i 讨论的意见领袖人数 | U | tp i 吟t 与意见领袖总人数 | U | 百分比,计算方法如下: U( t) = | v | tp it | v | (1) 意见领袖话题微博转发率 R( t) 采用( t,t + 吟t) 时间内,其发表的与话题 tp i 相关的微博的转发数与所 有微博转发数的百分比: R( t) = Ntprt Nrt = 移 mk = 0 | Nrk | tpt 移 ni = 0 | Nri | t (2) 其中 n表示单位时间内意见领袖发表的微博总 量,m表示其中话题 tp i 相关的微博总量。 | Nri | 表示 与第 i条微博的转发数, | Nrk | tp r 表示在( t,t + 吟t) 时 间内与话题 tp相关的第 k条微博转发数。 意见领袖话题微博评论率(C( t))是指( t,t +吟t) 时间内,其发表的与话题相关的微博的评论总数与所 有微博的评论总数的百分比: C( t) = Ntpct Nct = 移 mk = 0 | Nck | tpt 移 ni = 0 | Nci | t (3) 其中 | Nci | 表示与第 i条微博的评论数, | Nck | tp t 表 示在( t,t + 吟t) 时间内与话题 tp相关的第 k条微博评 论数。 摇 1. 3摇 参与行为与热度相关性研究 摇 以“李某涉轮 案冶数据为例,以 1 小时为单位时间,抓取每一位意见 领袖在该时间段发布的全部微博,微博信息包括用户 ID、微博内容、微博转发数、微博评论数,并采用 z - score方法对因变量数据进行化,如表 1 所示, 其 中 Y( t) 表示微博话题 tp在 t时刻的热度增量。 常用的回归模型函数包括:线性、指数、对数、幂函 数和多项式模型函数。 经过判定,本文选取多项式回 归模型:Y = 移 ni = 0(a i(x) i) 作为热度预测的基本模 型。 定义多项式的回归拟合度为 Rn, n 的取值条件 为: Rn+1 - Rn Rn 臆 r (4) 随着多项式次数的增加,拟合度的增量与低一次 的多项式拟合度比值小于等于阈值 r,r越小增量越小, 回归越稳定,这里取 r = 0. 1% 。 对于热度预测模型 Y,取 i = 1、2、3、4、5、6,分别进 行模型的假设验证,得到 R2 分别为 0. 5465、0. 8874、 0郾 8778、0. 8778、0. 8776、0. 8798, 为 使 相 邻 差 大 于 0郾 1% ,选择 i = 2时的四次项函数作为多项多的函数模 型: y = 2862. 1U( t) 2 - 9. 2289U( t) - 0. 6452 R2 = 0.{ 8774 ·34·摇 第 12 期摇 摇 摇 摇 摇 摇 摇 摇 摇 赵龙文,等:基于意见领袖参与行为的微博话题热度预测研究 表 1摇 标准化后的“李某涉轮案冶 数据表(部分) 时序 Y( t) | v | tp1r U( t) Ntprt Nrt R( t) Ntpct Nct C( t) 1 1. 60118 51 0. 02181 36493 149632 0. 24389 23607 148609 0. 15885 2 2. 04102 60 0. 02566 42809 182364 0. 23475 69762 240495 0. 29008 3 2. 68706 80 0. 03422 31999 165998 0. 19276 43398 172203 0. 25202 4 2. 94495 88 0. 03764 30309 165998 0. 18258 25310 172777 0. 14649 5 1. 13910 70 0. 02994 27291 156646 0. 17422 10028 66078 0. 15177 6 0. 15916 60 0. 02566 9044 140280 0. 06447 9683 119081 0. 08131 7 - 0. 18854 50 0. 02139 8460 158984 0. 05321 2298 77779 0. 02955 8 - 0. 26615 30 0. 01283 10793 158984 0. 06789 2436 83530 0. 02916 9 - 0. 40877 20 0. 00855 9483 151970 0. 06240 1456 89494 0. 01627 10 - 0. 35504 25 0. 01069 7990 156646 0. 05101 9077 92372 0. 