核心|微博核心传播者挖掘与传播规模预测研究( 四 ) 传播|挖掘|规模|核心

五、研究结论和讨论实验及分析比对结果表明，本研究能够准确挖掘到核心传播者，所提模型和方法，也能够较好地刻画意见领袖在消息传播过程中所起到的作用,能够较好地对单条微博的传播趋势和规模进行预测，这对于微博中公众舆论的引导以及广告定点投放等具有重要意义。
在构建模型和挖掘核心传播者的过程中，我们也可以发现，核心传播者具有区别于其他普通传播者的特征，例如：一定数量的粉丝规模和关注数，发布的博文质量更高，能够带动更大的转发量等。
由于篇幅限制，部分研究方法细节和实验结果说明难以得到充分展示。
本研究也存在不足之处：第一，模糊层次分析法包含专家的主观判断，无法彻底避免评价的主观性；第二，研究缺乏更全面的用户行为数据且数据量较小，所以难以更精准地挖掘出核心传播者，传播规模预测效果有待进一步提高。这些将是本研究的未来改进方向。
参考文献[1]Song K，Wang D，Feng S，et al．Detecting opinion leader dynamically in Chinese news comments［A］．Web-Age Information Management［M］．Berlin Heidelberg: Springer，2012. 197－209[2] 陈淑娟,徐雅斌.面向主题社团的意见领袖挖掘方法[J/OL].计算机工程与应用:1-11[2020-05-31].http: //kns.cnki.net/kcms/detail/11.2127.TP.20200109.1653.006.html.
[3]冯勇,马宇光,刘建.微博营销中融合行为分析的重要用户发现方法[J].小型微型计算机系统,2019,40(0 8):1646-1651.
[4] 高金华,刘悦,程学旗.去中心化的微博传播动力学建模[J].中国科学:信息科学,2018, 048(011):P.1575-1588.
[5] WANG Chenxu, GUAN Xiaohong, QIN Tao, ZHOU Yadong. Modeling on Opinion Leader’s Influence in Microblog Message Propagation and Its Application[J]. Journal of Software, 2015, 26(6): 1473-1485
附录A

文章插图
图1 社交网络拓扑图

文章插图

文章插图
图2粉丝数分布情况

文章插图

文章插图
图3 LSTM神经网络进行情感分类的准确率与损失函数

文章插图
图4 文本情感极性分析流程

文章插图
图5一条典型的核心传播者带动的微博的传播模式

文章插图
图6 本研究的研究思路与流程

文章插图
图7 30条微博主题分类

文章插图
图8 各指标权重可视化

文章插图
图9 微热点分析意见领袖图
（截至截图时间2020年05月26日数据）

文章插图
图10 传播规模预测流程

文章插图
图11 单条微博核心传播者传播规模预测结果

文章插图
图12 30条微博部分核心传播者传播规模预测结果
附录B

文章插图

文章插图

文章插图
本文由 @数据锅原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。