信息管理技術視角下微博研究綜述與趨勢分析*

崔金棟，于圓美，王新媛，孫遙遙

1 信息管理視角下的微博研究

微博憑借實時性和便捷性成為重要的網(wǎng)絡應用，其聚集的大量用戶和相對自由的言論信息使之成為把握社會脈搏的重要工具。微博信息管理專指從微博信息出發(fā)，并不考慮各種規(guī)則制度的約束力。早在2006年，就有外國學者關注微博信息管理，國外研究建立在對Twitter研究的基礎上。筆者在IEEE數(shù)據(jù)庫中檢索發(fā)現(xiàn)，國外研究的Micro-blog就是Twitter，研究有很強的個案性，難以在其他微博系統(tǒng)上推廣使用，直至2009年才出現(xiàn)具有推廣意義的研究成果。國外的研究倡導以法治和規(guī)范約束微博信息，同時強調(diào)通過采用新的微博信息管理技術使微博信息的組織、傳播等環(huán)節(jié)實現(xiàn)規(guī)范化和可控化。我國對微博信息管理的研究始于2010年，除倡導在用戶管理上進行引導外，技術層面的關注點集中于微博信息組織、傳播與用戶個性化推薦，這三方面恰恰描述了微博信息的生命周期。

2 微博信息組織研究

學術界并沒有統(tǒng)一的“信息組織”定義，信息管理領域認可的信息組織專指有序化和結構化，是指通過某種方式使信息便于獲取、使用和存儲。微博信息組織是指建立某種結構化的數(shù)據(jù)結構，使微博信息能得到有效重組和整合。截至目前，網(wǎng)絡信息資源的組織方式包括文件管理和數(shù)據(jù)庫管理，微博的底層數(shù)據(jù)管理也使用這兩種組織方式，但不局限于此。微博需把信息數(shù)據(jù)和服務結合在一起，對其組合和再造，從這個角度來講，微博信息的組織方式是重組與再造。利用RSS技術，微博可實現(xiàn)信息的聚合和推送，有明顯的信息自組織特點。隨著數(shù)據(jù)挖掘技術和網(wǎng)絡傳播技術的發(fā)展，信息組織方式會進一步發(fā)展，微博會更加智能和方便。

Kaplan A等研究微博允許用戶之間交換短內(nèi)容，如句子、圖像和視頻鏈接等信息組織形式的機理[1]；VELIKOVICH L等研究微博消息內(nèi)容特點、活躍時間特點、趨勢話題特點[2]；LEED H、SCHLEYERT等歸納前人的研究成果，闡述微博信息組織研究的局限性，認為看起來有序是由于限定了用戶和使用領域，尤其是學術界和某些特定領域對微博使用的有序化并不具有推廣性[3]。我國學者的研究也有局限性。劉魯?shù)葘跈C器學習的中文微博情感分類進行實證研究[4]；王晶等對基于信息數(shù)據(jù)分析的微博研究進行梳理，提出微博信息傳播三大構件的概念，歸納此類研究的內(nèi)容及方法，總結國內(nèi)外圍繞微博信息傳播三大構件取得的研究成果[5]；章成志等研究不同領域的用戶標簽主題表達能力差異，認為標簽主題在微博信息組織中應處于主導作用，并以騰訊微博為例進行驗證[6]；吳丹、王艷妮闡述微博標簽的重要性，認為標簽在微博信息組織中的作用無可替代[7]；潘嬋等基于微博用戶標簽與關鍵詞的用戶行為分析，研究微博信息組織，說明前期的微博信息組織研究具有局限性，尤其是一些實證分析，并以娛樂和學術兩個領域標簽的差異性否決一些研究成果[8]；李林紅、李榮榮根據(jù)自組織理論，認為新浪微博社會網(wǎng)絡是自組織系統(tǒng)，從整體網(wǎng)絡、個體網(wǎng)絡、小團體、小世界效應構建模型，以“可持續(xù)發(fā)展”話題為例，采用滾雪球抽樣方法，對網(wǎng)絡用戶間的“發(fā)布、轉發(fā)、評論、＠、回復”關系進行實證研究[9]；劉風光、朱愛菊介紹微博的信息組織方式，探討微博信息質(zhì)量的分析原則[10-11]；胡媛利用自然語言處理和數(shù)據(jù)挖掘技術，通過分析微博中的信息內(nèi)容、用戶的社會網(wǎng)絡和交互情況以及研究某條信息傳播運動過程來揭示微博中非正式信息交流規(guī)律及其信息交流機制[12]；王曉光等通過對新浪博文的發(fā)布者、發(fā)博途徑、博文內(nèi)容、轉發(fā)數(shù)、評論數(shù)、關注數(shù)、粉絲數(shù)等的統(tǒng)計，分析微博信息結構和傳播模式的差異，說明微博用戶的表征差異性，探究微博信息產(chǎn)生互動的結構性要素、發(fā)生機制。這些研究使微博信息的組織更加有序化，豐富了微博信息組織的研究內(nèi)容，使網(wǎng)絡信息組織理論有了新的突破[13]。

