吳 謙，曹金璇

（中國(guó)人民公安大學(xué)，北京 102600）

0 引 言

隨著社交網(wǎng)絡(luò)的不斷發(fā)展與完善，越來越多的網(wǎng)民開始將微博﹑微信等社交平臺(tái)視作發(fā)布和獲取各類信息的主要渠道，而短時(shí)間內(nèi)迅速聚集的各類信息也使得這些社交平臺(tái)成為輿情傳播的重要途徑之一。國(guó)內(nèi)首家微博網(wǎng)站新浪微博在2009年創(chuàng)立，隨后微博便開始在我國(guó)得到爆炸式發(fā)展，其中以新浪微博的使用最為廣泛[1]。近年來，隨著信息傳播形式的大量豐富﹑移動(dòng)網(wǎng)絡(luò)終端的迅速發(fā)展和微博自身版本的不斷提升，當(dāng)下網(wǎng)民通過微博獲取和傳播信息的途徑更為多元化。相比于微博發(fā)展的早期，僅以文字或圖片為基礎(chǔ)的信息傳播方式已經(jīng)逐漸演變成文字﹑圖片﹑視頻﹑超鏈接甚至網(wǎng)絡(luò)直播為載體的多元化信息傳播方式。由于用戶數(shù)量眾多﹑信息傳播速度快等原因，微博平臺(tái)容易迅速形成較強(qiáng)的輿論壓力，可能對(duì)事件的發(fā)展和結(jié)果造成不可逆轉(zhuǎn)的重要影響，甚至導(dǎo)致一些較為嚴(yán)重的現(xiàn)實(shí)后果。

1 研究現(xiàn)狀

1.1 基于群體狀態(tài)的傳播模型

1.1.1 傳染病信息傳播模型

信息傳播領(lǐng)域最廣為人知的理論模型是基于現(xiàn)實(shí)傳染病傳播的傳染病模型。借鑒傳染病模型的思想，將社交網(wǎng)絡(luò)中的節(jié)點(diǎn)劃分為不知道消息的人群（S）﹑知道并繼續(xù)傳播消息的人群（I）以及知道消息但失去傳播興趣的人群（R）。通過不同狀態(tài)間的變化，研究信息的傳播。隨著研究的深入，一種名為SEIR的社交網(wǎng)絡(luò)傳染病模型被提出并被廣泛認(rèn)可。如圖1所示，它加入了潛伏狀態(tài)E（Exposed），用以表示受到感染的個(gè)體以一定的概率發(fā)病。

圖1 SEIR傳染病模型

1.1.2 影響力傳播模型

影響力傳播模型假設(shè)信息擴(kuò)散的過程由個(gè)別節(jié)點(diǎn)的影響力掌控，通過對(duì)節(jié)點(diǎn)影響力進(jìn)行評(píng)估而預(yù)測(cè)信息傳播趨勢(shì)。該模型定義節(jié)點(diǎn)u的影響力函數(shù)Iu(x)，表示在u被影響x個(gè)時(shí)間段后其粉絲提及該信息的數(shù)量。定義函數(shù)V(t)，表示t時(shí)刻系統(tǒng)中提及某個(gè)信息的節(jié)點(diǎn)數(shù)量。假設(shè)V(t)為所有已受影響的節(jié)點(diǎn)影響力函數(shù)之和：

其中，A(t)表示已受影響的節(jié)點(diǎn)集合，節(jié)點(diǎn)u在tu時(shí)刻被影響（tu≤t）。

該模型可描述如下：節(jié)點(diǎn)u﹑v﹑w在tu﹑tv及tw時(shí)刻被影響，之后各自產(chǎn)生一個(gè)影響力函數(shù)Iu(ttu)﹑Iv(t-tv)和Iw(t-tw)。t時(shí)刻，系統(tǒng)中提及某信息的量V(t)為這三個(gè)影響力函數(shù)之和。

1.2 基于信息特性的傳播模型

已有的社交網(wǎng)絡(luò)信息傳播模型大多假設(shè)信息不受網(wǎng)絡(luò)外的影響，僅沿著社交網(wǎng)絡(luò)中的邊在節(jié)點(diǎn)之間傳播[2]。然而，現(xiàn)實(shí)世界中，社交網(wǎng)絡(luò)中的用戶可通過多種渠道獲取信息。這時(shí)可以用函數(shù)λext(t)來描述某用戶受外部影響獲得的信息量。若其鄰接節(jié)點(diǎn)已發(fā)布過相關(guān)信息，則會(huì)對(duì)該用戶產(chǎn)生基于鏈接的內(nèi)部影響λint(t)。函數(shù)η(x)描述用戶接觸到信息而發(fā)布有關(guān)微博的概率。最終，用戶或者受到影響發(fā)布相關(guān)微博，或者不再對(duì)該信息產(chǎn)生反應(yīng)。節(jié)點(diǎn)i受到的總影響為：

