許偉

摘 要:社交網(wǎng)絡(luò)上存在海量消費(fèi)者感知的質(zhì)量安全風(fēng)險信息，而意見領(lǐng)袖在風(fēng)險信息網(wǎng)絡(luò)傳播上有極大的影響力。以典型社交網(wǎng)絡(luò)平臺微博為例，研究網(wǎng)絡(luò)信息監(jiān)測的類型與指標(biāo)，并通過節(jié)點(diǎn)和內(nèi)容協(xié)同分析，更快更有效地發(fā)現(xiàn)潛在質(zhì)量安全風(fēng)險。重點(diǎn)關(guān)注節(jié)點(diǎn)及其關(guān)系和內(nèi)容及其關(guān)系，探討個體排名、內(nèi)容分類、話題識別、風(fēng)險監(jiān)測等關(guān)鍵問題，從而構(gòu)建社交網(wǎng)絡(luò)環(huán)境下產(chǎn)品質(zhì)量風(fēng)險網(wǎng)絡(luò)監(jiān)測模型，為產(chǎn)品質(zhì)量網(wǎng)絡(luò)監(jiān)測方法與內(nèi)容提供一種新的視角。

關(guān)鍵詞:社交網(wǎng)絡(luò)；質(zhì)量風(fēng)險；質(zhì)量監(jiān)測



一、引言

社交網(wǎng)絡(luò)上的有些產(chǎn)品質(zhì)量信息，可以在極短時間內(nèi)受到大量的關(guān)注并被廣泛傳播，因而質(zhì)量話題熱點(diǎn)不斷。通過互聯(lián)網(wǎng)傳播的產(chǎn)品質(zhì)量話題，包含了網(wǎng)民對當(dāng)前企業(yè)產(chǎn)品質(zhì)量現(xiàn)象以及熱點(diǎn)問題的立場和觀點(diǎn)，已成為企業(yè)產(chǎn)品質(zhì)量的市場晴雨表，深刻影響著企業(yè)形象與利潤?；仡櫧陙肀l(fā)的產(chǎn)品質(zhì)量事件，其中很多事件都是先在社交網(wǎng)絡(luò)上爆料，然后形成熱點(diǎn)話題引發(fā)主流媒體跟進(jìn)，進(jìn)而爆發(fā)產(chǎn)品質(zhì)量安全網(wǎng)絡(luò)事件。以新浪微博、騰訊微信為代表的社交網(wǎng)絡(luò)，包含豐富的產(chǎn)品質(zhì)量數(shù)據(jù)。越來越多的微博用戶在網(wǎng)絡(luò)上發(fā)布對產(chǎn)品質(zhì)量或服務(wù)質(zhì)量的評價，這些在線口碑極大地影響著消費(fèi)者的購買決策和企業(yè)的聲譽(yù)利潤（蔡淑琴，2013）。如何對社交網(wǎng)絡(luò)中產(chǎn)品質(zhì)量安全風(fēng)險進(jìn)行監(jiān)測，關(guān)注哪些關(guān)鍵信息并有效預(yù)測其風(fēng)險趨勢，已成為產(chǎn)品質(zhì)量治理急需解決的問題。

在當(dāng)前這樣一個大數(shù)據(jù)時代，質(zhì)量數(shù)據(jù)的爆炸性增長極大地增加了質(zhì)量安全的不確定，并對質(zhì)量安全治理的方法與技術(shù)提出了更高的要求?；谙M(fèi)者的海量互聯(lián)網(wǎng)信息的質(zhì)量網(wǎng)絡(luò)監(jiān)測，為產(chǎn)品質(zhì)量安全有效網(wǎng)絡(luò)治理提供了一種行之有效的方法和技術(shù)。產(chǎn)品質(zhì)量網(wǎng)絡(luò)監(jiān)測，是指武漢大學(xué)質(zhì)量發(fā)展戰(zhàn)略研究院基于“質(zhì)量安全網(wǎng)絡(luò)信息監(jiān)測與預(yù)警服務(wù)平臺”（以下簡稱“質(zhì)量監(jiān)測平臺”），通過綜合利用質(zhì)量風(fēng)險理論、價值工程理論，結(jié)合搜索技術(shù)、云計算、數(shù)據(jù)挖掘、語義分析、質(zhì)量安全評價體系等新一代網(wǎng)絡(luò)信息技術(shù)的集成創(chuàng)新，實時收集來自公共互聯(lián)網(wǎng)的海量消費(fèi)者感知的質(zhì)量安全信息，經(jīng)過深度的挖掘、提煉、分析、處理，及時向廣大企業(yè)、消費(fèi)者和政府提供富有價值的質(zhì)量安全信息服務(wù)。2012年質(zhì)量監(jiān)測平臺選取了4家國產(chǎn)乳制品企業(yè)的微博數(shù)據(jù)進(jìn)行了挖掘、篩選和分類，共獲得有效微博數(shù)據(jù)10253條。對于這些產(chǎn)品質(zhì)量事件數(shù)據(jù)，形成產(chǎn)品質(zhì)量網(wǎng)絡(luò)信息數(shù)據(jù)庫，為下一步研究打下堅實基礎(chǔ)。目前學(xué)術(shù)界對產(chǎn)品質(zhì)量事件網(wǎng)絡(luò)信息的研究，大都是基于節(jié)點(diǎn)（用戶）或者內(nèi)容的數(shù)據(jù)挖掘研究，缺少節(jié)點(diǎn)（用戶）和內(nèi)容的協(xié)同研究。質(zhì)量監(jiān)測平臺通過對網(wǎng)絡(luò)產(chǎn)品質(zhì)量事件每日追蹤，試圖從節(jié)點(diǎn)（用戶）和內(nèi)容兩個角度來處理數(shù)據(jù)，為產(chǎn)品質(zhì)量網(wǎng)絡(luò)事件監(jiān)測提供一種新的方法。

