微博群體用戶畫像模型及其信息耦合傳播機理研究

劉海鷗 張靜 李源 康鵬松

摘要：構建微博群體用戶的畫像模型并對其信息行為進行分析，是認識大數據環境下微博群體用戶復雜行為的前提和基礎，有助于微博平臺精準營銷的實施。以微博群體用戶為例，基于微博數據構建了微博群體用戶畫像的概念模型，由此對其信息耦合傳播機理進行實證分析。

關鍵詞：微博群體用戶;用戶畫像;信息發布行為;交互行為

作為異軍突起的新興社交網絡媒體，微博每天都能產生大量的數據，這些海量的用戶行為數據、博文數據，可以全方位、立體性的刻畫用戶需求，形成微博用戶畫像。構建微博群體用戶的畫像并對其信息行為進行分析，是認識網絡環境下微博群體用戶復雜行為的前提和基礎，有助于微博平臺根據用戶特征及其偏好提供更精準的個性化服務。因此，如何深刻認識微博群體用戶畫像模型并揭示其信息耦合傳播行為，具有重大理論意義和實際應用價值。

1、數據來源

構建微博群體用戶畫像所需要的數據主要來源于兩類：一是體現用戶年齡、性別、學歷、住所的自然數據;二是來自于用戶行為操作、能夠反映用戶具體行為的數據，例如用戶的訪問次數、頁面停留時間、點擊頻率、轉發點贊、屏蔽行為等。本文實證數據來自我國最為知名的新浪微博。用戶數據涉及如下元素：用戶編號、用戶昵稱、性別、年齡、職業、地域、使用設備等，信息數據包括：信息編號、信息內容、信息發布時間、信息的評論數量等。其中，自然數據主要通過微博用戶的個人檔案頁面（profile pages）獲取，此類數據是用戶在新浪微博注冊時需要輸入的信息，如個人信息簡介頁面包含的用戶年齡、性別、學歷、住所、工作情況、興趣標簽、注冊時間等，因此可以獲得社交用戶較為精確和細粒度的個人信息特征。本文對研究獲得的個人基本特征數據進行了顯著性檢驗，由此得出用戶個人基本特征的皮爾遜相關系數PCC以及X2統計量。根據X2統計量計算結果，大多數微博用戶個人基本特征通過了置信水平為9570時的顯著性檢驗。其中，PCC的高低體現了微博用戶個人基本特征與用戶信息行為之間存在較強的線性相關關系還是較弱的線性相關關系。如微博用戶個人基本特征中“地域”的X2統計值最高，由此體現了微博平臺活躍用戶主要聚集于部分一線城市與沿海發達省份，這些地區的用戶數量及其信息行為要明顯強于其它地區。究其原因，主要是這一現象與經濟與社會發展水平有關，由于地理以及歷史原因，內陸和西部地區無論在經濟上還是社會發展上都存在較大差距，從而導致這些地區的活躍用戶數量及關系強度小于一線城市與沿海發達省份，從而在一定程度上體現了不同地理區間經濟發展的不平衡性。

2、微博群體用戶畫像概念模型

在構建微博群體用戶畫像模型的過程中，通常會使用較為通俗且貼近現實生活的語義去描述微博群體用戶的屬性特征、行為特征與偏好特征，由此來形成用戶畫像的概念模型，并將其作為實際用戶的虛擬代表。對微博群體用戶來講，可從多個維度對其進行刻畫，即可從多個方面去構建用戶畫像模型。搜集到的用戶社交活動“痕跡”越多，構建的用戶畫像模型越能準確反映現實社會中該用戶的具體特征。但鑒于信息搜集成本以及隱私保護方面的限制，構建完全匹配的“精準”用戶畫像幾乎是不可能的。因此，在信息搜集過程中需要充分考慮實際的應用場景，構建滿足條件的微博群體用戶畫像模型即可。

鑒于上述考慮，本文在收集新浪微博用戶信息時，主要從以下兩個方面考慮：微博群體用戶通過哪些行為（如回答問題、點擊圖片、瀏覽信息、關注等）產生或獲取信息，或通過哪些行為（如轉發、點贊、評論等）將該信息傳播出去。由此，本文將重點研究在線社交活動中用戶的以下兩種信息行為：（1）同一個人發布不同信息的行為，稱為發布行為;（2）不同個體同時評論某一條信息，其中包含信息發布者對評論者的回復信息，稱為交互行為。依據微博特性以及用戶的自身特點，本文從三個維度對微博用戶畫像模型進行劃分，即用戶的基本特征（人口統計學屬性）、用戶的信息發布行為特征以及用戶交互行為特征。微博群體用戶畫像概念模型如圖1所示。