其中，Λi(nit)表示節(jié)點(diǎn)受到內(nèi)部影響獲得信息的期望值，Λext(t)為節(jié)點(diǎn)所受外部影響獲得信息的期望值。

最終，用戶i受到影響發(fā)布有關(guān)微博的概率為：

其中，函數(shù)η(x)描述用戶接觸信息而發(fā)布有關(guān)微博的可能性。

2 模型構(gòu)建

2.1 理論基礎(chǔ)與研究假設(shè)

2.1.1 理論基礎(chǔ)

在實(shí)際的微博網(wǎng)絡(luò)輿情信息傳播過程中，輿情話題的傳播過程往往受到多方面影響[3]。例如，某一個(gè)話題在經(jīng)過意見領(lǐng)袖如微博中擁有大V稱號(hào)的博主轉(zhuǎn)發(fā)后，由于這些意見領(lǐng)袖的粉絲眾多，作為輿情傳播網(wǎng)絡(luò)的重要節(jié)點(diǎn)之一，就有可能加快輿情在社交網(wǎng)絡(luò)間的傳播速度。另外，輿情話題在微博中被評(píng)論或者轉(zhuǎn)發(fā)時(shí)，評(píng)論者或轉(zhuǎn)發(fā)者的情感傾向也會(huì)對(duì)輿情傳播造成一定影響。例如，當(dāng)某一話題引起較多人產(chǎn)生強(qiáng)烈正性或負(fù)性情感共鳴時(shí)，原本對(duì)事件保持中立的網(wǎng)民就有可能受到這種情感傾向的影響而加入到輿情話題的傳播和討論中，從而進(jìn)一步影響輿情本身在網(wǎng)絡(luò)中的傳播。除了以上兩點(diǎn)，輿情信息本身的形式也會(huì)對(duì)其在微博網(wǎng)絡(luò)中的傳播產(chǎn)生重要影響。

微博平臺(tái)中發(fā)布的信息大致分為以下幾種。

（1）短文本信息。短文本信息主要由一段簡(jiǎn)短的文字﹑表情或符號(hào)組成，通常不足以成為輿情話題，或者缺少作為輿情信息傳播的豐富性和可靠性。這類信息主要作為個(gè)人情感因素的表達(dá)或者簡(jiǎn)單的評(píng)論以及對(duì)某一事件的簡(jiǎn)單描述[4]。

（2）長(zhǎng)文本信息。自2016年以后，新浪微博開始取消對(duì)發(fā)布微博內(nèi)容字?jǐn)?shù)的限制，將原來140字的字?jǐn)?shù)限制改為2 000字，并且經(jīng)過對(duì)會(huì)員的開放試用到所有用戶取消限制，如今最新版本的微博平臺(tái)已經(jīng)可以發(fā)布篇幅較長(zhǎng)的文本信息[5]。長(zhǎng)文本信息的內(nèi)容較之短文本而言更豐富，可以較為全面和清晰地描述某一事件，但由于缺乏類似圖片﹑視頻或者其他超鏈接的支持，其輿論影響效力一般。

（3）圖片信息。微博平臺(tái)中的圖片信息主要分為單張圖片﹑多張圖片﹑長(zhǎng)圖片以及GIF圖片幾種形式。其中，GIF圖片是將一些連續(xù)的圖片通過處理連接成一小段GIF格式的小視頻（通常僅為幾秒），然后發(fā)布在微博上的一種較為新穎的信息傳播方式[6]。和視頻不同，GIF圖片往往較為簡(jiǎn)短，其中大多只包含與主題有關(guān)的內(nèi)容信息，但這類信息格式的傳播成本低﹑傳播速度快且內(nèi)容比一般圖片更加豐富。