二、相關(guān)研究

（一）產(chǎn)品質(zhì)量網(wǎng)絡(luò)信息

質(zhì)量安全網(wǎng)絡(luò)信息，是指消費(fèi)者因為產(chǎn)品傷害或潛在產(chǎn)品傷害，在互聯(lián)網(wǎng)上發(fā)布的產(chǎn)品質(zhì)量安全信息。這種傷害可能是有形的身體傷害和無形的情感傷害。在互聯(lián)網(wǎng)環(huán)境下，作為網(wǎng)民的消費(fèi)者都可以通過互聯(lián)網(wǎng)，直接向社會傳播對產(chǎn)品和企業(yè)質(zhì)量的評價信息，特別是隨著微博等自媒體傳播方式的出現(xiàn)，每一個消費(fèi)者幾乎都可以成為一個獨(dú)立的媒體，導(dǎo)致企業(yè)質(zhì)量安全信息的傳播，表現(xiàn)出極強(qiáng)的即時性和互動性（程虹，2012）。當(dāng)有關(guān)產(chǎn)品質(zhì)量的在線負(fù)面口碑積聚到一定程度，就有可能造成網(wǎng)絡(luò)產(chǎn)品質(zhì)量事件。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）公布的第31次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》的數(shù)據(jù)，截至2013年6月底，我國網(wǎng)民規(guī)模達(dá)到5.91億，互聯(lián)網(wǎng)普及率為44.1%。我國手機(jī)網(wǎng)民規(guī)模達(dá)464億，網(wǎng)民中使用手機(jī)上網(wǎng)的人群占比提升至78.5%。網(wǎng)民中僅微博用戶數(shù)就達(dá)到3.3077億（CNNIC，2012），成為事實上的信息發(fā)布者。在移動互聯(lián)網(wǎng)和移動智能終端快速發(fā)展的背景下，以上的用戶，更是成為了企業(yè)質(zhì)量安全信息全天候的潛在生產(chǎn)者和傳播者。

（二）社交網(wǎng)絡(luò)用戶研究

社交網(wǎng)絡(luò)是由一個個節(jié)點(diǎn)及其關(guān)系組成的，是一種基于互聯(lián)網(wǎng)的社會網(wǎng)絡(luò)。社會網(wǎng)絡(luò)指的是社會中個體與個體之間聯(lián)系的集合，它是由點(diǎn)和各點(diǎn)之間的連線個體之間的聯(lián)系組成的（李鋼，2013）。本質(zhì)上，社交網(wǎng)絡(luò)是為實現(xiàn)特定目的用戶與用戶之間進(jìn)行信息交流和資源利用的關(guān)系網(wǎng)，它反映了人與人之間的社會關(guān)系，這些關(guān)系是傳遞物質(zhì)、信息、觀念、情感等資源的紐帶。社交網(wǎng)絡(luò)用戶的關(guān)注數(shù)分布呈現(xiàn)長尾現(xiàn)象，用戶被關(guān)注數(shù)遵循冪律分布，帖子數(shù)近似冪律分布（Broder. A,2000）。社交網(wǎng)絡(luò)用戶的研究主要包括用戶的動機(jī)、角色分類、行為分析、分體排名等內(nèi)容。有學(xué)者根據(jù)微博用戶的動機(jī)劃分出用戶的角色（Broder. A,2000），有的學(xué)者綜合微博中用戶的關(guān)注數(shù)、被關(guān)注數(shù)、博文數(shù)得出不同的用戶類型。

（三）社交網(wǎng)絡(luò)內(nèi)容研究

隨著社交網(wǎng)絡(luò)應(yīng)用的普及和滲透，其所承擔(dān)的角色已經(jīng)由最初的信息交流傳播工具逐漸擴(kuò)展到人們的日常生活乃至社會的各個方面。而微博作為一種在線口碑的作用逐漸為人們所認(rèn)識到，學(xué)者們開始研究Twitter中所包含的品牌評論、情感以及意見的博文，并進(jìn)一步考察品牌商如何利用Twitter來進(jìn)行更為有效的客戶關(guān)系管理，由此提出品牌商可以利用微博作為他們整體營銷戰(zhàn)略的一部分（Jansen,B.J.,2009）。社交網(wǎng)絡(luò)成為了一種新興的令人矚目的科學(xué)交流工具，為數(shù)字科學(xué)交流的發(fā)展及研究注入了新鮮的活力，近兩年國外在這方面的研究尤為突出。

（四）社交網(wǎng)絡(luò)的典型平臺微博

微博，即微博客（Micro Blog）的簡稱，是一個基于用戶關(guān)系信息分享、傳播以及獲取的平臺。最具有代表性的微博就是新浪微博、騰訊微信、Twitter。用戶可以通過WEB、WAP等各種客戶端組建個人社區(qū)，以140字左右的文字更新信息，并實現(xiàn)即時分享。從微博的發(fā)送特性上來看，微博具備了4A的元素（Anytime，Anywhere，Anyone，Anything），成為一種即時網(wǎng)絡(luò)平臺（蔡淑琴，2012）。微博允許用戶發(fā)布在140個漢字范圍內(nèi)短文本信息。而中文的微博信息量比較大，140個中文字比140個英語字符多4至5倍信息量（李開復(fù)，2011）。

微博網(wǎng)絡(luò)屬于典型的無標(biāo)度網(wǎng)絡(luò)，表現(xiàn)出小世界現(xiàn)象（許曉東，2011）。圍繞特定的話題和事件，廣大的微博用戶及其相互關(guān)系，包括關(guān)注、轉(zhuǎn)發(fā)、評論、回帖、私信、微群等相互關(guān)系，共同構(gòu)成了一個龐大的網(wǎng)絡(luò)社交圈子。微博的基本傳播特點(diǎn)可以歸納為六個字：“短、平、快、碎、即、開”（陳永東，2012）。通俗地說就是記錄簡短化、交流平等化、傳播裂變化、呈現(xiàn)碎片化、網(wǎng)絡(luò)即時化和平臺開放化。

三、模型構(gòu)建和分析

利用“質(zhì)量監(jiān)測平臺”對網(wǎng)絡(luò)產(chǎn)品質(zhì)量事件每日追蹤，搜集產(chǎn)品質(zhì)量事件信息的內(nèi)容性數(shù)據(jù)、用戶性數(shù)據(jù)和時序性數(shù)據(jù)，從產(chǎn)品、內(nèi)容和節(jié)點(diǎn)三個方面對產(chǎn)品質(zhì)量網(wǎng)絡(luò)信息進(jìn)行分析。

（一）產(chǎn)品質(zhì)量的社會網(wǎng)絡(luò)

