于洋洋 袁珈琳 朱周熠 劉婷

摘 要：本文以25家“985”高校官方微博為研究對象，在分析用戶行為特征之后從微博覆蓋度、用戶活躍度和交互性3項一級指標進行考量，選取了微博數(shù)、粉絲數(shù)、關(guān)注數(shù)等10項二級指標構(gòu)建微博影響力綜合評價模型，并利用主成分分析（PCA）和聚類分析（CA）對高校官方微博影響力進行比較研究。微博影響力水平可通過互動反饋主成分、用戶活躍度主成分、原創(chuàng)品牌主成分綜合反映，并建立了微博影響力綜合評價模型。利用聚類分析將樣本劃分為了6大類型，即強勢領(lǐng)先型、綜合落后型、粉絲主導(dǎo)型、均衡發(fā)展型、綜合領(lǐng)先型以及全面落后型，接著分析總結(jié)了每類特點并給出了相應(yīng)建議。該研究對高校官方微博影響力提升具有重要的參考意見。

關(guān)鍵詞：高校官方微博 影響力 評價模型 主成分分析 聚類分析

中圖分類號：F069 文獻標識碼：A 文章編號：2096-0298（2018）09（a）-167-06

2006年由博客技術(shù)先驅(qū)blogger創(chuàng)始人埃文·威廉姆斯（Evan Williams）創(chuàng)建的新興公司Obvious推出了大微博服務(wù)，最早提供微博業(yè)務(wù)的平臺—— Twitter由此誕生。2005年從校內(nèi)網(wǎng)起家的王興于2007年5月創(chuàng)建了飯否網(wǎng)，微博這一理念由此引入中國。李開復(fù)[1]在《微博改變一切》中認為微博是一個可以自由表達自身觀點，傳播思想，更方便快捷的與人交流的一個每次發(fā)布限制在140個文字以內(nèi)的微型博客。據(jù)第38次《中國互聯(lián)網(wǎng)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2016年6月，微博月活躍人數(shù)已達到2.97億。由此可見微博發(fā)展規(guī)模不斷增大，已從快速增長期發(fā)展過渡到成熟期。

當(dāng)前高校的學(xué)生成長于信息化高速發(fā)達的互聯(lián)網(wǎng)時代，而微博憑借著操作簡單、方便快捷、信息豐富等優(yōu)勢已成為學(xué)生日常生活中必不可少的信息獲取工具之一。為了適應(yīng)時代的發(fā)展，緊跟學(xué)生的網(wǎng)絡(luò)使用步伐，全國越來越多的高校開通了官方微博，通過微博進行信息發(fā)布與交流，對學(xué)生進行網(wǎng)上輿情引導(dǎo)、思想政治教育等工作，搭建了一個集信息交流、思想引導(dǎo)、咨詢溝通等為一體的高效便捷的服務(wù)平臺。高校開通微博不僅方便了廣大學(xué)生對信息的獲取、分享與評論，也在一定程度上提高了高校的社會認知度，拉近了高校與大眾的距離，有助于促進高校自身形象的提升。

《現(xiàn)代漢語詞典》中對影響力的定義是“對別人的思想或行動所起的作用，對人或物所起的作用”。微博影響力則是指微博用戶在微博平臺上的信息傳播范圍、影響范圍的能力，微博用戶的某個行為對他人的行為、思想等產(chǎn)生了影響，這種影響范圍越廣，涉及人數(shù)越多，那么我們就認為此用戶的影響力越大。高校官方微博影響力的大小在一定程度上直接影響到高校對大眾輿論引導(dǎo)的方向和能量。一般來說，高校官方影響力水平越高，信息傳播的范圍就越廣，也越能引領(lǐng)輿論的發(fā)展方向，發(fā)揮出高校對廣大學(xué)生的思想政治教育、價值觀念引導(dǎo)等作用。因此，如何提高高校官方微博的影響力，迫切需要分析影響微博影響力的因素，構(gòu)建影響力評價指標模型。通過對官方微博影響力的研究，為高校官方微博的運行管理和規(guī)范機制提出意見，提升微博的影響力，使官方微博發(fā)揮出它應(yīng)有的作用，為廣大學(xué)子提供更優(yōu)質(zhì)、更全面的服務(wù)。