（4）視頻信息。目前，最新微博版本中除了可以發(fā)布文字﹑圖片信息外，還可以發(fā)布視頻內(nèi)容。這一更新較之以往的版本對(duì)各類輿情話題的傳播無疑起到了重要的推動(dòng)作用。視頻往往最有能力還原事件真相，因此相比于前幾種信息形式，當(dāng)某一輿情話題中包含一段相關(guān)視頻內(nèi)容后，往往更容易引起網(wǎng)友的關(guān)注。另外，當(dāng)一些輿情事件還處在發(fā)酵階段時(shí)，如果微博網(wǎng)絡(luò)上出現(xiàn)了類似的視頻內(nèi)容，那么將很有可能影響甚至推翻之前的輿情話題，產(chǎn)生新一輪的輿情爆炸事件。

（5）超鏈接信息。超鏈接信息也是微博輿情信息傳播中的一種重要形式。大多數(shù)輿情話題在經(jīng)過微博博主發(fā)布后通常會(huì)附上一段超鏈接，當(dāng)微博用戶對(duì)話題產(chǎn)生興趣并點(diǎn)開這些鏈接時(shí)，鏈接轉(zhuǎn)向的網(wǎng)頁內(nèi)容中就可能包含以上的任意一種或幾種信息形式，從而使用戶對(duì)話題產(chǎn)生興趣以及正性或負(fù)性的情感傾向，最終影響輿情話題在微博網(wǎng)絡(luò)中的傳播[7]。

2.1.2 模型假設(shè)

根據(jù)媒介豐富性理論及以上理論基礎(chǔ)，本文認(rèn)為微博中輿情話題的信息形式會(huì)對(duì)輿情的傳播產(chǎn)生影響，并據(jù)此提出以下假設(shè)：

H1：輿情話題的信息形式會(huì)正向影響微博轉(zhuǎn)發(fā)H2：輿情話題的信息形式會(huì)正向影響微博評(píng)論以上猜想的依據(jù)是由于僅以文字形式傳播的輿情信息缺乏說服力，有可能導(dǎo)致受眾小﹑傳播速度慢﹑不易在微博網(wǎng)絡(luò)中發(fā)生話題效應(yīng)，對(duì)微博用戶的吸引力較小。相比之下，同時(shí)包含圖片和文字兩種信息形式的輿情話題更容易引起微博用戶的興趣而產(chǎn)生關(guān)注，也更加具備一定的說服力和話題性。而當(dāng)一個(gè)輿情話題信息中能夠包含詳細(xì)完整的視頻內(nèi)容及其他形式的信息作為補(bǔ)充時(shí)，該話題的說服力和影響力較之前兩張形式更為強(qiáng)烈。由于視頻信息中不僅包含了聲音和圖像，還能詳細(xì)完整地還原話題事件發(fā)生的經(jīng)過，因此更能使用戶產(chǎn)生強(qiáng)烈的情感傾向和對(duì)話題的參與熱情，從而影響輿情在網(wǎng)絡(luò)中的傳播。

2.2 數(shù)學(xué)模型的構(gòu)建

2.2.1 研究變量

依據(jù)樣本數(shù)據(jù)特征，本文將微博輿情話題的信息形式細(xì)分為文字信息﹑圖片信息﹑視頻信息以及超鏈接信息四個(gè)虛擬指標(biāo)。同時(shí)，考慮到輿情傳播過程中可能受到意見領(lǐng)袖[8]的影響，增加一項(xiàng)以話題微博發(fā)布者及微博轉(zhuǎn)發(fā)者的粉絲數(shù)量為基礎(chǔ)的解釋變量，以保證實(shí)驗(yàn)的變量控制原則，消除可能帶來的影響。

被解釋變量：

Fi（Forward）轉(zhuǎn)發(fā)數(shù)：樣本中第i條微博獲得的轉(zhuǎn)發(fā)數(shù)量；

Ri（Reply）評(píng)論數(shù)：樣本中第i條微博獲得的評(píng)論數(shù)。

解釋變量：

Wi（Word）文字形式：虛擬變量，表示樣本中第i條微博中是否包含文字形式的信息內(nèi)容，包含標(biāo)記為“1”，不包含標(biāo)記為“0”；

Pi（Picture）圖片形式：虛擬變量，表示樣本中第i條微博中是否包含圖片形式的信息內(nèi)容，包含標(biāo)記為“1”，不包含標(biāo)記為“0”；