社會網(wǎng)絡(luò)是由節(jié)點(diǎn)（用戶）和節(jié)點(diǎn)（用戶）關(guān)系組成的，微博是基于關(guān)注機(jī)制用戶及其關(guān)系構(gòu)成的，都有小世界特征。社會網(wǎng)絡(luò)理論有三大核心理論：強(qiáng)弱聯(lián)結(jié)、社會資本、結(jié)構(gòu)洞（李綱，2013）。從弱鏈接角度來說，社交網(wǎng)絡(luò)中存在基于標(biāo)簽的主題網(wǎng)絡(luò)（易明，2011）。在微博、微信、論壇等社交網(wǎng)絡(luò)中，存在話題交流者、興趣愛好者、私人朋友等社交網(wǎng)絡(luò)圈子。對于在線社交網(wǎng)絡(luò)中用戶發(fā)表產(chǎn)品質(zhì)量信息的現(xiàn)象，可以把產(chǎn)品或產(chǎn)品簇看作內(nèi)容和用戶的標(biāo)簽，將發(fā)布某類產(chǎn)品質(zhì)量信息的用戶群，看做一個基于該產(chǎn)品或產(chǎn)品簇的潛在網(wǎng)絡(luò)社團(tuán)。社會網(wǎng)絡(luò)中具有相似特征并緊密關(guān)聯(lián)的網(wǎng)絡(luò)對象聚集的現(xiàn)象被統(tǒng)稱為網(wǎng)絡(luò)社團(tuán)，這些網(wǎng)絡(luò)對象可以是文本、話題、事件和網(wǎng)絡(luò)群體?；诋a(chǎn)品的社交網(wǎng)絡(luò)文本及其網(wǎng)絡(luò)現(xiàn)象，可以看作一個面向產(chǎn)品文本信息的潛在社會網(wǎng)絡(luò)或者網(wǎng)絡(luò)社團(tuán)。

endprint

對于指定的企業(yè)或產(chǎn)品，通過“質(zhì)量監(jiān)測平臺”可以挖掘到社交網(wǎng)絡(luò)中的質(zhì)量安全風(fēng)險信息，并對每一條信息用時間戳進(jìn)行打標(biāo)，從而生成產(chǎn)品質(zhì)量時序數(shù)據(jù)。每條網(wǎng)絡(luò)產(chǎn)品質(zhì)量信息，都包含某個時間點(diǎn)的內(nèi)容數(shù)據(jù)、用戶數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)。社會網(wǎng)絡(luò)研究中，通過圖結(jié)構(gòu)對社會網(wǎng)絡(luò)進(jìn)行建模是一種常見做法（胡健，2008）。一個產(chǎn)品的社會網(wǎng)絡(luò)可以用一個產(chǎn)品的圖G=（P,U,I,E,W）來表示。其中，Pa代表社會網(wǎng)絡(luò)上某一類產(chǎn)品的產(chǎn)品集；Ui∈U代表社會網(wǎng)絡(luò)中的個體（用戶），是產(chǎn)品質(zhì)量信息內(nèi)容的載體，例如微博中的ID；e∈E表示社交網(wǎng)絡(luò)中的網(wǎng)絡(luò)設(shè)置，表示用戶（節(jié)點(diǎn)）和用戶（節(jié)點(diǎn)）之間的關(guān)系（包含有向和無向關(guān)系），比如微博中的關(guān)注和被關(guān)注關(guān)系；Ij∈I代表社交網(wǎng)絡(luò)節(jié)點(diǎn)上的產(chǎn)品質(zhì)量信息內(nèi)容；W代表社交網(wǎng)絡(luò)節(jié)點(diǎn)和內(nèi)容的加權(quán)函數(shù)集。通過社交網(wǎng)絡(luò)挖掘，可以將有關(guān)某一產(chǎn)品或某類產(chǎn)品的用戶數(shù)據(jù)、內(nèi)容數(shù)據(jù)、鏈接數(shù)據(jù)和時間數(shù)據(jù)等獲取并存儲下來。

（二）產(chǎn)品質(zhì)量的用戶數(shù)據(jù)分析

社會網(wǎng)絡(luò)是由節(jié)點(diǎn)和節(jié)點(diǎn)關(guān)系組成的，產(chǎn)品質(zhì)量用戶數(shù)據(jù)也應(yīng)該包括用戶自身和用戶關(guān)系。在社會網(wǎng)絡(luò)中，每個獨(dú)立的個體都在網(wǎng)絡(luò)結(jié)構(gòu)中表現(xiàn)不同的影響力和權(quán)威性，這種影響力和權(quán)威性來自于社會網(wǎng)絡(luò)關(guān)系。同樣的話題由不同的節(jié)點(diǎn)轉(zhuǎn)載，受到的關(guān)注往往大不相同。微博社交網(wǎng)絡(luò)的節(jié)點(diǎn)就是產(chǎn)品質(zhì)量信息的微博發(fā)布者，對于節(jié)點(diǎn)的研究主要是從個體排名來發(fā)現(xiàn)意見領(lǐng)袖，進(jìn)而通過對大量意見領(lǐng)袖的追蹤，可以發(fā)現(xiàn)產(chǎn)品質(zhì)量信息變動趨勢。如果發(fā)布或者轉(zhuǎn)發(fā)產(chǎn)品質(zhì)量安全信息的意見領(lǐng)袖越來越多，就有可能引起產(chǎn)品質(zhì)量網(wǎng)絡(luò)事件。

對于意見領(lǐng)袖的識別，比較通行的做法是采用RFM模型。RFM模型在營銷領(lǐng)域廣泛應(yīng)用于分析客戶響應(yīng)和客戶價值，其分析的基礎(chǔ)是三個重要的客戶行為指標(biāo)。即近度（Recency）、頻度（Frequency）和值度（Momentary）。在指定時間段，近度表示客戶最近一次消費(fèi)到當(dāng)前的時間間隔；頻度表示消費(fèi)頻率；值度表示消費(fèi)金額。RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段?？梢酝ㄟ^引入營銷領(lǐng)域RFM模型，結(jié)合中文在線口碑加工處理技術(shù)，來測量在線口碑發(fā)布者的影響力（蔡淑琴，2013），從而識別意見領(lǐng)袖。利用該模型就能通過用戶發(fā)布信息行為進(jìn)行個體排名，評估產(chǎn)品質(zhì)量信息發(fā)布者的價值，從而識別出其中的意見領(lǐng)袖。

對產(chǎn)品質(zhì)量信息的用戶分析，主要涉及兩個方面：一是用戶本身，即社會網(wǎng)絡(luò)中用戶（節(jié)點(diǎn)）固有的特征。在微博中常常用近度R和頻度F來確定用戶的活躍度。二是用戶的網(wǎng)絡(luò)關(guān)系，即基于鏈接的節(jié)點(diǎn)影響力能反映其網(wǎng)絡(luò)屬性，包括節(jié)點(diǎn)的入度和出度。在微博中常常用粉絲數(shù)和關(guān)注數(shù)來表示。