3 微博信息傳播研究

微博大大提高了信息傳播速度和廣度，信息傳播包括粉絲和轉發(fā)兩種路徑。粉絲路徑是指博主的粉絲可實時接收和閱讀博主發(fā)布的信息，該路徑是將博文直接分發(fā)給粉絲而產(chǎn)生的。轉發(fā)路徑是指博主發(fā)布的某一博文如果得到粉絲認可，被轉發(fā)并同步到粉絲的微博中，這樣，博主粉絲的粉絲同樣可以實時接收該博文，造成信息的傳播超越最初博主的朋友圈，實現(xiàn)更快更廣的傳播。粉絲通常會在轉發(fā)時進行評論，導致相關話題增多，促使微博得到更廣泛的傳播。圖1為影響微博信息傳播因素的示意圖。

圖1 微博傳播影響因素示意圖

社會網(wǎng)絡理論被微博研究者充分挖掘，以“關注”與“被關注”為關聯(lián)紐帶，以用戶為節(jié)點，通過分析用戶節(jié)點和整個社會網(wǎng)絡的中心性等若干指標，解析微博社會網(wǎng)絡，并通過定量方式發(fā)現(xiàn)微博傳播特征[14]；田占偉等利用復雜網(wǎng)絡理論方法，對微博信息傳播網(wǎng)絡建模，基于信息網(wǎng)絡節(jié)點的出入度、路徑兩個指標進行分析，解釋微博信息傳播的小世界、高度中心化等特征[15]；吳凱等提取影響轉發(fā)行為的四類特征，利用機器學習中的邏輯回歸模型分析預測個體轉發(fā)行為，在此基礎上融入用戶個體差異，建立基于行為預測的信息傳播模型[16]；田占偉與劉臣基于PA算法提出信息分享預測模型，以微博用戶的共享需求為前提條件，以2013年的新浪微博數(shù)據(jù)驗證預測模型[17]；袁毅等以事件為主線，分析傳播過程中的用戶行為，利用分析軟件繪制事件的微博信息傳播圖，闡述影響微博信息傳播的內(nèi)外部因素[18]；劉燕錦以社交網(wǎng)站和微博為對象，運用社會網(wǎng)絡分析法，對比兩者的傳播模式，分析同屬于關系型的媒介技術平臺是否因為功能設置的差異而造成信息在使用者之間流動的差異[19]；劉繼、李磊發(fā)現(xiàn)在網(wǎng)絡輿情傳播模式中，單關鍵點型傳播模式以強勢節(jié)點為主，傳播速度快，多關鍵點型傳播模式的多個強勢節(jié)點通過橋節(jié)點進行信息交互，傳播影響大，鏈式型傳播模式由于缺乏強勢節(jié)點，信息傳播擴散能力較弱，但傳播層次較深[20]；陳波等研究微博信息輿論的控制問題，研究成果以傳染病模型為基礎，通過分析影響傳染力的因素實現(xiàn)對網(wǎng)絡輿情微博信息傳播的有效控制策略[21]；錢穎等提出與陳波等不同的結論，發(fā)現(xiàn)輿情信息和微博信息具有記憶性，傳染病模型描述的微博信息傳播在某些場合和輿情信息傳播并不是很一致[22]；唐曉波等借助共詞網(wǎng)絡等工具對微博信息傳播進行預測，使用圖論對現(xiàn)實中的輿情問題進行分析和建模[23]；張賽、徐恪提出一種三角和算法用于探測用戶粉絲數(shù)閾值，該算法根據(jù)散點分布的統(tǒng)計規(guī)律來估計使微博熱度達到某一值的粉絲數(shù)的臨界值[24]；郭浩等為了定量研究用戶影響力，提出基于用戶消息傳播范圍的用戶影響力量化定義，給出用戶影響力的計算方法[25]。