1 相關(guān)研究述評

通過查閱文獻發(fā)現(xiàn)，有關(guān)微博影響力評價與比較方法的研究，主要有以下三種類型。

（1）以交互行為為研究重點的沈徽[3]認為個人或單元在網(wǎng)絡(luò)中的影響力可由在網(wǎng)絡(luò)虛擬世界中的好友數(shù)量、信息傳播能力以及激發(fā)他人產(chǎn)生交互行為的能力所決定，在微博平臺中影響力大小則表現(xiàn)為發(fā)布的微博信息或轉(zhuǎn)發(fā)的內(nèi)容被他人轉(zhuǎn)發(fā)、評論、回復(fù)、點贊等使信息進一步傳播的行為的數(shù)量多少。原福永等[4]給出了用戶活躍度計算公式、微博影響力計算公式，將兩者以適當(dāng)?shù)臋?quán)重相結(jié)合得到了用戶的影響力的計算公式。將用戶被關(guān)注度融入用戶活躍度和微博影響力的計算中，再結(jié)合用戶的行為提出了一種使用基于Page Rank和用戶行為權(quán)值相結(jié)合的微博用戶影響力模型。

（2）以個體屬性為研究重點的林琛[4]重視個體類型對評價指標表征能力的影響，選取粉絲數(shù)（Fn）、被轉(zhuǎn)發(fā)數(shù)（Rn）、被評論數(shù)（Cn）、平均被轉(zhuǎn)發(fā)數(shù)（ARn）和平均被評論數(shù)（ACn）五類指標對官方媒體、專業(yè)網(wǎng)站、軍事人物3種不同類型的微博個體的信息傳播影響力進行了評價，還進一步揭示了5種傳播影響力評價指標之間的相關(guān)性，分析了相關(guān)性的影響因素。M.Cha[5]等以用戶的3種個體屬性為研究出發(fā)點，即被關(guān)注、被轉(zhuǎn)發(fā)和被提及，選取用戶粉絲數(shù)、消息被轉(zhuǎn)發(fā)次數(shù)、消息被提及次數(shù)三個指標對傳播影響力進行研究分析，通過研究數(shù)據(jù)發(fā)現(xiàn)粉絲數(shù)不能完全決定用戶的影響力，它僅能夠代表個體受關(guān)注的程度。而被轉(zhuǎn)發(fā)次數(shù)和被提及次數(shù)則在一定程度上更能反映個體影響力。

（3）以網(wǎng)絡(luò)拓撲結(jié)構(gòu)為研究重點的Chen Xu[6]等人在基于Rage Rank算法模型計算微博用戶影響力的基礎(chǔ)上提出了Personal Rank算法，Kwak H[7]等人用Rage Rank算法對用戶影響力進行了分析，并對轉(zhuǎn)發(fā)數(shù)、粉絲數(shù)指標進行了相關(guān)性分析，發(fā)現(xiàn)二者之間存在弱相關(guān)性。譚思妮[8]對發(fā)布、關(guān)注/被關(guān)注、轉(zhuǎn)發(fā)/被轉(zhuǎn)發(fā)、評論/被評論、發(fā)私信、提及、發(fā)起話題/參與話題討論七個特征進行歸類整理，提出了蛛網(wǎng)態(tài)微博關(guān)系網(wǎng)絡(luò)中基于用戶質(zhì)量的微博用戶影響力評估模型UIEM-CRM。