一是近度（R）。近度表示用戶最近一次發(fā)表信息到當(dāng)前的時間間隔，以天為時間單位。

二是頻度（F）。頻度定義為發(fā)布者在一段特定時間范圍內(nèi)發(fā)表微博信息的次數(shù)。

三是值度（M）。值度定義為微博的粉絲數(shù)量和關(guān)注數(shù)量。

將RFM各分成五級，形成一個5*5*5=125的分類標(biāo)準(zhǔn)，從而確定個體排名和意見領(lǐng)袖。對RFM各變量的指標(biāo)權(quán)重問題，Hughes（2006）認(rèn)為RFM在衡量一個問題上的權(quán)重是一致的，因而并沒有給予不同的劃分。而Stone（1994）通過對信用卡實證分析，認(rèn)為各個指標(biāo)的權(quán)重并不相同，應(yīng)該給予頻度最高、近度次之、值度最低的權(quán)重。而不同的行業(yè)甚至不同的公司，頻度、近度、值度的權(quán)重均存在一定差異，因此需要采用科學(xué)的方法進(jìn)行分析。

解決的辦法就是結(jié)合具體行業(yè)和類別，賦予相應(yīng)的權(quán)重，從而使得計算接近實際情況。

Qu=w1R+w2F+wgM

其中，M=w4Fun+w5Follow

這里，Qu代表第s個用戶U的影響因子。R代表近度，F(xiàn)代表頻度，M代表值度，fun代表粉絲數(shù)量，follow代表關(guān)注數(shù)量，w1、w2、w3、w4、w5代表不同的權(quán)重?？梢愿鶕?jù)統(tǒng)計得出的規(guī)律，結(jié)合專家咨詢方式來解決指標(biāo)權(quán)重的確定問題。

網(wǎng)絡(luò)設(shè)置指節(jié)點(diǎn)、節(jié)點(diǎn)間的連邊以及網(wǎng)絡(luò)系統(tǒng)平臺的基本設(shè)定（張倫，2012），主要反映用戶（節(jié)點(diǎn)）之間的關(guān)系。網(wǎng)絡(luò)系統(tǒng)的演變發(fā)生在一個有限時空下，且節(jié)點(diǎn)已經(jīng)事先存在于網(wǎng)絡(luò)中 (T. Snijders,2001; Stanley Wasserman,1980)。而微博用戶之間，是基于關(guān)注機(jī)制建立的社交網(wǎng)絡(luò)關(guān)系，這種關(guān)注機(jī)制是有向關(guān)系，比如用戶A關(guān)注用戶B，記錄為A→B。在微博這個小世界中，用戶之間形成無窮個有向關(guān)系，可以用矩陣形式來表示，這是簡單有效記錄關(guān)系的方法。

（三）產(chǎn)品質(zhì)量的內(nèi)容數(shù)據(jù)分析

內(nèi)容分析法產(chǎn)生于20世紀(jì)初，興起在20世紀(jì)70年代，相關(guān)研究從解讀式內(nèi)容分析法、實驗式內(nèi)容分析法轉(zhuǎn)向計算機(jī)輔助內(nèi)容分析法。邱均平（2004）認(rèn)為內(nèi)容分析法的原理是對文獻(xiàn)內(nèi)容所含信息量及其變化進(jìn)行分析，從而達(dá)到對文獻(xiàn)內(nèi)容進(jìn)行可再現(xiàn)的、有效的推斷?？肆指竦亩x（Kerlinger，1973）是，“內(nèi)容分析法是一種研究方法，用一種系統(tǒng)的、客觀的、量化的方式測量變量，對傳播內(nèi)容做出分析”。內(nèi)容分析方法，非常適合用于“測定各種傳播現(xiàn)象的相對重點(diǎn)或出現(xiàn)頻數(shù)”（Kerlinger，1973）。斯坦培（Stempel，2003）對內(nèi)容分析法提出了一種寬泛的見解，他稱之為“對我們經(jīng)常用的非正式事物，將其正式化并系統(tǒng)化，這是從內(nèi)容分析法中得出的結(jié)論”。計算機(jī)化的內(nèi)容分析可以采用多種形式，不過大多數(shù)似乎可以分為7種類型：單詞計數(shù)、上下文中的關(guān)鍵詞（KWIC，keywordincontext）和重要用字索引（concordances）、字典/辭典排序、語言結(jié)構(gòu)、可讀性、人工智能以及動態(tài)分析（Franzosi，1995; Holsti，1969; Krippendorff，2004a; Weber，1990）。

對產(chǎn)品質(zhì)量信息的內(nèi)容分析，主要涉及兩個方面：一是信息內(nèi)容本身，即產(chǎn)品質(zhì)量信息內(nèi)容分級分類處理，從而生成質(zhì)量安全信息熵；二是內(nèi)容網(wǎng)絡(luò)關(guān)系，分析產(chǎn)品質(zhì)量信息內(nèi)容的網(wǎng)絡(luò)影響力，從而生成某條質(zhì)量信息的影響力指數(shù)。

其一，產(chǎn)品質(zhì)量信息內(nèi)容分級分類處理。國際標(biāo)準(zhǔn)化組織綜合性地將質(zhì)量定義為“一組固有特性滿足需求的能力”。程虹（2012）從固有性能和滿足需求兩個角度，將互聯(lián)網(wǎng)產(chǎn)品質(zhì)量信息分為產(chǎn)品性能、服務(wù)質(zhì)量、運(yùn)營質(zhì)量、安全性、公眾形象和經(jīng)濟(jì)性6個新指標(biāo)，從而形成了互聯(lián)網(wǎng)環(huán)境下的企業(yè)質(zhì)量安全信息的分類模型，并提供了一種企業(yè)互聯(lián)網(wǎng)質(zhì)量有效治理的框架，其框架如表1:

表1 基于互聯(lián)網(wǎng)信息的企業(yè)質(zhì)量安全分類模型

分類指標(biāo) 信息內(nèi)容

產(chǎn)品性能 可靠性、易用性、感官評價

安全性 身體傷害、性狀改變、不安全感

服務(wù)質(zhì)量 便利性、服務(wù)環(huán)境、從業(yè)人員、客服系統(tǒng)