國外研究者更熱衷于使用統(tǒng)計分析來研究微博的傳播規(guī)律。NARAYANAM R、NARAHARI Y提出線性閾值模型(linear threshold model，LTM)，基本思想是一個節(jié)點轉為活躍狀態(tài)的概率會隨著周圍活躍節(jié)點個數(shù)的增多而增大，如果一個節(jié)點鄰居中的活躍節(jié)點數(shù)量超過一定閾值，該節(jié)點將轉為活躍狀態(tài)[26]；M.EFRON等對微博信息傳播的研究偏好在應用領域，研究結果強調(diào)在數(shù)據(jù)挖掘、電子商務領域的應用[27]；B.SUH、L.HONG等重點研究微博信息分享過程涉及的兩個主體：用戶個人行為和信息本身[28]；Yu Louis、Asur Sitaram、Huberman Bernardo A對比西方和我國微博信息傳播的不同特點，通過構建指標體系對東西方微博信息的特有傳播現(xiàn)象進行研究[29]。上述研究成果說明微博信息傳播具有復雜性和混沌性，使微博信息傳播預測性的難度增加，這恰恰是微博輿論爆發(fā)的源泉。

4 微博用戶推薦研究

微博在信息組織和傳播中最具特色的地方在于其個性化的信息推薦，有兩種方式，即推薦個性化的微博內(nèi)容和推薦擁有共同興趣的用戶。

早期的微博用戶推薦源于微博用戶的個性化研究需要。Zhiheng X、Ru L、Xiang L等倡導使用詞包模型(Bag of words)分析用戶興趣，建立影響力回歸方程來研究用戶推薦[30]；Yu L，Asur S和楊成明等通過研究Twitter、新浪微博，抽取微博平臺提供的各項字段，從用戶性別、地域、影響力等多個角度揭示微博用戶的行為特征，以達到用戶推薦的目的[31]；張中峰等認為驅使動態(tài)社會發(fā)展的最主要機制是同質(zhì)性，即微博用戶雙方相互關注是因為他們擁有共同的興趣愛好[32]；胡文江等提出基于關聯(lián)規(guī)則和標簽的個性化好友推薦策略，結合共同好友和用戶標簽相似性兩個特征向量，使得推薦好友更準確、更具個性化[33]；涂存超等通過對用戶個人簡介中的詞語和標簽之間的關系進行建模，同時利用其社交網(wǎng)絡結構作為模型的正則化因子[34]，提出網(wǎng)絡正則化的標簽分發(fā)模型(NTDM)，為用戶推薦標簽；覃夢河等發(fā)現(xiàn)結合人際關系的傳統(tǒng)分類，通過因子分析找出強關系構建因子，對幫助用戶拓展社交網(wǎng)絡關系有很好的參考意義和實踐價值[35]；徐志明等將用戶現(xiàn)實關系應用于用戶推薦的相關實驗，基于社交信息的用戶相似度取得了較好的推薦效果[36]；Naruchitparames J、Gunes M 等在IEEE大會上提出FOF理論(好友的好友理論)，為微博好友推薦的研究提供了新的理論依據(jù)[37]；Chechev M、Georgiev P等倡導基于內(nèi)容的好友推薦能夠深層次挖掘用戶的隱性興趣[38]；Hannon J、Mc Carthy K、Smyth B等的研究表明基于多維度的好友推薦準確率更高；通過比較基于內(nèi)容和基于協(xié)同過濾的好友推薦方法，發(fā)現(xiàn)兩者都能進行高質(zhì)量的推薦，但若將兩者結合，推薦效率更高[39]；Krestel R、Fankhauser P倡導對微博信息或者資源進行標注(即標簽)，利用標簽相似性來推薦好友，以大大提高信息或資源的推薦效率與準確度[40]。