Vi（Video）視頻形式：虛擬變量，表示樣本中第i條微博中是否包含視頻形式的信息內(nèi)容，包含標(biāo)記為“1”，不包含標(biāo)記為“0”；

Hi（Hyperlink）超鏈接：虛擬變量，表示樣本中第i條微博中是否包含超鏈接形式的信息內(nèi)容，包含標(biāo)記為“1”，不包含標(biāo)記為“0”；

2.2.2 回歸假設(shè)檢驗(yàn)?zāi)Ｐ蜆?gòu)建

本文考慮將微博內(nèi)容的轉(zhuǎn)發(fā)數(shù)量和對(duì)微博內(nèi)容的評(píng)論數(shù)量作為參考依據(jù)，用來表示該微博輿情話題的傳播程度和傳播效果，以研究微博話題的信息形式對(duì)輿情傳播過程產(chǎn)生的影響[9]。所構(gòu)建的原始回歸模型如下：

模型（a）：

2.2.3 樣本選擇

考慮到數(shù)據(jù)來源的權(quán)威性和全面性，本文選取國(guó)內(nèi)最大的微博網(wǎng)絡(luò)平臺(tái)——新浪微博，作為樣本數(shù)據(jù)的獲取平臺(tái)。

考慮到事件的關(guān)注熱度和社會(huì)影響，本文根據(jù)權(quán)威網(wǎng)站人民網(wǎng)在2017年上半年發(fā)布在社會(huì)藍(lán)皮書上的《2016年互聯(lián)網(wǎng)輿情報(bào)告》中的內(nèi)容，選取位列2016年互聯(lián)網(wǎng)輿情熱度首位的“杭州G20峰會(huì)”作為研究案例。

3 數(shù)據(jù)分析與討論

3.1 數(shù)據(jù)收集與預(yù)處理

根據(jù)上文給出的數(shù)據(jù)變量和采集要求，本文利用Python自編網(wǎng)絡(luò)爬蟲工具對(duì)微博上的相關(guān)數(shù)據(jù)進(jìn)行收集[10]。首先通過在新浪微博主頁的搜索項(xiàng)中輸入關(guān)鍵詞“杭州G20峰會(huì)”得到相關(guān)微博信息，然后運(yùn)行爬蟲程序，對(duì)2016年8月1日至2016年9月31日兩個(gè)月內(nèi)的相關(guān)微博數(shù)據(jù)以及信息形式進(jìn)行采集和挖掘，并根據(jù)表1中給出的判斷標(biāo)準(zhǔn)對(duì)數(shù)據(jù)進(jìn)行清洗和預(yù)處理，最后將數(shù)據(jù)導(dǎo)出到數(shù)據(jù)庫中，得到如表2所示的初步統(tǒng)計(jì)結(jié)果。

表1 樣本分類

表2 樣本數(shù)據(jù)初步統(tǒng)計(jì)結(jié)果

3.2 數(shù)據(jù)分析與討論

3.2.1 相關(guān)分析

在輸入以上收集的數(shù)據(jù)信息后，輸出結(jié)果如表3﹑表4所示。

表3 模型（a）的相關(guān)數(shù)據(jù)分析結(jié)果

表4 模型（b）的相關(guān)數(shù)據(jù)分析結(jié)果

本文利用Pearson相關(guān)系數(shù)對(duì)各解釋變量進(jìn)行檢驗(yàn)。若顯著性檢驗(yàn)概率值（P值）大于0.05，則表示變量間沒有顯著相關(guān)性。通過分析得到，除文字形式Wi和超鏈接形式Hi以外，其他解釋變量的P值均小于0.05，由此得出以下結(jié)論：

（1）文字信息形式作為微博輿情傳播的解釋變量和被解釋變量之間并沒有顯著相關(guān)性[11]，這可能是由于收集的所有微博輿情數(shù)據(jù)信息中幾乎都包含了文字信息內(nèi)容；

（2）其他四個(gè)解釋變量與被解釋變量間都具有顯著相關(guān)性[12]，可以進(jìn)行較為準(zhǔn)確的回歸分析，同時(shí)粉絲數(shù)量與評(píng)論數(shù)之間的相關(guān)性最為明顯，而視頻信息形式與轉(zhuǎn)發(fā)數(shù)和評(píng)論數(shù)之間的相關(guān)性最為明顯，這也初步驗(yàn)證了前文結(jié)論，即視頻信息比文字和圖片信息形式更能引起微博用戶對(duì)輿情話題的反應(yīng)。