經(jīng)濟(jì)性 性價比、品種多樣性、使用成本

運(yùn)營質(zhì)量 管理水平、人力資源、人文環(huán)境

公眾形象 社會責(zé)任與環(huán)保、管理者形象、企業(yè)口碑、外部溝通

綜合 其他質(zhì)量問題

對于已經(jīng)分類的產(chǎn)品質(zhì)量信息內(nèi)容，可以根據(jù)信息內(nèi)容本身反映的嚴(yán)重程度再進(jìn)行分級處理。以安全指標(biāo)的身體傷害指標(biāo)為例，可以從產(chǎn)品傷害程度分為致命的、非常嚴(yán)重、嚴(yán)重、一般和輕微等五級程度，對產(chǎn)品質(zhì)量信息內(nèi)容進(jìn)行分級處理。通過建立該產(chǎn)品的分類分級語料庫，對網(wǎng)絡(luò)挖掘的質(zhì)量信息進(jìn)行計算機(jī)自動智能分級分類處理，并生成該條產(chǎn)品信息內(nèi)容的質(zhì)量安全信息熵。質(zhì)量安全信息熵表示質(zhì)量安全信息本身所反映的質(zhì)量安全風(fēng)險的大小，如人體傷害程度、傷害人數(shù)等，可表示為：

endprint

H=n i=1hi*longhi

其中H表示信息熵，h表示信息所反映傷害程度、傷害人數(shù)等要素的劃分。

其二，產(chǎn)品質(zhì)量信息內(nèi)容的網(wǎng)絡(luò)影響力。通過一條內(nèi)容的影響力來衡量一條信息對其他用戶產(chǎn)生影響的可能性。在微博環(huán)境下，判斷產(chǎn)品質(zhì)量信息的影響范圍和影響深度，主要通過轉(zhuǎn)發(fā)量、評論數(shù)等指標(biāo)來統(tǒng)計（劉志明，2011）。轉(zhuǎn)發(fā)數(shù)，用戶可以對自己感興趣的信息進(jìn)行轉(zhuǎn)發(fā)，通過轉(zhuǎn)發(fā)等行為，信息會以一種級聯(lián)方式傳播給更多的用戶。一條產(chǎn)品質(zhì)量信息被轉(zhuǎn)發(fā)的次數(shù)越多，產(chǎn)生的影響越大；評論數(shù)，其他用戶可以對產(chǎn)品質(zhì)量信息進(jìn)行評論，信息得到的評論越多，意味著信息影響的范圍越廣，一個用戶的信息被評論的次數(shù)越多，意味著用戶信息產(chǎn)生的影響越大。在影響力指標(biāo)下，可以定義二級指標(biāo)：被轉(zhuǎn)發(fā)數(shù)、被評論數(shù)，這些數(shù)字都應(yīng)該經(jīng)過歸一化處理，便于計算和比較。

Ti=w6Vretw+w7Vrev+w8H

Ti表示某條文本i的影響力指數(shù)，w6、w7、w8代表不同的權(quán)重，Vretw、Vrev、H代表被轉(zhuǎn)發(fā)數(shù)、被評論數(shù)和質(zhì)量安全信息熵。當(dāng)然首先對轉(zhuǎn)發(fā)數(shù)和被評論數(shù)等指標(biāo)進(jìn)行歸一化處理。利用統(tǒng)計得出的規(guī)律來確定權(quán)重，確定在社交網(wǎng)絡(luò)環(huán)境下產(chǎn)品質(zhì)量內(nèi)容的信息風(fēng)險指數(shù)。

四、產(chǎn)品質(zhì)量風(fēng)險監(jiān)測

（一）產(chǎn)品質(zhì)量話題發(fā)現(xiàn)

話題識別與跟蹤（Topic Detection and Tracking,TDT）以大規(guī)模信息流為研究對象，通過監(jiān)控媒體報道描述的話題，發(fā)現(xiàn)新的用戶感興趣的信息并將涉及某個話題的報道組織起來，以某種方式呈現(xiàn)給用戶（于滿泉，2006）。由于社交網(wǎng)絡(luò)具有小世界特性，基于產(chǎn)品質(zhì)量信息的時序性數(shù)據(jù)，可以開展產(chǎn)品質(zhì)量話題追蹤與分析。時間序列是按時間順序的一組數(shù)值型序列（李慶臻，1999）。話題識別技術(shù)的關(guān)鍵就是將關(guān)于話題的分散多變的信息匯集并組織起來，從整體上了解話題中各種因素之間的關(guān)系及其發(fā)展趨勢。詞頻逆文檔頻率(TFIDF，Term FrequencyInverse Document Frequency)是文本檢索系統(tǒng)中廣泛使用的信息抽取技術(shù)，但在140字的短信息文本中并不適用，解決辦法就是從內(nèi)容的網(wǎng)絡(luò)關(guān)系來反映。新浪微博每天自動更新話題列表，并使用單位時間內(nèi)的轉(zhuǎn)帖數(shù)字，即轉(zhuǎn)帖率作為衡量一個話題流行與否的標(biāo)準(zhǔn)（韓毅，2011）。在線社交網(wǎng)絡(luò)中，當(dāng)一個話題受到關(guān)注，其呈現(xiàn)的效果主要體現(xiàn)在短時間內(nèi)出現(xiàn)了密集的有關(guān)話題的新帖、評論或轉(zhuǎn)帖，也就是單位時間內(nèi)話題的密度來表示。對于事先指定的企業(yè)及其產(chǎn)品，通過社交網(wǎng)絡(luò)挖掘的產(chǎn)品質(zhì)量內(nèi)容性數(shù)據(jù)，可以使用文本處理技術(shù)抽取用戶發(fā)言中的主題詞，并根據(jù)轉(zhuǎn)帖和評論數(shù)量，動態(tài)生成每天或每小時的話題列表。