近年國內(nèi)外關于微博用戶推薦的研究集中在推薦算法和推薦模型上，這些研究既有早期關于k-means算法、WAF算法，也有目前備受關注的LDA主題推薦模型。楊尊琦等基于k-means算法實現(xiàn)微博用戶推薦功能，以新浪微博達人為研究對象，提取他們關注的名人以及機構進行歸類，基于共鏈關系將統(tǒng)計結果制成相關性矩陣，導入SPSS軟件中進行k-means聚類，結果發(fā)現(xiàn)具有相似性的興趣用戶可以聚為一組[41]。

LDA主題推薦模型是微博用戶推薦研究中最為火熱的一種用戶推薦模型，國內(nèi)外大量學者都對其進行了深入的研究。Blei D等研究LDA模型的始祖——LSA，認為在微博中應用LSA能更好地實現(xiàn)近似于人類的理解關系，即將表面信息轉化為深層次的抽象[42]；Tang Xuning、Yang CC將LDA引入超參數(shù)，形成文檔-主題-單詞三層的貝葉斯模型[43]；Hong Liangjie、Davison B利用LDA模型將兩個主題模型合并，以搭積木的方式形成新的主題模型[44]；Zhao Wayne Xin等假設一個單獨的微博帖子通常只有一個主題，對ATM模型進行擴展，提出Twitter-LDA模型[45]。

我國對LDA的研究多是結合新浪等微博提供商的實證研究。唐曉波等基于社會關系理論中的同質(zhì)性理論和三元閉包關系理論，從社會關系和內(nèi)容兩個維度向社交網(wǎng)絡用戶推薦同道合的朋友，并利用LDA的擴展模型UserLDA對新浪微博用戶進行興趣主題建模，通過用戶主題概率分布矩陣計算用戶相似度，以進行TopN二級好友推薦[46]；邸亮、杜永萍發(fā)現(xiàn)LDA主題模型可用于識別大規(guī)模文檔集中潛藏的主題信息，但對微博短文本的應用效果并不理想，將標準的文檔-主題-詞的三層LDA模型變?yōu)橛脩?主題-詞的用戶模型，利用該模型進行用戶推薦[47]；張培晶、宋蕾對基于LDA的微博文本主題建模方法研究進行述評，分析LDA模型的特征及其用于微博類網(wǎng)絡文本挖掘的優(yōu)勢，介紹和評述微博環(huán)境下現(xiàn)有的基于LDA模型的文本主題建模方法，并對其擴展方式和建模效果進行總結和比較[48]；唐曉波等提出微博熱度的概念，將其引入LDA模型的趨勢挖掘研究中，構建基于微博熱度的LDA模型，通過API采集微博數(shù)據(jù)的實驗，得到更直觀的微博熱度表，并得出更具有說服力的挖掘結論[49]；唐曉波還與王洪艷實現(xiàn)了基于潛在語義分析的微博主題挖掘模型構建，提出根據(jù)微博信息特點進行有針對性的預處理后，使用基于先驗概率的潛在語義分析模型LDA進行微博主題挖掘，并在LDA建?；A上，設計文本增量聚類算法，進一步實現(xiàn)主題結構識別，從而使用戶更好地理解主題[50]；余傳明等基于LDA模型在吉布斯抽樣過程中得到兩個矩陣：特征詞-主題矩陣和微博-主題矩陣，利用LDA模型對要構建的文檔向量空間矩陣進行降維[51]。微博信息用戶推薦研究多是根據(jù)用戶興趣，利用LDA模型等主題推薦模型來實現(xiàn)，但LDA模型是基于詞頻統(tǒng)計分布的，缺乏語義性，解決這方面問題的研究成果并不多。