綜上所述，有關(guān)微博用戶影響力的研究主要集中在以交互行為、個體屬性、網(wǎng)絡(luò)結(jié)構(gòu)等側(cè)重點進行研究。本文以“985工程”高校官方新浪微博為例，基于微博的關(guān)注、信息發(fā)布、轉(zhuǎn)發(fā)、評論、提及、點贊等功能，通過對用戶行為特征進行全面分析后選取合適指標，提取相關(guān)數(shù)據(jù)，用主成分分析和聚類分析對高校官方微博的影響力進行實證研究。通過分析提出有效提升高校官方微博影響力建議，以期為高校微博改進運營管理機制和內(nèi)容建設(shè)模式提供參考意見，促進高校微博的發(fā)展。

2 高校官方微博影響力評價指標構(gòu)建

傳統(tǒng)的單以微博用戶的粉絲數(shù)來衡量用戶影響力的方法已經(jīng)失去了信服力，微博用戶的影響力指標的選取應(yīng)根據(jù)微博的基本功能全面考慮。經(jīng)過分析研究用戶行為特征發(fā)現(xiàn)，微博用戶的影響力可以從微博的覆蓋度、用戶活躍度以及交互性三方面進行指標的構(gòu)建。其中微博的覆蓋度包括是加V認證、微博數(shù)、粉絲數(shù)、關(guān)注數(shù)四類指標；用戶活躍度包括日均微博數(shù)、微博原創(chuàng)率、文章數(shù)、評估期內(nèi)日均微博數(shù)四類指標；交互性包括平均每條點贊數(shù)、平均每條評論數(shù)、平均每條轉(zhuǎn)發(fā)數(shù)三類指標。

3 高校官方微博影響力評價及比較研究設(shè)計

3.1 數(shù)據(jù)來源

“985工程”高校共39所，據(jù)統(tǒng)計，目前37所高校均已開通新浪官方微博，60%以上的官方微博在2010年開通，據(jù)調(diào)查顯示2010年是微博發(fā)展的春天，微博用戶數(shù)量如雨后春筍迅猛增長。因此，2010年被稱為微博元年。其中華中科技大學(xué)開博時間（2009年11月24日）最早，華南理工大學(xué)開博時間（2015年3月18日）最晚。國防科學(xué)技術(shù)大學(xué)與北京理工大學(xué)至目前為止尚未開通大學(xué)官方微博，但有其他微博，如北京理工有北京理工大學(xué)學(xué)生會的官方微博。據(jù)了解，通過了新浪微博的加V實名認證的官方微博更為可靠，調(diào)查顯示，37所大學(xué)的官方微博都已通過加V認證。其中復(fù)旦大學(xué)官方微博設(shè)置了評論權(quán)限，不允許他人評論；北京航天航空大學(xué)官方微博于2014年12月27日開通微博，但一直未發(fā)布過微博，于2017年3月19日正式發(fā)布微博。這兩所大學(xué)的數(shù)據(jù)不具代表性，故剔除復(fù)旦大學(xué)和北京航天航空大學(xué)的數(shù)據(jù)后共計35所大學(xué)官方微博符合要求。其中綜合性大學(xué)20所，理工類大學(xué)10所，農(nóng)業(yè)類院校2所，師范類2所，民族類院校1所。利用分層抽樣的方法抽取25所大學(xué)作為研究樣本。交互性指標的時間評估期為2018年1月1日—2018年3月31日，數(shù)據(jù)調(diào)查時間為2018年4月10日—4月16日，數(shù)據(jù)來源于新浪微博官方授權(quán)的數(shù)據(jù)服務(wù)提供商——微博風(fēng)云和通過爬蟲工具采集獲取。

3.2 研究方法

（1）主成分分析法它通過對原有變量的屬性與特征進行線性變換，提取反映事物本質(zhì)的新變量，同時去除冗余，達到降維的目的。本文通過主成分分析，將10個指標進行降維，把多變量的信息壓縮成幾個綜合變量，提取出有效的主成分，從而構(gòu)建出高校官方微博影響力水平綜合評價模型。