（二）二次協(xié)同評價

產(chǎn)品質(zhì)量網(wǎng)絡(luò)監(jiān)測的目的就是發(fā)現(xiàn)有關(guān)風(fēng)險?；诿芏鹊脑掝}識別，有一定滯后性。特別是當(dāng)密度是根據(jù)轉(zhuǎn)帖率等內(nèi)容網(wǎng)絡(luò)關(guān)系來表示時，這種滯后性就更為明顯。同一個話題，不同用戶（節(jié)點(diǎn)）發(fā)布，產(chǎn)生的影響截然不同。20世紀(jì)40年代由美國社會學(xué)家P.F.拉扎斯菲爾德提出“兩級傳播模式”，即媒介—意見領(lǐng)袖—受眾的傳播現(xiàn)象（斯坦?利巴蘭，2004）。在社交網(wǎng)絡(luò)中，微博意見領(lǐng)袖在公共輿論事件發(fā)生和發(fā)展的不同階段發(fā)揮著不同的影響力（白鬼，2013）。對某一時刻計算機(jī)自動發(fā)現(xiàn)的話題列表，按時間序列進(jìn)行用戶和內(nèi)容協(xié)同分析，就很有可能發(fā)現(xiàn)在下一時刻爆發(fā)的熱門話題。

可以把社交網(wǎng)絡(luò)中節(jié)點(diǎn)和內(nèi)容的關(guān)系，看做期刊和論文的關(guān)系。核心期刊發(fā)表的論文重要，同理社交網(wǎng)絡(luò)中意見領(lǐng)袖（重要節(jié)點(diǎn)）發(fā)表的內(nèi)容也很重要。期刊有影響因子，節(jié)點(diǎn)也可以計算影響因子。將節(jié)點(diǎn)的影響因子應(yīng)用于話題，統(tǒng)計話題若干帖子的加權(quán)風(fēng)險影響，就能夠盡快發(fā)現(xiàn)潛在熱門話題。在產(chǎn)品質(zhì)量的話題趨勢分類基礎(chǔ)上，將時間序列模型應(yīng)用在話題中，并綜合考慮產(chǎn)品質(zhì)量信息的內(nèi)容性和用戶性等網(wǎng)絡(luò)屬性，從而進(jìn)行產(chǎn)品質(zhì)量的潛在熱門話題識別。

（三）產(chǎn)品質(zhì)量風(fēng)險監(jiān)測

通過網(wǎng)絡(luò)演化分析，可以對社交網(wǎng)絡(luò)中的圖模型G=（P,U,E,I,W）進(jìn)行實時追蹤，從而發(fā)現(xiàn)產(chǎn)品質(zhì)量安全信息的網(wǎng)絡(luò)傳播情況。網(wǎng)絡(luò)數(shù)據(jù)具有多維度特性，產(chǎn)品質(zhì)量網(wǎng)絡(luò)監(jiān)測目標(biāo)也有多樣性，而現(xiàn)有分析和挖掘技術(shù)又往往僅關(guān)注網(wǎng)絡(luò)節(jié)點(diǎn)或網(wǎng)絡(luò)內(nèi)容中的某一特性?；诰W(wǎng)絡(luò)結(jié)構(gòu)的節(jié)點(diǎn)聚類，和基于網(wǎng)絡(luò)信息的內(nèi)容聚類并不能完全對應(yīng)，兩者同時計算，對于挖掘算法和計算開銷都要求很大。

表2 基于節(jié)點(diǎn)加權(quán)的質(zhì)量分類信息風(fēng)險評價

分類指標(biāo) 信息內(nèi)容

產(chǎn)品性能 Qs*T11,Q2*T12,…,Qs*T1j,…

安全性 Qs*T21,Qs*T22,…,Qs*T2j,…

服務(wù)質(zhì)量 Qs*T31,Qs*T32,…,Qs*T3j,…

經(jīng)濟(jì)性 Qs*T41,Qs*T42,…,Qs*T4j,…

運(yùn)營質(zhì)量 Qs*T51,Qs*T52,…,Qs*T5j,…

公眾形象 Qs*T61,Qs*T62,…,Qs*T6j,…

綜合 Qs*T71,Qs*T72,…,Qs*T7j,…

為了簡化質(zhì)量安全監(jiān)測方法，提高產(chǎn)品質(zhì)量風(fēng)險網(wǎng)絡(luò)監(jiān)測效果，將社交網(wǎng)絡(luò)質(zhì)量信息的研究聚焦到用戶數(shù)據(jù)和內(nèi)容數(shù)據(jù)上來，從產(chǎn)品質(zhì)量角度進(jìn)行用戶和內(nèi)容協(xié)同挖掘的研究。每個用戶都可以看作社交網(wǎng)絡(luò)上的一個節(jié)點(diǎn)。事實上，網(wǎng)絡(luò)節(jié)點(diǎn)上的信息往往會作用于網(wǎng)絡(luò)，促進(jìn)網(wǎng)絡(luò)節(jié)點(diǎn)和結(jié)構(gòu)的演化；而網(wǎng)絡(luò)節(jié)點(diǎn)和結(jié)構(gòu)往往又會反作用于信息內(nèi)容和產(chǎn)品事件，促使信息擴(kuò)散和事件放大。

R=ni.j.s=1Qs*Tij其中，ΔR=Rt-Rt-1

在產(chǎn)品質(zhì)量風(fēng)險監(jiān)測時，社交網(wǎng)絡(luò)中的用戶和內(nèi)容，共同決定該話題的相關(guān)信息在社交網(wǎng)絡(luò)中風(fēng)險大小。用單位時間某個產(chǎn)品質(zhì)量網(wǎng)絡(luò)風(fēng)險R來表示產(chǎn)品質(zhì)量風(fēng)險情況。對于一條產(chǎn)品質(zhì)量安全信息，其用戶數(shù)據(jù)由用戶及其關(guān)系的影響因子U來表示，內(nèi)容數(shù)據(jù)可以用內(nèi)容及其關(guān)系的信息風(fēng)險指數(shù)I來表示。同一條產(chǎn)品信息，被不同用戶發(fā)布或轉(zhuǎn)帖，其質(zhì)量安全網(wǎng)絡(luò)風(fēng)險肯定不同；同一個用戶，發(fā)布不同質(zhì)量風(fēng)險級別的產(chǎn)品信息，該信息的轉(zhuǎn)帖、評論不同，產(chǎn)生的質(zhì)量安全網(wǎng)絡(luò)風(fēng)險也肯定不同。可以用流行度來表示社交網(wǎng)絡(luò)上某產(chǎn)品的質(zhì)量信息獲得的關(guān)注程度。