5 技術層面下微博信息管理的研究趨勢

技術層面的微博信息管理包括微博信息組織、傳播及用戶推薦三部分。從上述綜述可看到，國內(nèi)外研究正向縱深化、個性化和融合化發(fā)展，具體表現(xiàn)在微博信息組織的規(guī)范化、微博信息傳播的可控化以及微博信息推薦的個性化與精準化三個方面。

5.1 微博信息組織的規(guī)范化——本體與大眾分類法的融合

微博作為信息生產(chǎn)系統(tǒng)，由“混沌”到組織化的過程可看作“信息自組織”過程。微博信息的發(fā)布與擴散在本質(zhì)上處于不可逆狀態(tài)，而且受用戶真實身份、虛擬空間的個人魅力、發(fā)布內(nèi)容的關注度、用戶登錄和更新頻率等因素的影響，微博客網(wǎng)站中的信息一直處于動態(tài)變化的不均衡狀態(tài)，為準確描述微博信息組織和傳播過程，對其進行建模是必不可少的。

本體作為有效表現(xiàn)概念結構形式化的語義模型，雖然有構建復雜、需人工參與的缺點，但部分研究成果已可成熟應用。本體的構建過程通過獲取相關領域的知識，加以規(guī)范化的描述，形成形式化、結構化的定義，為信息與知識建模提供明確無歧義的定義?？上胂?，經(jīng)過本體技術規(guī)范化的微博信息具有明確的含義和結構化的特點，在微博信息組織和傳播控制領域帶來的益處是顯而易見的。因此，利用本體技術對微博信息進行有效的規(guī)范和結構化，提升微博信息描述事件的精度和準度，從而達到消除歧義、提升信息組織效率的目的成為研究熱點。

Floksonomy作為微博傳統(tǒng)信息組織方式，本質(zhì)是基于標簽語法層次的簡單聚合分類，再加上語言本身的復雜性和用戶標注的隨意性，信息組織的清晰度和資源查詢的準確度都較低，同時無法解決近義異形詞濫用的問題。本體與大眾分類法的有效融合成為解決上述問題的有效途徑。利用本體和大眾分類法的融合，構建適合微博信息組織的架構形式成為大勢所趨，即構建一種基于Folksonomy的微型本體架構來進行微博信息的規(guī)范化，為消除歧義和提升結構化微博信息的應用打下基礎。這種微型本體架構既可以結合Folksonomy的優(yōu)點，讓所有用戶參與本體構建，降低微博信息本體的構建成本和復雜度；又可以擁有本體的優(yōu)點，形成結構化的、無歧義的、易控制的信息組織結構，便于信息的管理和傳播。目前崔金棟、徐寶祥、王新媛等人在這方面開展了研究，取得了一定的成果[52]：以自組織和本體建模理論對微博信息的組織過程進行規(guī)范化，形成結構化的信息組織結構；進入到微博信息傳播階段，再通過本體建模理論對傳播中的信息進行重新建模，圖2展現(xiàn)了其構造的微博信息管理的概念模型。

5.2 微博信息傳播的可控化——混沌性與可控性的博弈

圖2 微博信息管理技術概念模型

現(xiàn)有的微博信息傳播可控性研究主要是指從建模的角度對微博信息傳播臨界點表征進行建模，通過對這些表征信息抽取而成的微博信息傳播具體事件的監(jiān)測，達到微博信息傳播預警的目的，但這種方法往往具有滯后性。微博信息的傳播一旦超越臨界點便難以控制，這成為研究者的共識。因此，廣大學者希望在臨界點產(chǎn)生前對傳播信息的臨界表征進行分析和鑒別，從而實現(xiàn)對信息傳播的規(guī)范和抑制。但微博信息平臺是一個復雜系統(tǒng)，混沌性帶來的初值敏感性極強，表現(xiàn)為一條微博在轉發(fā)中常由于某一突發(fā)事件的出現(xiàn)造成微博信息傳播生態(tài)的失控，特別是某個網(wǎng)絡意見領袖的評論或異樣見解的發(fā)酵引起整個信息傳播的突然爆發(fā)。這種爆炸狀的微博信息傳播是傳染病模型所不能描述的，整個微博信息生態(tài)系統(tǒng)在臨界點附近所表現(xiàn)出來的臨界行為只能用復雜系統(tǒng)論的突變論和混沌論去描述。以系統(tǒng)學視角研究傳播過程的約束和管制，從而達到在技術層面上加強微博信息管理的目的成為微博信息傳播研究的新趨勢。鐘映竑等已開始從微博信息傳播的混沌性中去發(fā)現(xiàn)混沌吸引子，探討混沌性中的可控性[53]。

