微博转发影响因素及转发网络特征研究——以高转发营销类微博为例

摘要

本文研究了新浪微博中高转发营销微博的转发影响因素和转发网络特征。首先，总结相关文献并结合本文数据，分析了营销类微博的7种用户特征和8种内容特征，定义了转发量过万和转发量在一千到一万之间两类高转发微博。其次，分别探究了这两类高转发营销微博的转发影响因素：对于转发过万的营销微博，其蕴含的转发激励机制被识别，总结了能有效判断“转发送礼”激励机制的词语规则；对转发量在一千到一万之间的高转发营销微博，建立了基于内容特征的转发预测模型。最后，研究了真实转发网络中的网络结构、转发时间等动态特征，以及转发用户的特征，从转发用户的角度探究其转发动机。
　　实证研究表明营销类微博的巨大转发量是其内在激励机制的结果；用户特征对营销类微博赢得大量转发几乎无影响，主要是微博内容特征驱动其赢得大量转发；在内容特征中，长度、原创性和提及他人这三个因素对微博赢得高转发最重要；在二分类的转发量预测模型中，神经网络模型的预测准确度最好。对转发网络的分析表明营销类微博蕴含的激励机制对用户转发行为的影响很大；转发网络是小世界的，大部分转发微博是从原始微博处的直接转发；用户的转发主要发生在原始微博发布后的几个小时，转发频率随着活动时间的变化而变化；转发用户多是来自经济发达地区的非认证用户；包括转发影响力用户和忠实转发用户的两类关键转发用户被定义和识别。本文的研究结论对企业微博营销具有意义。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 引言

1.1 研究背景和意义

1.2 本论文主要工作

1.3 研究方法与创新点

1.4 本论文主要结构

第2章 文献综述及研究意义

2.1 微博及微博营销

2.2 转发机制及转发预测

2.3 转发网络分析

第3章 理论基础与关键技术

3.1 通过API的数据获取

3.2 中文自然语言处理

3.3 分类模型

3.4 复杂网络理论

第4章 研究设计

4.1 新浪微博概述

4.2 新浪微博转发机制

4.3 电子商务企业微博营销

4.4 数据获取及数据集描述

4.5 研究问题描述

第5章 高转发微博特征及转发影响因素分析

5.1 转发量分布及高转发微博定义

5.2 微博用户特征

5.3 微博内容特征

5.4 高转发微博转发影响因素分析

第6章 高转发微博转发网络特征分析

6.1 转发网络结构特征

6.2 转发时间特征

6.3 转发网络结构与转发时间特征的关系

6.4 转发用户特征

第7章 结论

7.1 论文内容总结

7.2 本研究不足之处

7.3 进一步研究工作

参考文献

致谢

个人简历 在读期间发表的学术论文与研究成果