總而言之，產(chǎn)品質(zhì)量網(wǎng)絡(luò)監(jiān)測，首先要解決的是監(jiān)測哪些關(guān)鍵信息，才能更加有效地預(yù)測質(zhì)量安全風(fēng)險。面對社交網(wǎng)絡(luò)中的海量產(chǎn)品質(zhì)量信息，在已有的產(chǎn)品質(zhì)量安全風(fēng)險分類分級的基礎(chǔ)上，通過節(jié)點(diǎn)和內(nèi)容的協(xié)同分析，可以更及時地發(fā)現(xiàn)產(chǎn)品質(zhì)量安全風(fēng)險。

參考文獻(xiàn):

[1] 蔡淑琴、張靜、王旸，2012：《基于中心化的微博熱點(diǎn)發(fā)現(xiàn)方法》，《管理學(xué)報》第6期。

[2] 陳永東，2012：《微博搜索營銷策略探討》，《軟件工程師》第1期。

[3] 程虹、范寒冰、肖宇，2012：《企業(yè)質(zhì)量安全風(fēng)險有效治理的理論框架——基于互聯(lián)網(wǎng)信息的企業(yè)質(zhì)量安全分類模型及實現(xiàn)方法》，《管理世界》第12期。

[4] 李綱、紀(jì)曼、陳璟浩、葉光輝，2013：《基于社會網(wǎng)絡(luò)的知識共享研究綜述》，《信息資源管理學(xué)報》第2期。

endprint

[5] 李開復(fù)，2011：《微博改變一切》，上海財經(jīng)大學(xué)出版社。

[6] 李慶臻，1999：《科學(xué)技術(shù)方法大辭典》，科學(xué)出版社。

[7] 劉志明、劉魯，2011：《微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識別及分析》，《系統(tǒng)工程》第6期。

[8] 胡健、董躍華、楊炳儒，2008：“大型復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法”，《計算機(jī)工程》第19期。

[9] 邱均平、鄒菲，2004：《關(guān)于內(nèi)容分析法的研究》，《中國圖書館學(xué)報》第2期。

[10]許曉東、肖銀濤、朱士瑞，2011：《微博社區(qū)的謠言傳播仿真研究》，《Computer Engineering》 第10期。

[11]易明、曹高輝、毛進(jìn)、鄧衛(wèi)華，2011：《基于Tag的知識主題網(wǎng)絡(luò)構(gòu)建與Web知識推送研究》，《中國圖書館學(xué)報》第4期。

[12]于滿泉、駱衛(wèi)華、許洪波、白碩，2006：《話題識別與跟蹤中的層次化話題識別技術(shù)研究》，《計算機(jī)研究與發(fā)展》第3期。

[13]張倫，2012：《社會網(wǎng)絡(luò)演化建模：假設(shè)、理論及方法》，《新聞大學(xué)》第15期。

[14]Broder, A., Kumar, R., and Maghoul, 2000， “Graph Structure In The Web”, Computer Networks, Vol.33, No.1. 309320.

[15]Franzosi, R., 1995, “Computerassisted Content Analysis of Newspapers: Can We Make an Expensive Research Tool More Efficient”, Quality and Quantity, Vol.29, No.2. 157172.

[16]Holsti, Ole R., 1969, Content Analysis for the Social Sciences and Humanities, Reading, MA: Addison Wesley.

[17]Huberman, Bernardo,A., Daniel M. Romero, and Fang Wu, 2009, “Crowd Sourcing, Attention and Productivity”. Journal of Information Science, Vol.35, No.6. 758765.

[18]Jansen, B. J., Zhang, M., and Sobel, K., 2009: “Twitter Power: Tweets as Electronic Word of Mouth”. Journal of the American Society for Information Science And Technology, Vol.60, No.11. 21692188.

[19]Kerlinger, F. N., 1973, Foundations of Behavioral Research. New York, NY: Holt, Rinehart and Winston..

[20]Ross, C., Terras, and M., Warwick, C., et al.,2011, “Enabled Backchannel: Conference Twitter Use By Digital Humanists”,Journal of Documentation, Vol.67, No.2. 214237.

[21]Snijders, T., 2001， “The Statistical Evaluation of Social Network Dynamics”, Sociological Methodology.

[22]Stempel, G. H., Weaver, D. H., and Wilhoit, G. C., 2003, Mass Communication Research And Theory. Boston, MA: Allyn and Bacon.

[23]Stone, Bob, and Ron Jacobs. 2008， Successful Direct Marketing Methods, McGraw Hill Professional.

[24]Wasserman, S., 1978, “Models For Binary Directed Graphs And Their Applications”, Advances in Applied Probability, No.10. 803818.

[25]Xifra, J., Grau F., and Nanoblogging PR, 2010: “The Discourse On Public Relations In Twitter”. Public Relations Review, Vol.36, No.2. 171174.

Product Quality Monitoring Methods on Social Network

Xu Wei

Abstract:Through network monitoring in product quality safety information on the social network,this research analysis quality safety risks from massive consumer perception on social networks,joint mining from two angles of users and content,discuss key issues about individual ranking,content classification,network communication,topic prediction and so on. Building a product quality network risk monitoring model under a social network environment,provides a new perspective for product quality monitoring and early warning network information.

Key Words:Social Network; Quality Risk; Quality Network Monitoring

■ 責(zé)任編輯余凡

endprint

[5] 李開復(fù)，2011：《微博改變一切》，上海財經(jīng)大學(xué)出版社。

[6] 李慶臻，1999：《科學(xué)技術(shù)方法大辭典》，科學(xué)出版社。

[7] 劉志明、劉魯，2011：《微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識別及分析》，《系統(tǒng)工程》第6期。

[8] 胡健、董躍華、楊炳儒，2008：“大型復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法”，《計算機(jī)工程》第19期。

[9] 邱均平、鄒菲，2004：《關(guān)于內(nèi)容分析法的研究》，《中國圖書館學(xué)報》第2期。

[10]許曉東、肖銀濤、朱士瑞，2011：《微博社區(qū)的謠言傳播仿真研究》，《Computer Engineering》 第10期。

[11]易明、曹高輝、毛進(jìn)、鄧衛(wèi)華，2011：《基于Tag的知識主題網(wǎng)絡(luò)構(gòu)建與Web知識推送研究》，《中國圖書館學(xué)報》第4期。

[12]于滿泉、駱衛(wèi)華、許洪波、白碩，2006：《話題識別與跟蹤中的層次化話題識別技術(shù)研究》，《計算機(jī)研究與發(fā)展》第3期。

[13]張倫，2012：《社會網(wǎng)絡(luò)演化建模：假設(shè)、理論及方法》，《新聞大學(xué)》第15期。

[14]Broder, A., Kumar, R., and Maghoul, 2000， “Graph Structure In The Web”, Computer Networks, Vol.33, No.1. 309320.