5.3 微博用戶信息推薦的個性化和精準化——多級推薦和模型融合

微博信息推薦本質(zhì)上屬于微博信息組織的內(nèi)容，但是由于涉及到用戶角色，微博信息推薦已不是單純的信息組織問題，而是融合了信息傳播的若干內(nèi)容，成為建立在微博信息組織與傳播之上的一種用戶服務功能。目前，由于用戶數(shù)據(jù)稀疏性和用戶信息的非結構化，推薦不準確成為影響微博發(fā)展的制約因素。以多級過濾和融合推薦模型為趨勢的個性化推薦和精準化推薦成為微博用戶信息推薦研究的主流。新的微博推薦系統(tǒng)結合了用戶的偏好、話題之間的相似度、狀態(tài)之間的相似度等推薦模式，取得良好的推薦效果。另外，針對用戶信息的非結構化問題，以簡化的本體架構為數(shù)據(jù)結構來構建微博信息推薦系統(tǒng)的底層數(shù)據(jù)庫，結合改進的LDA模型進行微博信息和用戶推薦，從而有效提高微博信息推薦的精度和質(zhì)量，也成為微博信息研究的一個新方向。圖3展示了融合后的用戶層面的微博信息管理概念模型。

圖3 用戶層面的微博信息管理概念模型

6 結語

研究信息在微博網(wǎng)絡上的組織及其傳播的性質(zhì)、規(guī)律，進而研究如何控制、引導輿論，具有非常重要的理論價值和現(xiàn)實意義。筆者在技術層面上梳理了國內(nèi)外關于微博信息管理的主要文獻，并對其進行分析，闡述了微博信息組織、信息傳播和用戶推薦三方面的研究熱點；在解析相關研究成果的同時，總結了現(xiàn)有研究的不足；最后，筆者提出了技術視角下微博信息管理研究的新趨勢——微博信息組織的規(guī)范化、微博信息傳播的可控化以及微博用戶信息推薦的個性化，這些研究試圖通過構建新的微博信息組織模型和傳播模型，解決技術層面上微博信息管理的弊端，實現(xiàn)微博信息有效管理的新突破。

[1] Kaplan A.Users of the world，unite！The challenges and opportunities of Social Media[J].Business Horizons，2010，53（1）：59-68.

[2] VELIKOVICHL，BLAIR-GOLDENSOHNS，HANNANK，et al.The viability of Web-derived polarity lexicons[C]//Proceedingsof the North American Chapter of the Association for Computational Linguistics.Stroudsburg，PA：Association f or Computational Linguistics，2010：777-785.

[3] LEEDH，SCHLEYERT.Social tagging isnosubstitute for controlled indexing：acomparison of medical subj ect headingsand CiteULiketagsassigned to231，388 papers[J].Journal of the American Society f or Information Science and Technology，2012，63（9）：1747-1757.

[4] 劉魯，劉志明.基于機器學習的中文微博情感分類實證研究[J].計算機工程與應用，2012，48（1）：1-4.

[5] 王晶，朱珂，汪斌強.基于信息數(shù)據(jù)分析的微博研究綜述[J].計算機應用，2012，32（7）：2027-2029.

[6] 章成志，何陸琳，丁培紅.不同領域的用戶標簽主題表達能力差異研究——以中文微博為例[J].情報理論與實踐，2013，36（4）：68-71.