首先，主成分分析的數(shù)學(xué)模型在主成分分析中所提取的主成分分為原始變量的線性組合，其模型公式表示如下：

（2）聚類分析法聚類分析又別稱為群分析，是根據(jù)給定一組對象的描述信息，將具有相似或相近特征的對象構(gòu)成簇。其基本原則是：同屬一個簇的對象相似度高，而不同簇的對象相似度低。本文運用系統(tǒng)聚類（系統(tǒng)聚類的基本原理是計算所有的樣本兩兩之間的距離，根據(jù)距離的遠近將樣本進行分類）研究分類合適的類別數(shù)，將25家高校微博進行分類，分析樣本之間的聯(lián)系與區(qū)別，分析同簇之間的共性以及不同簇的個性。

4 高校官方微博影響力評價及比較實證研究過程

4.1 主成分分析過程

為了保證計算結(jié)果的準確性，利用SAS 9.2軟件對數(shù)據(jù)進行分析（由于所有的高校官方微博都已加V認證的，分析時去除A1指標）。分析如表2所示。

（1）觀察相關(guān)系數(shù)矩陣通過相關(guān)系數(shù)矩陣可以看出主成分分析的各變量之間的相關(guān)性。

從相關(guān)矩陣可以得出，粉絲數(shù)與點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、相關(guān)性高，說明粉絲數(shù)越多博主與粉絲互動的可能性越高，相反，評論、轉(zhuǎn)發(fā)、點贊等互動行為也可以促進博主人氣的提升，從而增加更多粉絲。文章數(shù)與其他所有指標的相關(guān)性都不高，可能是因為文章內(nèi)容質(zhì)量不高，相關(guān)內(nèi)容不能吸引用戶；也可能是因為文章過長，其他博主不愿花過多時間瀏覽。

（2）提取特征值矩陣主成分分析相關(guān)系數(shù)的特征值矩陣包括特征值、特征值的方差、特征值所占所有特征值的比重、特征值的累計比例，如圖1、表3所示。

（4）主成分命名主成分載荷是反映主成分與原變量指標的相互關(guān)聯(lián)程度，載荷越大，關(guān)聯(lián)程度越高。從表4中可以看出粉絲數(shù)、平均每條點贊數(shù)、平均每條評論數(shù)、平均每條轉(zhuǎn)發(fā)數(shù)在第一主成分上有較大的載荷，微博數(shù)的載荷也相對較大，這些指標都反映了博主與其他用戶之間的互動交流，所以這一主成分命名為互動反饋主成分；日均微博數(shù)與評估期日均微博數(shù)在第二主成分上載荷較大，這兩個指標代表了用戶的活躍程度，所以命名為用戶活躍度主成分；微博原創(chuàng)率、文章數(shù)分別在第三、第四主成分上占有較大載荷，由于微博原創(chuàng)率與文章數(shù)反映的是博主的原創(chuàng)情況，在一定程度上可以體現(xiàn)博主個人的創(chuàng)作水平、價值觀念等，這兩個指標越大，微博用戶越容易樹立自身的品牌形象，增大影響力。所以第三、第四主成分可命名為原創(chuàng)品牌主成分，如表4所示。

4.2 基于主成分分析結(jié)果的聚類分析過程

（1）確定聚類數(shù)目在主成分分析的基礎(chǔ)上，通過聚類分析，找出同一個簇中的對象之間的相似性，而不同簇間的對象的相異性。進一步研究高校官方微博影響力之間的差異。本文根據(jù)主成分分析的4個主成分作為自變量對25家高校官方微博運用SAS 9.2進行系統(tǒng)聚類分析（聚類方法采用中間距離平均法），通過R2統(tǒng)計量（R2統(tǒng)計量用于評價聚類的效果，值越大說明聚類的效果越好）的觀察分析發(fā)現(xiàn)，將其分為6類時的聚類效果最好。