09827 摇 摇 取时间间隔为 1 小时,对话题热度和相关变量的 反复拟合分析,发现微博增量(y( t)) 与意见领袖参与 率的平方(U( t) 2)、微博转发率(R( t)) 和微博评论率 (C( t))具有较好的拟合关系,如图1、图2、图3所示。 图 1摇 y( t) 与意见领袖参与率平方 U( t) 2 的线性拟合图 图 2摇 y( t) 与转发率 R( t) 的线性回归拟合图 图 3摇 y( t) 与评论率 C( t) 的线性回归拟合图 为了验证所发现的这种拟合关系是否具有普遍 性,选取不同时期的三个微博热点话题进行实例验证 分析。 验证方法与上文中的自变量与因变量关系分析 类似。 具体步骤如下:a. 计算话题的自变量与因变量 数据。 b.分别建立三个自变量与因变量的散点图。 c. 对散点图做线性拟合,计算每条曲线的拟合度。 d. 判 断自变量与因变量是否具备较强的线性关系。 根据以上步骤,分别作出微博中三个社会热点话 题中自变量指标与因变量的线性关系拟合图,根据拟 合度 R2 判断其线性相关性。 话题一:“香港限奶令冶、 话题二:“微博寻婴冶、话题三:“广州城管掐女小贩 脖冶,验证结果如图 4、图 5、图 6 所示。 由上图的线性拟合图及拟合的决定系数可知:在 三个热点话题的数据中,三个指标与预测目标依然具 有很好的线性关系,因此可以判定,本文提出的微博意 见领袖话题参与行为的三个度量指标与话题热度具有 良好的线性拟合。 2摇 基于意见领袖参与度的微博话题热度预测 摇 2. 1摇 基于动态系数的回归预测模型摇 本文的预测 对象是微博平台中的社会热点话题,它们具有一些共 同的传播周期性。 a. 话题从产生开始经历一段潜伏 期,在某段时间内由意见领袖引爆,进入短暂爆发期, 然后进入话题讨论的发展期,最后逐渐进入消亡期,如 果没有新的刺激点,话题就逐渐被用户淡忘。 b. 本文 提出的三个指标都是与时间序列相关的函数值,这样, 因变量的值就与时间序列没有直接关系,也就不会因 不同话题的周期长短不一而受影响。 解决了不同话题 因周期长短不一致而对预测模型产生干扰的问题。 c. 本文的指标数据来源于确定的 2 338 名微博意见领袖, 提出的意见领袖微博话题参与度指标采用百分比形 式,在有效时间区内,单位时间产生的数据基本稳定。 参与行为与热度相关性研究结果表明,在一个小 的时间间隔( t,t+吟t)内,变量 U( t) 2、R( t)和 C( t)与 微博话题的热度增量 y( t)具有良好的线性关系,虽然 ·44· 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 32 卷 图 4摇 指标 U( t2) 与因变量线性拟合图 图 5摇 指标 R( t) 与因变量线性拟合图 图 6摇 指标 C( t) 与因变量线性拟合图 不同话题或者同一话题的不同发展阶段,其变化和趋 势是复杂多样的,但可以将其发展过程视为有众多小 的时间片段构成的一个时间序列,,通过建立基于动态 系数的多元线性回归模型实现对话题最新发展趋势的 建模和预测。 为了预测因变量随时自变量的变化值,将自变量 的时间变量提前一个时间片,构建以 U( t - 1) 2、R( t - 1)、C( t - 1)为自变量,y( t)为因变量的动态系数的多 元线性回归预测模型: y( t) = b0 + b2U( t - 1) 2 + b2R( t - 1) + b32C( t - 1) + e,t > 1摇 (5) 其中,b0 为常数项,b1、b2、b3 为回归系数,b1 为 R( t - 1)、C( t - 1) 固定时,U( t - 1) 2 每增加一个单位对 y( t) 的效应,即 U( t) 2 对 y( t) 的偏回归系数,b2、b3 同 理。 摇 2. 2摇 预测模型实例构建 摇 以“李某涉轮案冶 数据 为实例,选取 2013 年 2月 22日 17:00至 2月 24日 14: 00 微博数据,截取有效区间,以 吟t = 1 小时为时间单 位,根据各变量的计算公式,给定显著水平 倩 = 0. 05, 得到回归模型: y( t) = - 0. 781 + 1644. 02U( t - 1) 2 + 9. 64R( t - 1) - 2. 341C( t - 1),t > 1 计算多元线性模型各系数 P值,如表 2。 表 2摇 计算多元线性模型各系数 P值 系数 Coefficients P - value 调整后 P - value b0 Intercept 0. 0000 0. 0000 b1 U( t - 1)2 0. 0004 0. 0005 b2 R( t - 1) 0. 0060 0. 0121 b3 C( t - 1) 0. 2096 - 摇 摇 给定显著水平 倩 = 0. 05,系数 b0、b1、b2的P值均小 于 0. 