[7] 吳丹，王艷妮.社會標簽的規(guī)范性研究——學術論文標注[J].圖書館，2012（1）：85-88.

[8] 潘嬋，馮利飛，丁婉瑩，等.基于標簽—關鍵詞的用戶行為分析[J].情報雜志，2010，29（3）：139-142.

[9] 李林紅，李榮榮.新浪微博社會網(wǎng)絡的自組織行為研究[J].統(tǒng)計與信息論壇，2013，28（1）：88-94.

[10]劉風光.網(wǎng)絡博客堯微博的信息組織方式和信息質(zhì)量分析原則[J].價值工程，2013（8）：185-186.

[11]朱愛菊.從對人的關注和瀏覽中獲取信息——新浪微博中的信息組織與信息獲取機制分析[J].情報雜志，2011（5）：161-164.

[12]胡媛.微博客中基于時序的非正式信息流機制研究——以sina微博為例[J].圖書情報知識，2011（4）：111-117.

[13]王曉光.微博客用戶行為特征與關系特征實證分析——以新浪微博為例[J].圖書情報工作，2010（14）：66-70.

[14]平亮，宗利永.基于社會網(wǎng)絡中心性分析的微博信息傳播的研究——以Sina微博為例[J].圖書情報知識，2010（6）：92-97.

[15]田占偉，隋玚.基于復雜網(wǎng)絡理論的微博信息傳播實證分析[J].圖書情報工作，2012（8）：42-46.

[16]吳凱，季新生，劉彩霞.基于行為預測的微博網(wǎng)絡信息傳播建模[J].計算機應用研究，2013（6）：1809-1812.

[17]田占偉，劉臣.基于模糊PA算法的微博信息傳播分享預測研究[J].計算機應用研究，2013（30）：51-54.

[18]袁毅.微博客信息傳播結構、路徑及其影響因素分析[J].圖書情報工作，2011，55（12）：26-30.

[19]劉燕錦.社交網(wǎng)站和微博的信息傳播比較——以社會網(wǎng)絡分析結果為依據(jù)[J].東南傳播，2012（9）：65-68.

[20]劉繼，李磊.基于微博用戶轉發(fā)行為的輿情信息傳播模式分析[J].情報雜志，2013，32（7）：74-77.

[21]陳波，于泠，劉君亭，等.泛在媒體環(huán)境下的網(wǎng)絡輿情傳播控制模型[J].系統(tǒng)工程理論與實踐，2011（11）：2040-2050.

[22]錢穎，張楠，趙來軍，等.微博輿情傳播規(guī)律研究[J].情報學報，2012（12）：1299-1304.

[23]唐曉波，宋承偉.基于復雜網(wǎng)絡的微博輿情分析[J].情報學報，2012，31（11）：1153-1163.

[24]張賽，徐恪，李海濤.微博類社交網(wǎng)絡中信息傳播的測量與分析[J].西安交通大學學報，2013，47（2）：124-130.

[25]郭浩，陸余良，王宇，等.基于信息傳播的微博用戶影響力度量[J].山東大學學報（理學報），2012，47（5）：78-83.

[26]NARAYANAMR，NARAHARI Y.Ashapley value-based approach to discover influential nodes in social networks[J].IEEETranson Automation Science and Engineering，2011，20（1）：130-147.

[27]M.EFRON.Inf ormation Search and Retrieval in Microblogs[J].Journal of the American Society for Inf ormation Science and Technology，2011，62（6）：996-1008.

[28]B.SUH，L.HONG，P.PIROLLI.Want toberetweeted-Large scale analytics on f actors impacting retweet in Twitter network[C]//IEEE，2010：177-184.

[29][31]Yu Louis，Asur Sitaram，Huberman Bernardo A.What trends in Chinese social media[C]//Proceedings of the 5th SNA-KDDWorkshop on Web Mining and Social Network Analysis（SNA-KDD’11）.NewYork：ACMPress，2011.