（2）聚類結(jié)果分析通過聚類分析將樣本數(shù)據(jù)分為6類，聚類分析結(jié)果分類，如表6所示。

根據(jù)各類所包含的高校官方微博成員，總結(jié)每類微博的特點，對每類微博進行進一步剖析，發(fā)現(xiàn)其中共同性。現(xiàn)對每類微博分析如下。

第一，強勢領(lǐng)先型，此類微博成員只有東北大學(xué)一個，東北大學(xué)除了在互動反饋主成分的排名處于中等偏下以外，其他三個主成分的得分排名均為第一，遙遙領(lǐng)先其他微博成員。這表明東北大學(xué)活躍度很高且大多微博內(nèi)容屬于自身原創(chuàng)，微博原創(chuàng)數(shù)量多，發(fā)表文章數(shù)較多，內(nèi)容建設(shè)具有自身不可取代的特點，較好的樹立了自身的品牌形象，辨識度較高。但是在互動反饋主成分上處于中下游水平，說明雖然大部分內(nèi)容屬于原創(chuàng)，但原創(chuàng)的內(nèi)容可能不符合粉絲的興趣胃口，無法引起粉絲的共鳴，此類微博應(yīng)在這方面有所改進，進一步提高綜合排名。

第二，綜合落后型，此類微博成員包括同濟大學(xué)、西北工業(yè)大學(xué)、湖南大學(xué)和東南大學(xué)。這幾家微博在原創(chuàng)品牌主成分上占有較上游的主導(dǎo)地位，但是其他幾個方面都處于劣勢，再加上原創(chuàng)品牌主成分在影響力綜合計算公式上所占的權(quán)重不高，所以對綜合排名影響力不大。這類微博應(yīng)將重心放在互動反饋以及用戶活躍度主成分上的提高上，可以通過多發(fā)布能吸引粉絲的微博，回答一些具有爭議性的問題以加強與粉絲的互動等方式來提升綜合影響力。

第三，粉絲主導(dǎo)型，此類微博成員包括清華大學(xué)、武漢大學(xué)、廈門大學(xué)。這三家微博在互動反饋主成分上優(yōu)勢較大，其他成分上優(yōu)勢不明顯，而互動反饋主成分主要是粉絲與用戶之間的互動行為主導(dǎo)，粉絲忠實度較高，每次的博文能得到較好的反饋，用戶的博文能引起大眾的共鳴，轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)較多。通對這幾家微博的觀察發(fā)現(xiàn)，此類微博成員注重微博內(nèi)容的建設(shè)，博文內(nèi)容質(zhì)量高、形式多樣、主題有趣，博文內(nèi)容已發(fā)展成為自身品牌樹立的標志之一。但此類微博成員也應(yīng)注重全面發(fā)展，努力提升微博活躍度。

第四，均衡發(fā)展性，此類微博成員包括電子科技大學(xué)、重慶大學(xué)、山東大學(xué)、北京師范大學(xué)、西北農(nóng)林科技大學(xué)、中南大學(xué)、四川大學(xué)、華中科技大學(xué)、南開大學(xué)，共九家高校官方微博。從表6主成分得分以及排名情況分析可以看出這幾家微博各方面的發(fā)展幾乎都處于中等水平，有個別相對突出，但對綜合排名影響不太。這類微博應(yīng)在穩(wěn)步發(fā)展的基礎(chǔ)上有所創(chuàng)新，通過改進質(zhì)量、創(chuàng)新微博內(nèi)容及發(fā)布方式等方式來進一步建設(shè)起具有自身特點的微博。

第五，綜合領(lǐng)先型，此類微博成員包括北京大學(xué)、上海交通大學(xué)。這兩家微博在互動反饋主成分上具有領(lǐng)先優(yōu)勢，只是在第三主成分上排名略微偏低，但是由于第三主成分所占權(quán)重較小，在其他主成分的得分又相對較高，表現(xiàn)出較大的優(yōu)勢，所以綜合得到的總分處于領(lǐng)先地位。這類微博應(yīng)注重全面發(fā)展，北京大學(xué)需在文章發(fā)表上下功夫，上海交通大學(xué)則需在原創(chuàng)微博上投入時間精力。