[15]Franzosi, R., 1995, “Computerassisted Content Analysis of Newspapers: Can We Make an Expensive Research Tool More Efficient”, Quality and Quantity, Vol.29, No.2. 157172.

[16]Holsti, Ole R., 1969, Content Analysis for the Social Sciences and Humanities, Reading, MA: Addison Wesley.

[17]Huberman, Bernardo,A., Daniel M. Romero, and Fang Wu, 2009, “Crowd Sourcing, Attention and Productivity”. Journal of Information Science, Vol.35, No.6. 758765.

[18]Jansen, B. J., Zhang, M., and Sobel, K., 2009: “Twitter Power: Tweets as Electronic Word of Mouth”. Journal of the American Society for Information Science And Technology, Vol.60, No.11. 21692188.

[19]Kerlinger, F. N., 1973, Foundations of Behavioral Research. New York, NY: Holt, Rinehart and Winston..

[20]Ross, C., Terras, and M., Warwick, C., et al.,2011, “Enabled Backchannel: Conference Twitter Use By Digital Humanists”,Journal of Documentation, Vol.67, No.2. 214237.

[21]Snijders, T., 2001， “The Statistical Evaluation of Social Network Dynamics”, Sociological Methodology.

[22]Stempel, G. H., Weaver, D. H., and Wilhoit, G. C., 2003, Mass Communication Research And Theory. Boston, MA: Allyn and Bacon.

[23]Stone, Bob, and Ron Jacobs. 2008， Successful Direct Marketing Methods, McGraw Hill Professional.

[24]Wasserman, S., 1978, “Models For Binary Directed Graphs And Their Applications”, Advances in Applied Probability, No.10. 803818.

[25]Xifra, J., Grau F., and Nanoblogging PR, 2010: “The Discourse On Public Relations In Twitter”. Public Relations Review, Vol.36, No.2. 171174.

Product Quality Monitoring Methods on Social Network

Xu Wei

Abstract:Through network monitoring in product quality safety information on the social network,this research analysis quality safety risks from massive consumer perception on social networks,joint mining from two angles of users and content,discuss key issues about individual ranking,content classification,network communication,topic prediction and so on. Building a product quality network risk monitoring model under a social network environment,provides a new perspective for product quality monitoring and early warning network information.

Key Words:Social Network; Quality Risk; Quality Network Monitoring

■ 責(zé)任編輯余凡

endprint

[5] 李開復(fù)，2011：《微博改變一切》，上海財經(jīng)大學(xué)出版社。

[6] 李慶臻，1999：《科學(xué)技術(shù)方法大辭典》，科學(xué)出版社。

[7] 劉志明、劉魯，2011：《微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識別及分析》，《系統(tǒng)工程》第6期。

[8] 胡健、董躍華、楊炳儒，2008：“大型復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)發(fā)現(xiàn)算法”，《計算機(jī)工程》第19期。

[9] 邱均平、鄒菲，2004：《關(guān)于內(nèi)容分析法的研究》，《中國圖書館學(xué)報》第2期。

[10]許曉東、肖銀濤、朱士瑞，2011：《微博社區(qū)的謠言傳播仿真研究》，《Computer Engineering》 第10期。

[11]易明、曹高輝、毛進(jìn)、鄧衛(wèi)華，2011：《基于Tag的知識主題網(wǎng)絡(luò)構(gòu)建與Web知識推送研究》，《中國圖書館學(xué)報》第4期。

[12]于滿泉、駱衛(wèi)華、許洪波、白碩，2006：《話題識別與跟蹤中的層次化話題識別技術(shù)研究》，《計算機(jī)研究與發(fā)展》第3期。

[13]張倫，2012：《社會網(wǎng)絡(luò)演化建模：假設(shè)、理論及方法》，《新聞大學(xué)》第15期。

[14]Broder, A., Kumar, R., and Maghoul, 2000， “Graph Structure In The Web”, Computer Networks, Vol.33, No.1. 309320.

[15]Franzosi, R., 1995, “Computerassisted Content Analysis of Newspapers: Can We Make an Expensive Research Tool More Efficient”, Quality and Quantity, Vol.29, No.2. 157172.

[16]Holsti, Ole R., 1969, Content Analysis for the Social Sciences and Humanities, Reading, MA: Addison Wesley.

[17]Huberman, Bernardo,A., Daniel M. Romero, and Fang Wu, 2009, “Crowd Sourcing, Attention and Productivity”. Journal of Information Science, Vol.35, No.6. 758765.

[18]Jansen, B. J., Zhang, M., and Sobel, K., 2009: “Twitter Power: Tweets as Electronic Word of Mouth”. Journal of the American Society for Information Science And Technology, Vol.60, No.11. 21692188.

[19]Kerlinger, F. N., 1973, Foundations of Behavioral Research. New York, NY: Holt, Rinehart and Winston..

[20]Ross, C., Terras, and M., Warwick, C., et al.,2011, “Enabled Backchannel: Conference Twitter Use By Digital Humanists”,Journal of Documentation, Vol.67, No.2. 214237.

[21]Snijders, T., 2001， “The Statistical Evaluation of Social Network Dynamics”, Sociological Methodology.

[22]Stempel, G. H., Weaver, D. H., and Wilhoit, G. C., 2003, Mass Communication Research And Theory. Boston, MA: Allyn and Bacon.

[23]Stone, Bob, and Ron Jacobs. 2008， Successful Direct Marketing Methods, McGraw Hill Professional.

[24]Wasserman, S., 1978, “Models For Binary Directed Graphs And Their Applications”, Advances in Applied Probability, No.10. 803818.

[25]Xifra, J., Grau F., and Nanoblogging PR, 2010: “The Discourse On Public Relations In Twitter”. Public Relations Review, Vol.36, No.2. 171174.

Product Quality Monitoring Methods on Social Network

Xu Wei

Abstract:Through network monitoring in product quality safety information on the social network,this research analysis quality safety risks from massive consumer perception on social networks,joint mining from two angles of users and content,discuss key issues about individual ranking,content classification,network communication,topic prediction and so on. Building a product quality network risk monitoring model under a social network environment,provides a new perspective for product quality monitoring and early warning network information.

Key Words:Social Network; Quality Risk; Quality Network Monitoring

■ 責(zé)任編輯余凡

endprint