3.2.2 回歸分析

首先采用原始回歸模型對(duì)輿情話題的信息形式和樣本微博傳播的效果之間的關(guān)系進(jìn)行分析，其中原始模型（a）對(duì)應(yīng)轉(zhuǎn)發(fā)量數(shù)據(jù)，原始模型（b）對(duì)應(yīng)評(píng)論量數(shù)據(jù)，相關(guān)系數(shù)為正表示正相關(guān)，反之為負(fù)相關(guān)[13]。從表3和表4不難看出，兩個(gè)模型容差值均大于0.1，VIF值均小于10，說明變量間不存在多元共線問題，數(shù)據(jù)的多重共線性檢驗(yàn)指標(biāo)符合要求[14]。

根據(jù)表3和表4所示的回歸結(jié)果，表明在微博輿情話題傳播過程中，圖片信息形式﹑視頻信息形式和節(jié)點(diǎn)的粉絲數(shù)量三個(gè)因素，對(duì)輿情話題微博的轉(zhuǎn)發(fā)量和評(píng)論量均有顯著正向影響[15]；而超鏈接信息形式對(duì)輿情話題微博的轉(zhuǎn)發(fā)量和評(píng)論量具有顯著的負(fù)性影響。由此可以驗(yàn)證上文提出的假設(shè)：即信息形式會(huì)對(duì)微博輿情的傳播產(chǎn)生正向影響，且視頻信息形式對(duì)輿情傳播的影響最大。此外，由于現(xiàn)有的微博信息幾乎全部包含文字信息，即微博內(nèi)容一定含有文字，所以在這幾類信息形式中，只有文字信息對(duì)輿情的傳播幾乎沒有影響。

同時(shí)需要注意，超鏈接信息形式與微博輿情話題中的評(píng)論量呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，原因可能是：

（1）本文研究的案例中含有超鏈接信息形式的微博多來自用戶對(duì)官方所發(fā)布微博內(nèi)容的轉(zhuǎn)發(fā)，很多信息出現(xiàn)了重復(fù)，降低了用戶對(duì)該類博文的興趣以及轉(zhuǎn)發(fā)和評(píng)論的可能性；

（2）當(dāng)微博用戶點(diǎn)開超鏈接查看輿情話題的詳細(xì)內(nèi)容信息時(shí)，很有可能會(huì)從微博平臺(tái)跳轉(zhuǎn)至第三方網(wǎng)站，易造成微博用戶在查看完信息內(nèi)容后往往不再愿意回到微博原文的頁面上進(jìn)行評(píng)論或者轉(zhuǎn)發(fā)，而是經(jīng)過超鏈接轉(zhuǎn)向的網(wǎng)頁進(jìn)行評(píng)論和轉(zhuǎn)發(fā)。

4 結(jié) 語

本文在國(guó)內(nèi)外專家學(xué)者的研究基礎(chǔ)上，以國(guó)內(nèi)最受歡迎的新浪微博為輿情研究平臺(tái)，提出基于信息形式的微博輿情傳播模型，構(gòu)建并驗(yàn)證了以信息形式為解釋變量的原始回歸方程，最后通過數(shù)據(jù)分析驗(yàn)證了模型的有效性和正確性。實(shí)驗(yàn)結(jié)果表明，現(xiàn)有的不同信息形式特別是視頻信息會(huì)對(duì)輿情話題信息的傳播產(chǎn)生重要影響。相比于傳統(tǒng)的文字或圖片信息形式，視頻信息獨(dú)有的吸引力和表現(xiàn)力，更能夠抓住用戶眼球，降低用戶對(duì)輿情話題的參與成本，提高用戶對(duì)輿情話題的參與意愿，從而對(duì)輿情話題在微博網(wǎng)絡(luò)中的傳播產(chǎn)生影響。

由于受數(shù)據(jù)量﹑技術(shù)條件和研究方法的限制，本文僅選取了新浪微博作為研究平臺(tái)，且只針對(duì)“杭州G20峰會(huì)”這一輿情話題進(jìn)行了有限時(shí)間范圍內(nèi)的數(shù)據(jù)收集工作，有可能導(dǎo)致樣本不具有足夠的普遍性和說服力。后續(xù)研究中，可以通過提高樣本數(shù)據(jù)的數(shù)量﹑維度以及平臺(tái)多樣性，針對(duì)性地選取樣本數(shù)據(jù)收集的時(shí)間條件，進(jìn)一步對(duì)信息形式可能產(chǎn)生的影響以及這些影響間的內(nèi)在聯(lián)系進(jìn)行更加深入的研究和分析。此外，除了信息內(nèi)容的形式，輿情話題信息的其他特征也可作為今后值得關(guān)注的研究方向。

[1] 鄧夏瑋.基于社交網(wǎng)絡(luò)的用戶行為研究[D].北京:北京交通大學(xué),2012.