第六，全面落后型，此類微博成員包括南京大學(xué)、大連理工大學(xué)、中山大學(xué)、華南理工大學(xué)、中國科技大學(xué)和中央民族大學(xué)。這類微博在各個指標上的排名處于偏中下游水平，整體影響力不高，亟需從各個方面全面發(fā)展提高微博影響力。目前，新媒體建設(shè)已成為高校提高輿論領(lǐng)導(dǎo)能力、擴大宣傳范圍的重要途徑，而微博平臺已成為新媒體的主導(dǎo)力量，高校應(yīng)重視微博平臺的建設(shè)，在微博的運營發(fā)展上投入更大的精力，以發(fā)揮微博平臺的信息傳播、輿論引導(dǎo)以及思想形態(tài)建設(shè)等方面的重要作用。

5 結(jié)語

本文以25家“985”高校官方微博為研究對象，在分析用戶行為特征之后從微博的覆蓋度、用戶活躍度以及交互性三方面進行一級指標的構(gòu)建，選取了是否加V認證、微博數(shù)、粉絲數(shù)、關(guān)注數(shù)、日均微博數(shù)、微博原創(chuàng)率等10項二級指標進行微博影響力綜合評價模型構(gòu)建。通過主成分分析和聚類分析對高校官方微博影響力水平進行了比較研究，首先通過主成分分析得出了評價微博影響力水平的4個主成分（第三、第四主成分綜合命名），即互動反饋主成分、用戶活躍度主成分以及主成分，通過各主成分的方差貢獻率占總解釋方差貢獻率的比重作為權(quán)重構(gòu)建影響力綜合評價模型，計算得出各主成分及綜合得分和排名情況。然后以4個主成分的得分為自變量，進行聚類分析將樣本分為強勢領(lǐng)先型、綜合落后型、粉絲主導(dǎo)型、均衡發(fā)展性、綜合領(lǐng)先型、全面落后型6類，并對每一類進行了具體分析。

通過對25家高校官方微博影響力水平的綜合分析，發(fā)現(xiàn)存在一些問題。

（1）不同高校之間影響力參差不齊，第一名與最后一名綜合得分相差4.099分，差距十分懸殊。對于占有領(lǐng)先優(yōu)勢的微博應(yīng)在穩(wěn)步發(fā)展的基礎(chǔ)之上，加快發(fā)展相對弱勢的方面，學(xué)會不斷創(chuàng)新，做到齊頭并進、全面領(lǐng)先。而相對于成績不太理想的高校微博，管理者應(yīng)加強反思，增強影響力。

（2）低影響力的高校微博占的比重較大，相對落后型的微博個數(shù)達到了40%，高影響力的微博所占比重較小，強度領(lǐng)先型中有一個，綜合領(lǐng)先型兩個。整體呈現(xiàn)出發(fā)展不均衡的現(xiàn)象。應(yīng)增加高層影響力微博的數(shù)量，均衡高校官方微博影響力的發(fā)展水平。

在互聯(lián)網(wǎng)和新媒體快速變化的今天，如何打造各種新媒體資源，打造更接地氣、更有價值的信息和服務(wù)平臺，是高校宣傳工作的重中之重。而微博則是眾多新媒體平臺之一，因此微博的建設(shè)與運營應(yīng)得到高校的重視。目前高校已認識到微博對于自身形象宣傳、品牌塑造等方面的重要性，但是對于微博平臺的建設(shè)總體上仍處于一個探索發(fā)展階段，還未達到成熟化，需要一定的規(guī)范管理來進一步提高微博的影響力水平。