[30]Zhiheng X，Ru L，Xiang L，et al.Discovering User Interest on Twitter with a Modified Author-Topic Model[C]//Proceedings of the 2011 IEEE/WIC/ACM International Conf erences on Web Intelligence and Intelligent Agent Technology.Washington DC，USA：IEEEComputer Society，2011.

[32]張中峰，李秋丹.社交網(wǎng)站中潛在好友推薦模型研究[J].情報學報，2011，30（12）：1319-1325.

[33]胡文江，胡大偉，高永兵.基于關聯(lián)規(guī)則與標簽的好友推薦算法[J].計算機工程與科學，2013，35（2）：109-113.

[34]涂存超，劉知遠，孫茂松.社會媒體用戶標簽的分析與推薦[J].圖書情報工作，2013，57（23）：24-35.

[35]覃夢河，晉佑順.基于微博顯性結構特征的用戶強關系研究[J].圖書館學研究，2013（3）：58-63.

[36]徐志明，李棟.微博用戶的相似性度量及其應用[J].計算機學報，2014，37（1）：207-218.

[37]Naruchitparames J，Gunes M H，Louis S J.Friend recommendations in social network topology[C]//Evolutionary Computation（CEC）， 2011 IEEE Congresson.NewOrleans：IEEE，2011.

[38]Chechev M，Georgiev P.Amultiview conent-based user recommendation scheme f or f ollowing users in TWITTER[C]//4th International Conference，SocInfo 2012.Berlin：Springer Berlin Heidelberg，2012.

[39]Hannon J，McCarthy K，Smyth B.Content vs.tags for friend recommendation[M]//Max Bramer，Miltos Petridis.Research and Development in Intelligent Systems XXIX.London：Springer，2012：289-302.

[40]Krestel R，F(xiàn)ankhauser P.Personalized topic-based tag recommendation[J].Neurocomputing，2012，76（1）：61-70.

[41]楊尊琦，張倩楠.基于k-means算法的微博用戶推薦功能研究[J].情報雜志，2013，32（8）：142-144.

[42]Blei D.Probabilistic Topic Models[J].Communicationsof the ACM，2012，55（4）：77-84.

[43]Tang Xuning，Yang CC.TUT：AStatistical Model for Detecting Trends，Topics and User Interests in Social Media[C]//Proceedings of the 21st ACMInternational Conference on Information and Knowledge Management.NewYork，USA：ACMPress，2012：972-981.

[44]Hong Liangj ie，Davison B.Empirical study of topic modeling in Twitter[C]//Proceedings of the First Workshop on Social Media Analytics（SOMA’10） .NewYork：ACMPress，2010：80-88.

[45]Zhao Wayne Xin，Jiang Jing，Weng Jianshu.Comparing Twitter and traditional media using topic models[C]//Proceedings of the 33rd European Conference on Information Retrieval（ECIR’11）.Berlin，Heidelberg：Springer-Verlag，2011：338-349.

[46]唐曉波，祝黎，謝力.基于主題的微博二級好友推薦模型研究[J].圖書情報工作，2014，58（9）：105-113.

[47]邸亮，杜永萍.LDA模型在微博用戶推薦中的應用[J].計算機工程，2014，40（5）：1-11.

[48]張培晶，宋蕾.基于LDA的微博文本主題建模方法研究述評[J].圖書情報工作，2012，56（24）：120-126.

[49]唐曉波，向坤.基于LDA模型和微博熱度的趨勢挖掘[J].圖書情報工作，2014，58（5）：58-63.

[50]唐曉波，王洪艷.基于潛在語義分析的微博主題挖掘模型研究[J].圖書情報工作，2012，56（24）：114-119.

[51]余傳明，張小青，陳雷.基于LDA模型的評論趨勢挖掘：原理與實現(xiàn)[J].情報理論與實踐，2010，33（5）：103-106.

[52]崔金棟，徐寶祥，王新媛.基于微本體構建的微博信息管理機理研究[J].情報資料工作，2013（5）：50-55.

[53]鐘映竑.基于混沌情景預測方法的微博信息擴散建模與仿真研究[J].價值工程，2014（7）：225-228.