05,具有很强的显著性,但是系数 b3 的 P 值 0. 2096 > 0. 05,不具有显著性。 去掉不具有显著性的回 归系数 b3,重新计算回归数学模型,得到新的回归模 型: y( t) = - 0. 786 + 1610. 983U( t - 1) 2 + 7郾 543R( t - ·54·摇 第 12 期摇 摇 摇 摇 摇 摇 摇 摇 摇 赵龙文,等:基于意见领袖参与行为的微博话题热度预测研究 1) ,t > 1 构建回归模型返回的数据显示见表 3。 表 3摇 构建回归模型返回的数据 回归统计 Multiple R 0. 9656 R Square 0. 9325 AdjustedR Square 0. 9271 摇 摇 相关性 R = 0. 9656,可决定系数 R2 = 0. 9325,调整 后决定系数 = 0. 9271,回归模型具有很好的拟合度。 构建回归模型的两个自变量 U( t) 2、R( t) 之间的 一元线性回归函数,得 r2 = 0. 5533 < R2 = 0. 9491,所 以本文所构建的二元线性回归模型不存在多重共线 性。 经过对回归模型的诊断、调整,最终得到一个以两 个时间序列函数为自变量,以一个时间序列为因变量 的多元线性回归模型: y( t) = - 0. 786 + 1610. 983U( t - 1) 2 + 7. 543R( t - 1),t > 1 预测当 t = 31时,微博平台中与热点话题相关的微 博增量: U(31 - 1) = U(30) = 0. 13% R(31 - 1) = R(30) = 0. 24% y(31) = - 0. 786 + 1610. 983U(30)2 + 7. 543R(30) = - 0. 7648 根据源数据计算得出,t = 30 时: U(30 - 1) = U(29) = 0. 15% R(30 - 1) = U(29) = 0. 22% y(30) = - 0. 6332 t = 30 时,与上一时间 t = 29 相比,意见领袖参与 率下降 0. 08% 、话题相关的微博转发率上升 0. 02% , 热点话题的热度下降 0. 1316 个标准差。 此时函数值 为-0. 6332,严重偏离了话题发展的平均水平,并且有 继续缓慢下滑的趋势。 由此可以判断,该话题正处于 发展周期中的消亡期。 如果没有外界因素的刺激,话 题会逐渐消亡,逐渐被微博中用户淡忘。 3摇 实验及结果分析 摇 3. 1摇 实验数据摇 本文选取 “黄浦江死猪冶这一热点 的热度发展趋势进行预测。 数据获取方式是通过微博 模拟搜索,采集每个小时意领袖的微博,然后统计其中 与话题相关的微博的指标数据。 选取 2013 年 3 月 12 日 15:00 至 3 月 14 日 15:00,共 32 个时间片的数据进 行建模预测分析。 摇 3. 2摇 实验结果及预测模型有效性分析摇 根据上文 的实验数据和实验方法,以 t = 25 作为区分训练数据 和对比数据的临界,依据前面讲述的多元线性回归模 型的实例构建过程,建立基于“黄浦江死猪冶热点话题 的线线回归预测模型: y( t) = - 1. 638 + 1834. 621U( t - 1) 2 + 5. 356( t - 1) 预测结果与实际数据对比,如表 4 所示。 表 4摇 预测结果与实际数据对比 时序 实际值 预测值 实际趋 势方向 预测趋 势方向 预测数据与实际数据 的差异比绝对值 26 -1. 234784 -1. 105643 降 降 10. 45863% 27 -1. 543985 -1. 149986 降 降 25. 51829% 28 -0. 753289 -1. 484827 升 降 97. 11256% 29 -0. 323921 -0. 183923 升 升 43. 21987% 30 -0. 839135 -0. 063777 降 升 92. 39967% 31 -1. 793265 -0. 925553 降 降 48. 38725% 32 -1. 888544 -1. 363400 降 降 27. 80682% 摇 摇 根据实验结果,本文从预测的趋势方向和预测偏 差值进行分析: a.趋势预测的方向基本准确,但有一定的滞后性。 根据实验结果可知,话题的实际趋势方向与预测的趋 势方向 7 个预测点中,有 5 个是正确,2 个相反。 预测 出错也并不是毫无规律,只是预测结果比实际结果延 迟了一个周期。 进一步分析预测出错的原因可以发 现,在 3 月 14 日 12:00,央视新闻再次报道了标题为 “上海今天新打捞 944 具死猪,共计 7 545 具!冶的黄浦 江死猪事件,导致本来下降的趋势出现短暂逆转,随后 很快又开始下降。 