基于用户管理的社交网络影响力形成及评价研究

发布时间：2021-05-15 10:26

　　互联网时代,社交模式受其影响而被打破,大众开始接受以文字、图片、视频等虚拟形式进行的交流,传统的社交信息传播形态随之发生改变。这种线上社交形式越来越普遍,也逐步取代了部分面对面的传统社交。社交网络允许用户在网络平台上自由生成内容、自愿共享内容和自发传播内容。这使得用户的线下社会关系在线上得以发散、传递和延伸。用户的发帖、回帖、点赞、转发等等行为不仅丰富了社交网络的内容,伴随而来的内容扩散和信息传播也使得社交网络的潜在影响力非常巨大。我国社交网络用户基数庞大且有近四成（36.9%）社交用户平均每天整体上网时长在6小时以上。用户始终是社交网络最核心的资源,用户的行为决定着社交网络信息的传播并促使社交网络形成了影响力,庞大的用户基数和用户长时间投入的现状决定了我国社交网络影响力不容小觑。因此,从用户行为角度探析社交网络影响力是促进社交网络良性发展的必要前提。随着社交网络的普及、完善和用户数量的增长,用户使用社交网络的动机和行为呈现出多样化的趋势,与此同时,社交网络的影响力也呈现出不断增长的态势。因此,深入了解用户使用社交网络的行为和动机,厘清用户行为对社交网络影响力的形成路径,科学评价社交网... 

【文章来源】：中国矿业大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：176 页

【学位级别】：博士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 社交网络用户动机与行为
        1.2.2 用户行为与社交网络影响力
        1.2.3 社交网络影响力评价
        1.2.4 文献综述小节
    1.3 研究意义、方法及技术路线
        1.3.1 研究意义
        1.3.2 研究方法
        1.3.3 技术路线
    1.4 本章小结
2 理论基础与定量分析模型
    2.1 理论基础
        2.1.1 用户行为理论基础
        2.1.2 社交网络影响力理论基础
    2.2 定量分析模型
        2.2.1 BP神经网络
        2.2.2 SEM结构方程
        2.2.3 未确知测度、信息熵和ANP
    2.3 本章小结
3 社交网络用户动机与行为分析
    3.1 用户 7M动机及 5B行为模型假设
        3.1.1 7M动机与与 5B行为假设背景
        3.1.2 7M用户动机模型与假设
        3.1.3 5B用户行为模型与假设
    3.2 问卷设计及数据处理
        3.2.1 问卷设计
        3.2.2 数据收集
        3.2.3 基于粗糙集的数据筛选
    3.3 用户动机及行为分析
        3.3.1 问卷基础性分析
        3.3.2 基于 7M模型的社交网络用户动机分析
        3.3.3 基于 5B模型的社交网络用户行为分析
    3.4 基于 7M5B模型的动机与行为关联度分析
        3.4.1 7M5B动机与行为关系假设模型
        3.4.2 基于神经网络的实证检验
        3.4.3 实证结果分析
    3.5 本章小结
4 用户行为对社交网络影响力的形成路径
    4.1 社交网络影响力的构成
        4.1.1 社交网络影响力概述
        4.1.2 影响力构成要素选取原则
        4.1.3 影响力构成要素
    4.2 社交网络影响力生成机制
        4.2.1 影响社交网络影响力的因素
        4.2.2 社交网络影响力的生成过程
        4.2.3 基于媒介传播的社交网络影响力生成机制
    4.3 基于 5B4I模型的用户行为与影响力路径分析
        4.3.1 数据来源及信效度分析
        4.3.2 行为影响力 5B4I模型假设
        4.3.3 行为影响力 5B4I模型验证及修正
        4.3.4 实证结果分析
    4.4 本章小结
5 基于未确知测度-熵权-ANP的社交网络影响力评价
    5.1 社交网络影响力评价体系建立
        5.1.1 评价体系构建原则
        5.1.2 评价指标选取依据
        5.1.3 社交网络影响力评价体系建立
    5.2 社交网络影响力评价模型
        5.2.1 社交网络影响力评价特点
        5.2.2 社交网络影响力评价方法
        5.2.3 未确知测度-熵权-ANP影响力评价模型
    5.3 社交网络影响力评价实例分析
        5.3.1 社交网络影响力评价数据获取
        5.3.2 社交网络影响力评价过程
        5.3.3 社交网络影响力评价结果分析
    5.4 本章小节
6 基于用户分析的社交网络影响力提升策略
    6.1 基于用户分析的社交网络影响力提升策略框架
    6.2 用户管理策略
        6.2.1 关注用户需求
        6.2.2 提升用户粘度
        6.2.3 保障用户信息安全
    6.3 媒介传播策略
        6.3.1 丰富媒介传播方式
        6.3.2 增加话题传播内容
        6.3.3 融合多种传播技术
    6.4 平台建设策略
        6.4.1 构建线上线下对接平台
        6.4.2 创新社交服务平台
        6.4.3 完善移动终端平台
    6.5 本章小节
7 总结与展望
    7.1 总结与创新
        7.1.1 全文总结
        7.1.2 主要创新
    7.2 不足与展望
参考文献
致谢
作者简介
附录A
附录B


【参考文献】：
期刊论文
[1]S-O-R理论视角下的社交网站用户流失行为实证研究[J]. 徐孝娟,赵宇翔,吴曼丽,朱庆华,邵艳丽.  情报杂志. 2017(07)
[2]微博社交网络的用户影响力评价方法[J]. 吴慧,张绍武,林鸿飞.  中文信息学报. 2017(04)
[3]中国高影响力学者对学术社交网站的使用行为调查——以教育部长江学者为例[J]. 张耀坤,张维嘉,胡方丹.  情报资料工作. 2017(03)
[4]基于复杂网络的社交网络用户影响力研究[J]. 徐杰,王菊韵,张海云.  中国传媒大学学报(自然科学版). 2017(02)
[5]基于Spark GraphX和社交网络大数据的用户影响力分析[J]. 文馨,陈能成,肖长江.  计算机应用研究. 2018(03)
[6]社交网络用户影响力分析ABP算法研究与应用[J]. 张晓双,夏群峰,刘渊,徐雁飞.  计算机工程与科学. 2017(03)
[7]社交媒体影响力评价指标体系的构建[J]. 冯锐,李闻.  现代传播(中国传媒大学学报). 2017(03)
[8]众筹项目的社交网络影响力预测与分析[J]. 杨扬,Chun-Ta LU,王菲菲,许进,Philip S.YU.  西安交通大学学报. 2017(04)
[9]基于SNS的用户知识共享行为研究[J]. 刘岩芳,贾菲菲.  情报科学. 2017(01)
[10]“网红”的社交网络影响力分析[J]. 董小宇,闫欢.  中国广播电视学刊. 2017(01)

硕士论文
[1]基于社会特性的社交网络影响力分析[D]. 任留名.合肥工业大学 2016
[2]基于粒子群算法的微博用户影响力研究[D]. 钟帅.华中科技大学 2012
[3]SNS网站成员参与动机与参与强度研究[D]. 齐立艳.山东大学 2012



本文编号：3187471