高校應(yīng)重視官方微博管理團隊的培養(yǎng)，組建一支具有高媒介素質(zhì)的管理團隊，專門負責(zé)微博日常的運營維護。培養(yǎng)三方意見領(lǐng)袖加強輿論引導(dǎo)，三方意見領(lǐng)袖包括校領(lǐng)導(dǎo)、專家教授意見領(lǐng)袖，輔導(dǎo)員、生活老師意見領(lǐng)袖以及優(yōu)秀學(xué)生干部、優(yōu)秀學(xué)生意見領(lǐng)袖，通過多方影響來加強信息的正確傳播與輿論的引導(dǎo)，加強思想形態(tài)的建設(shè)。同時加強內(nèi)容建設(shè)，高校應(yīng)注重自身品牌的建設(shè)，構(gòu)建能突出自身特色的專項內(nèi)容體系，內(nèi)容建設(shè)應(yīng)融入現(xiàn)實中粉絲的生活中，提供及時、可靠、豐富、有實用價值且具有親近感的信息，通過多種形式的創(chuàng)新以避免內(nèi)容建設(shè)的刻板化、單一化。

其次，高校應(yīng)增加與粉絲之間的互動交流，及時回應(yīng)具有爭議性的評論，發(fā)起搏人眼球、貼近生活的活動以吸引更多的粉絲，擴大粉絲規(guī)模。設(shè)置公共話題或大眾熱門話題，以贏得大眾的關(guān)注與認同，通過微博系統(tǒng)與社會系統(tǒng)的連接，實現(xiàn)與大眾之間的共鳴與振動。對于能力、資源不足的學(xué)校還可借助其他學(xué)校的資源，與其他高校微博平臺合作，學(xué)習(xí)借鑒優(yōu)質(zhì)微博平臺的建設(shè)運營模式，通過整合資源、互相交流學(xué)習(xí)等方式達到多方受益。

參考文獻

[1] 李開復(fù).微博改變一切[M].上海：上海財經(jīng)大學(xué)出版社，2011.

[2] 沈徽.基于微博的一種用戶影響力度量方法研究及實現(xiàn)[D].燕山大學(xué)，2015.

[3] 原福永，馮靜，符茜茜.微博用戶的影響力指數(shù)模型[J].現(xiàn)代圖書情報技術(shù)，2012（6）.

[4] 林琛.微博個體信息傳播影響力評價指標分析[J].圖書情報工作，2014（1）.

[5] Cha M，Haddadi H，Benevenuto F，et al.Measuring User Influence in Twitter： The Million.Follower Fallacy[C]. Proceedings of the 4th International AAAI Conference on Weblogs and Social Media. Washington，2010.

[6] Chen Xu，Wang Pengfei，Qin Zheng，et al.HLBPR：a hybrid local bayesianpersonal ranking method[C]. Proc of International Conference Companion on World Wide Web.International World Wide Web Conferences Steering Committee，2016.

[7] Kwak H，Lee C，Park H，et al.What is Twitter，a social network or a new media[C].Proceedings of the 19thInternational Conference on World Wide Web.New York： ACM Press，2010.

[8] 譚思妮.蛛網(wǎng)態(tài)微博關(guān)系網(wǎng)絡(luò)中用戶影響力評估研究[D].廣東工業(yè)大學(xué)，2015.

[9] 李彤.大學(xué)微博影響力評價及其應(yīng)用價值研究[D].哈爾濱工業(yè)大學(xué)，2015.

[10] 楊柳.高校官方微博發(fā)展現(xiàn)狀及管理策略研究[D].重慶大學(xué)，2013.

[11] 伏琰.圖書館微博影響力評價指標體系研究——以“985工程”大學(xué)為例[J].圖書館學(xué)研究，2015（15）.

[12] 孫江華，張殊.基于主成分分析和聚類分析的傳統(tǒng)報紙微博影響力研究[J].現(xiàn)代傳播-中國傳媒大學(xué)學(xué)報，2015，37（4）.