3、信息耦合傳播行為分析

本文在分析微博群體用戶信息發布行為與交互行為的過程中，主要采用了發布行為時間間隔分布、交互行為時間間隔分布、交互周期分布、交互熱度分布等。

3.1信息發布時間間隔分布

用戶在日常生活中會從事各種重復性活動，包括呈現規律性的吃飯、睡覺和無規律性的購物、出游、上網等，對于這些無規律的活動，研究用戶相同活動相繼發生的時間間隔，可發現其從事某活動的規律，對研究社交用戶的信息行為有重要意義。圖2表示數據集的時間間隔分布，在雙對數坐標下呈現明顯的胖尾特征，表明在線社交活動中，少數人處于活躍狀態，積極頻繁地發布消息，而大部分成員活躍程度低，一般處于靜默狀態，頻繁發出消息的是固定的幾個“話嘮”，大部分成員都處于“潛水”或“冒泡”的狀態。去掉下垂的頭部和松散的尾部，數據集的時間間隔部分服從冪律分布，通過最大似然估計方法計算冪指數，冪指數集中在1 .69-2.38的范圍內。

3.2交互時間間隔分布

圖3顯示數據集交互行為的時間間隔分布，本文數據集的時間間隔為以某條信息為主題，所討論的相鄰內容的時間差。每個數據集的時間間隔均服從冪律分布，冪指數集中在1.57-1.99的范圍內，一條信息發出后，有相同或相似經歷的用戶會產生共鳴，進而展開討論，好友或關注關系可能會有一定的影響，但不會因為這種關系形成爆發性評論。交互行為與發布行為一樣，都表現出重尾分布特征，在線網絡中信息爆炸，大多數的信息都被淹沒，無人問津，只有極少數信息在短時間內收到爆發性評論，例如鹿晗獲得千萬評論的微博“十年相依，終身紅魔！”在發出的第一天就收到了將近9千條評論。

3.3 交互周期分布

人類對信息的興趣都呈逐漸衰減的趨勢，開始時對其興趣極濃，時間長了興趣消失，很少人會對其進行評論。人們對信息或話題的討論存在一個交互周期。本文將發布信息與最后一條評論的時間差作為交互周期。信息發布的三個月之后，評論數量非常少，因此，剔除距離采集時間三個月之內的信息，計算每個信息的交互周期及其互補累積分布，如圖4所示，熱門話題與冷淡話題之間的交互周期相差4-6個數量級，微博的最大與最小的交互周期相差較少，為4個數量級。從形態上看，其交互周期分布較窄，具有長周期的信息所占的概率較大，這是由于部分話題的“直播”引起，信息內容不是一次性發出，而是利用碎片時間經過幾天到十幾天不等的時間陸續發布，不斷吸引人跟帖并討論，形成較長的交互周期。

3.4 交互熱度分布

人們對某個話題感興趣時，在生活、娛樂和其他空閑時間都會有所提及和討論，這方面的話題信息也得到傳播，進而引起更大強度的討論和交流，形成病毒式傳播。因此，人類行為與其在社交活動中的交互是密不可分的，交互熱度對人類行為有重要影響。交互熱度的計算如公式為Pi=Ni/Ti。其中，Pi表示交互熱度，Ni表示對一個信息人們討論的總數量，Ti表示話題的交互周期。圖5顯示交互熱度的互補累積分布，不同交互熱度的話題相差好幾個數量級，交互熱度強的話題所占的概率非常高，說明微博是引起爆發性評論的主要聚集地之一。

4、結語

微博在人們的生活中起到至關重要的作用，微博信息發布行為與交互行為已經成為人們生活的常態，研究微博群體用戶信息傳播行為的統計特征并刻畫其用戶畫像，不僅有助于發揮微博用戶線上交流的積極性和信息傳播的主動性，充分認識人們的社交活動，同時對強化精準服務、投放廣告、企業宣傳具有重要的應用價值。需要指出的是，本研究對微博群體用戶畫像的描述性屬性方面考慮不夠全面，擬在今后的研究中全面考慮與用戶需求趨向相關的信息，以此為基礎進行模型化表示，多維度制定微博用戶的描述性標簽屬性，全面刻畫微博用戶畫像模型。

參考文獻

[l]林燕霞，謝湘生.基于社會認同理論的微博群體用戶畫像[J].情報理論與實踐，2017（11）

[2]黃文彬，徐山川，吳家輝，王軍.移動用戶畫像構建研究[J].現代情報，2016，（IO）

[3]孫晶晶.移動數字圖書館用戶畫像模型及情境化推薦方法[J].圖書館，2018，（6）

[4]陳晶.網紅經濟下青少年卷入行為及其歸因實證研究[J].情報雜志，2018，（3）

[5]劉海鷗.云環境用戶情境感知的移動服務QoS混合推薦[J].情報雜志，2016，35（4）

[6]蘇妍嫄.面向圖書館大數據知識服務的多情境興趣推薦方法[J].現代情報雜志，2018，（6）

[7]張亞明.國內外用戶畫像研究綜述[J].情報理論與實踐，2018，（7）

[8]趙攀.在線社交活動中的用戶畫像及其信息傳播行為分析[J].情報科學，2018 （6）

[9]孫晶晶.基于用戶畫像的旅游情境化推薦服務研究[J].情報理論與實踐，2018.（5）