專(zhuān)題導(dǎo)語(yǔ)：多源融合 協(xié)同應(yīng)用

在數(shù)智時(shí)代，社交媒體與短視頻、搜索引擎、網(wǎng)絡(luò)直播、線(xiàn)上辦公等業(yè)務(wù)相融合，在模糊社交媒體邊界和擴(kuò)展功能的同時(shí)，沉淀大量的信息資源并促進(jìn)信息流動(dòng)的效率，大大提高了用戶(hù)信息行為的復(fù)雜性。與此同時(shí)，移動(dòng)終端存儲(chǔ)成本的下降和處理性能的升級(jí)，使同一用戶(hù)融合并協(xié)同多個(gè)社交媒體中的信息成為可能，越來(lái)越多的用戶(hù)也傾向于通過(guò)跨社交媒體滿(mǎn)足多元化的信息需求。用戶(hù)跨社交媒體信息行為迅速流行，備受傳播學(xué)、營(yíng)銷(xiāo)學(xué)、行為學(xué)、圖書(shū)情報(bào)等領(lǐng)域?qū)W者的關(guān)注。

圍繞“用戶(hù)跨社交媒體信息行為”這一核心主題，分別從理論和應(yīng)用的視角開(kāi)展了一系列研究，將這些階段性成果組織為“用戶(hù)跨社交媒體信息行為研究”專(zhuān)題。清晰地界定用戶(hù)跨社交媒體信息行為的概念邊界是分析和應(yīng)用的前提，如何在現(xiàn)有文獻(xiàn)的基礎(chǔ)上，結(jié)合時(shí)代情境，剖析概念內(nèi)涵和外延，豐富用戶(hù)信息行為的理論體系，是目前面臨的首要挑戰(zhàn)。在理論研究的基礎(chǔ)上，針對(duì)特定的場(chǎng)景，靈活運(yùn)用跨社交媒體信息行為特征，突出多源融合，協(xié)同應(yīng)用的實(shí)踐價(jià)值，也是亟待解決的關(guān)鍵問(wèn)題。

鑒于此，本專(zhuān)題組織了３篇論文，分別從理論探索、輿情節(jié)點(diǎn)識(shí)別、推薦算法應(yīng)用３個(gè)方面展開(kāi)探索，以期提供些許啟發(fā)。在理論探索方面，《用戶(hù)跨社交媒體信息行為研究：概念界定主題歸類(lèi)與未來(lái)展望》以過(guò)去十余年國(guó)內(nèi)外相關(guān)文獻(xiàn)為基礎(chǔ)，通過(guò)內(nèi)容分析的方法，剖析用戶(hù)跨社交媒體信息行為的概念內(nèi)涵，并指出了用戶(hù)類(lèi)型多樣性、社交媒體異質(zhì)性、信息線(xiàn)索一致性、行為模式協(xié)同性等概念特征。同時(shí)，從研究背景、信息需求和信息行為等維度梳理相關(guān)理論，將用戶(hù)跨社交媒體信息行為歸納為兩種類(lèi)型。在此基礎(chǔ)上，提出未來(lái)研究應(yīng)進(jìn)一步擴(kuò)展概念特征的外延，構(gòu)建專(zhuān)有理論模型和深挖實(shí)踐價(jià)值。在輿情節(jié)點(diǎn)識(shí)別方面，《跨社交媒體輿情關(guān)鍵節(jié)點(diǎn)識(shí)別方法及其實(shí)證研究》以超網(wǎng)絡(luò)理論為基礎(chǔ)，聚焦由用戶(hù)跨社交媒體行為而產(chǎn)生實(shí)質(zhì)性交互關(guān)系的跨社交媒體輿情傳播情景，對(duì)跨社交媒體輿情傳播中的各子網(wǎng)進(jìn)行建模，構(gòu)建跨社交媒體輿情傳播超網(wǎng)絡(luò)模型，并根據(jù)信息傳播影響度、時(shí)序相似度、主題相似度、情感一致性４個(gè)指標(biāo)構(gòu)建超邊排序算法以及節(jié)點(diǎn)得分公式。然后，選取微博、今日頭條、抖音、嗶哩嗶哩、知乎、微信６個(gè)平臺(tái)中的數(shù)據(jù)展開(kāi)實(shí)證檢驗(yàn)。通過(guò)從不同維度識(shí)別與解讀跨社交媒體輿情傳播過(guò)程中的關(guān)鍵節(jié)點(diǎn)，能夠更好地描述跨社交媒體輿情的傳播過(guò)程與特點(diǎn)，為相關(guān)部門(mén)的輿情治理和保障網(wǎng)絡(luò)信息安全提供新的思路。在推薦算法方面，《融合跨平臺(tái)用戶(hù)偏好與異質(zhì)信息網(wǎng)絡(luò)的推薦算法研究》將跨平臺(tái)的多領(lǐng)域異質(zhì)信息引入推薦系統(tǒng)，提出的ＣＰＨＡＲ算法旨在全面挖掘跨平臺(tái)數(shù)據(jù)要素價(jià)值，緩解推薦的稀疏性和冷啟動(dòng)問(wèn)題。模型構(gòu)建了用戶(hù)跨平臺(tái)的核心興趣朋友圈，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制建模用戶(hù)跨平臺(tái)的信息偏好，使用ＨＡＮ模型進(jìn)行用戶(hù)和項(xiàng)目節(jié)點(diǎn)信息的高階聚合，最后基于改進(jìn)的矩陣分解模型進(jìn)行推薦預(yù)測(cè)。ＣＰＨＡＲ在自主構(gòu)建的４個(gè)跨平臺(tái)數(shù)據(jù)集中均表現(xiàn)出優(yōu)越的性能。該研究將為多領(lǐng)域多情景下的用戶(hù)偏好特征建模及推薦應(yīng)用提供借鑒，為基于場(chǎng)景精細(xì)化和跨域關(guān)聯(lián)式的信息資源推薦提供范式拓新。

畢達(dá)天

吉林大學(xué)商學(xué)與管理學(xué)院 教授、博士生導(dǎo)師