这也体现了本文提出的热点话题传 播趋势受外界环境影响显著的特征。 b.预测值与实际值有一定偏差。 由于话题的发展 很可能受到新闻媒体报道、新爆料、舆论环境等各种外 界因素的影响,而预测的指标并未考虑这些因素,导致 在外界时间干扰或话题发展进入新的周期时,预测结 果会出现较大偏差。 但可以看到,在不考虑外界因素 刺激的情况下,本文提出的预测模型和预测方法对判 断话题的发展趋势具有一定的价值和意义。 4摇 结论及进一步工作 微博作为一个新兴的网络媒体和社交平台,是现 代中国社会热点重要的发源地和传播途径。 及时了解 整个微博平台中的信息动向,跟踪感兴趣的话题,政府 可以实时把握社会舆论动态,做好舆情监控,具有一定 的社会意义。 本文研究了意见领袖在热点话题传播中 的作用,并提出基于意见领袖参与行为的微博话题热 度预测模型,结果表明,在没有外界因素影响情况下, 该模型和方法对话题的热度趋势方向预测有一定的参 考价值。 本文抓取的意见领袖的数据主要依据新浪排行榜 的相关数据,并没有针对话题的特征对意见领袖进行 (下转第 11 页) ·64· 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 情摇 报摇 杂摇 志摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 32 卷 Center for Science and International Affairs,Harvard)与 斯坦福大学国际安全与合作中心(Center for Interna鄄 tional Security and Cooperation,Stanford)的大力支持, 在此表示感谢。 在后续研究中,将加强与上述两个机 构的合作,分别就突发事件(含恐怖主义)的信息共享 法制环境、情报合作文化及其软实力进行深入研究。 参 考 文 献 [1] 摇 钟开斌.突发事件概念的来源与演变———基于对《人民日报》、 党的中央全会、国务院政府工作报告的分析[ J] .上海行 政学院学报,2012(5):26-35. [2] 摇 郭倩倩.突发事件的演化周期及舆论变化[ J] . 新闻与写作, 2012(7):9-12. [3] 摇 李摇 游.高校学生突发事件信息传播机制的缺陷及对策研究 [J] .教育探索,2013(2):83-84. [4] 摇 张一文,齐佳音,方滨兴,李欲晓.非常规突发事件及其社会影 响分析———基于引致因素耦合协调度模型[ J] . 运筹与管理, 2012(2):202-211. [5] 摇 叶金珠,佘摇 廉.网络突发事件蔓延机理研究[ J] . 情报杂志, 2012(3):1-5. [6] 摇 肖开红.供应链突发事件研究现状分析与展望[ J] . 河南社会 科学,2012(3):82-85. [7] 摇 郭光华.论网络舆论主体的“群体极化冶倾向[ J] .湖南师范大 学社会科学学报,2004(6):110-113. [8] 摇 毕宏音. “新诉求群体冶的时代影响力[ J] . 天津大学学报:社 会科学版,2011(4):344-347. [9] 摇 毕宏音.论诉求表达发生机制的产生动力[J] .天津大学学报: 社会科学版,2009(5):458-461. [10] 毕宏音.网络舆情形成与变动中的群体影响分析[ J] . 天津大 学学报:社会科学版,2007(3):270-274. [11] 孙摇 玮,张小林,吴象枢.突发公共事件中网络舆论表达边界 与生态治理[J] .学术论坛,2012(11):117-121. [12] 沈摇 阳.十八大后网络舆论新风向[ J] .人民论坛,2012(24): 4. [13] 肖文涛,许小美.新媒体时代的网络舆论现状与引导对策[ J] . 行政论坛,2012(6):79-84. [14] 丁白云,顾丽梅,陈贤生. 网络舆论与政府回应机制研究[ J] . 中共浙江省委党校学报,2012(5):38-43. [15] 唐克超.网络舆论对国家安全影响问题探析[J] .中国软科学, 2008(6):56-62. [16] 薄明华,曾长秋.我国网络舆论研究 10 年:回顾与展望[ J] .学 术论坛,2012(8):194-198. [17] 孙摇 睿,罗万伯.网络舆论中节点重要性评估方法综述[ J] .计 算机应用研究,2012(10):3606-3608. [18] 胡摇 卉.我国微博网络舆论研究综述[ J] . 剑南文学:经典阅 读,2012(2):382. [19] 岳摇 源.突发事件网络舆论引导中的问题与对策[ J] . 新闻与 写作,2012(7):13-15. [20] 蔡尚伟,唐丕跃.