DENG Xia-wei.Study on User Behavior based on Social Network[D].Beijing:Beijing Jiaotong University,2012.

[2] 吳增海.社交網(wǎng)絡(luò)模型的研究[D].合肥:中國(guó)科學(xué)技術(shù)大學(xué),2012.

WU Zeng-hai.Study on the Model of Social Network[D].Hefei:University of Science and Technology of China,2012.

[3] 高嫻子.近年來我國(guó)社交網(wǎng)絡(luò)發(fā)展研究[D].廣州:暨南大學(xué),2011.

GAO Xian-zi.Research on the Development of China’s Social Network[D].Guangzhou:Jinan University,2011.

[4] 李林容.社交網(wǎng)絡(luò)的特性及其發(fā)展趨勢(shì)[J].新聞界,2010(05):32-34.

LI Lin-rong.Social Network Features and Development Trend[J].Press Circles,2010(05):32-34.

[5] 張彥超.社交網(wǎng)絡(luò)服務(wù)中信息傳播模式與輿論演進(jìn)過程研究[D].北京:北京交通大學(xué),2012.

ZHANG Yan-chao.Research on Information Dissemination and Opinon Evolution in the Social Networking Services[D].Beijing:Beijing Jiaotong University,2012.

[6] 張彥超,劉云,張海峰等.基于在線社交網(wǎng)絡(luò)的信息傳播模型[J].物理學(xué)報(bào),2011,60(05):1-7.

ZHANG Yan-chao,LIU Yun,ZHANG Hai-feng,et al.The Research of Information Dissemination Model on Online Social Network[J].Acta Phys. Sin,2011,60(05):1-7.

[7] 廖福生,江昀.微博客的信息傳播模式及其發(fā)展分析[J].寧波廣播電視大學(xué)學(xué)報(bào),2010,8(02):4-6.

LIAO Fu-sheng,JIANG Yun.An Analysis of Microblogging Information Dissemination Model and Its Development[J].Journal of Ningbo Radio &University,2010,8(02):4-6.

[8] 王曉光.微博客用戶行為特征與關(guān)系特征實(shí)證分析——以新浪微博為例[J].圖書情報(bào)工作,2010,54(14):66-70.

WANG Xiao-guang.Empirical Analysis on Behavior Characteristics of Micro-blog Users——Take SinaMicroblog for Example[J].Library and Information Service,2010,54(14):66-70.

[9] 袁園.微博用戶轉(zhuǎn)發(fā)意愿的影響因素[D].南京:南京大學(xué),2013:52-53.

YUAN Yuan.Research on Influence Factors of Microblog Users’Forwarding Intention[D].Nanjing:Nanjing University,2013:52-53.

[10] 陳遠(yuǎn),袁艷紅.微博信息傳播的正負(fù)社會(huì)效應(yīng)[J].信息資源管理學(xué)報(bào),2012(02):48-54.

CHEN Yuan,YUAN Yan-hong.The Positive and Negetive Social Effect of Microblog Information Dissemination[J].Journal of Information Research Management,2012(02):48-54.

[11] 吉祥.基于觀點(diǎn)挖掘的網(wǎng)絡(luò)輿情信息分析[J].現(xiàn)代情報(bào),2010(11):46-49.

JI Xiang.Analysis of Net-Mediated Public Sentiment Information Based on the Opinion Mining Technology[J].Journal of Modern Information,2010(11):46-49.

[12] Chang Y W.Influence of Human Behavior and the Principle of Least Effort on Library and Information Science Research[J].Information Processing＆Management,2016,52(04):658-669.

[13] Zhang W,Ye Y Q,Tan H L.Information Diffusion Model Based on Social Network[C].In Proceedings of MCSA 2012:145-150.

[14] Liu Z,Liu L,Li H.Determinants of Information Retweeting in Microblogging[J].Internet Research,2012,22(04):443-466.

[15] Yan Q,Yi L,Wu L.Human Dynamic Model Codriven by Interest and Social Identity in the Microblog Community[J].Physica A:Statistical Mechanics and Its Applications,2012,391(04):1540-1545.