重大突发事件中的政府网络舆论引导———以 成都“6. 5冶公交车燃烧事故为例[ J] . 新闻与写作,2009(8): 29-31. [21] 叶摇 勇. 高校公共突发事件中网络舆论的特点与功能研究 [J] .教育探索,2008(1):821-822. [22] 王 摇 立. 浅谈突发事件中的网络舆论[ J] . 青年记者,2008 (14):89. [23] 李摇 勇.网络舆情与网络舆论的转化及作用[ J] . 新闻前哨, 2012(5):99-101. [24] 马摇 荔.政府与网络舆情之关系的法理研究———以突发事件 为视角[J] .北京邮电大学学报(社会科学版),2010(1):44- 49. [25] 张摇 沛. 论突发事件的网络舆论引导[D] .北京:中国政法大 学,2010. [26] 马摇 荔. 突发事件网络舆情政府治理研究[D] .北京:北京邮 电大学,2010. [27] 王沙骋,曹摇 凤,赵澄谋. 信息共享环境探析[ J] . 情报理论与 实践,2008(4):610-613. [28] 王沙骋,陈摇 波.系统工程视角下的情报主导反恐研究[ J] .军 事运筹与系统工程,2011(1):54-58. [29] Scott C. Monje. The Central Intelligence Agency:a Documenta鄄 ry History[M] . Westport,Conn:Greenwood Press,2008:324 - 365. [30] 王沙骋,刘摇 洁,赵澄谋.军民融合:21 世纪反情报工作的几点 探索[J] .图书情报工作,2009(4):87-90. (责编:白燕琼 蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚 ) (上接第 46 页) 细分,也未考虑微博意见领袖的领域特征和领域影响 力及其对话题传播的影响。 另外,微博话题热度的发 展和演化涉及很多因素,比如话题内容、话题出现时 机、新闻媒体报道、新爆料、舆论环境等,接下来将在这 些方面做进一步研究,考虑更多影响热度发展趋势的 综合因素,建立更具实际意义的预测模型和方法。 参 考 文 献 [1] 摇 高俊波,王晓峰等,一种新的主题影响力模型研究[ J] .计算机 工程与应用,2007(25):182-185. [2] 摇 Chen L, Wang W, Sheth A. Are Twitter Users Equal in Predic鄄 ting Elections? A Study of User Groups in Predicting 2012 U. S. Republican Presidential Primaries: Proceedings of the Fourth In鄄 ternational Conference on Social Informatics (SocInfo'12) [Z] . Wenbo Wang A S. 2012. [3] 摇 Asur S, Huberman B A, Szabo G, et al. Trends in social media: Persistence and decay[C] . 2011. [4] 摇 高摇 辉,王沙沙,傅摇 彦. Web 舆情的长期趋势预测方法[ J] . 电子科技大学学报 2011(40):440-445. [5] 摇 张摇 虹,赵摇 兵,钟摇 华.基于小波多尺度的网络论坛话题热 度趋势预测[J] .计算机技术与发展,2009(19):76-79. [6] 摇 田摇 野.基于微博平台的事件趋势分析及预测研究[D] . 武 汉:武汉大学,2012. [7] 摇 聂恩伦,陈摇 黎,王亚强,等.基于 K近邻的新话题热度预测算 法[J] . 计算机科学. 2012(39):257-260. (责编:贺小利) ·11·摇 第 12 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 王沙聘:突发事件网络舆论的情报对策研究 基于意见领袖参与行为的微博话题热度预测研究 作者： 赵龙文， 公荣涛， 陈明艳， 姚海波， Zhao Longwen， Gong Rongtao， Chen Mingyan ， Yao Haibo 作者单位： 华南理工大学经济与贸易学院电子商务系 广州 510006 刊名： 情报杂志 英文刊名： Journal of Intelligence 年，卷(期)： 2013(12) 本文链接：http://d.wanfangdata.com.cn/Periodical_qbzz201312008.aspx