基于行為分析的微信朋友圈信息傳播模型

韓新明(西南科技大學(xué)新聞系，四川 綿陽 621010)

微信自2011年1月21日推出后，以其接入便捷、即時(shí)性、草根性的特點(diǎn)迅速成為人們生活交流中的重要媒介[1-2]。截止到2017年9月底，微信使用用戶達(dá)到9.02億，日發(fā)消息380億次，成為人們自我表達(dá)和獲取信息的重要通道之一。微信用戶在朋友圈的閱讀和轉(zhuǎn)發(fā)行為是微信平臺(tái)信息傳播的重要途徑，用戶已從傳統(tǒng)意義上的信息接受者轉(zhuǎn)化為信息的參與者，甚至可以說是信息生產(chǎn)者，微信平臺(tái)上信息傳播具有速度快、范圍廣的特點(diǎn)，傳播效果明顯超越了傳統(tǒng)媒體[3-4]。因此研究微信朋友圈的信息傳播十分必要。

近年來微信朋友圈的信息傳播問題已成為學(xué)者關(guān)注的熱點(diǎn)，主要集中在以下5個(gè)方面：

第一，微信信息傳播基本理論研究。武沖對(duì)微信信息傳播模式進(jìn)行了研究，指出微信朋友圈信息傳播具有高隱蔽性、傳播鏈條易斷以及娛樂性強(qiáng)的特點(diǎn)，它的應(yīng)用實(shí)現(xiàn)了用戶的自我表達(dá)和信息分享[5]。薛楊等基于沉浸理論的視角探究了用戶關(guān)注行為和分享行為產(chǎn)生的動(dòng)機(jī)，構(gòu)建了微信營(yíng)銷環(huán)境下用戶信息行為的理論模型[6]。王小立以復(fù)雜網(wǎng)絡(luò)理論為基礎(chǔ)建立Agent模型，提出信息本身價(jià)值、Agent節(jié)點(diǎn)之間制約作用以及意志氣候制約等演化規(guī)則影響微信信息傳播機(jī)制[7]。柯赟認(rèn)為輿論信息傳播具有小世界和無標(biāo)度特性，以微信平臺(tái)為基礎(chǔ)進(jìn)行實(shí)證分析，指出移動(dòng)互聯(lián)社交網(wǎng)的無標(biāo)度特性使得信息傳播存在蝴蝶效應(yīng)，擁有眾多關(guān)注度的微信號(hào)或公眾平臺(tái)上轉(zhuǎn)發(fā)的信息更容易引起用戶的廣泛轉(zhuǎn)發(fā)與分享，更容易形成社會(huì)輿論，在專業(yè)話題討論中存在著小世界特征，傳播路徑短、傳播速度快[8]。

第二，微信信息傳播內(nèi)容、影響因素研究。金曉玲等從信息內(nèi)容中提取出影響微信朋友圈健康信息傳播的相關(guān)因素，認(rèn)為富含情緒性、有用性和有趣性對(duì)電子健康信息的傳播行為影響最大[9]。趙大麗等基于理性行為理論構(gòu)建微信朋友圈知識(shí)共享模型，認(rèn)為用戶知識(shí)共享態(tài)度影響其知識(shí)共享意愿，同時(shí)關(guān)系資本、結(jié)構(gòu)資本和認(rèn)知資本對(duì)用戶的知識(shí)共享態(tài)度具有顯著影響[10]。紀(jì)慧生等認(rèn)為推送標(biāo)題、推送內(nèi)容、推送時(shí)機(jī)、數(shù)據(jù)化分析、二次轉(zhuǎn)發(fā)者等是影響微信公眾號(hào)信息傳播效果的主要因素[11]。吳中堂等認(rèn)為標(biāo)題中關(guān)鍵詞熱度、導(dǎo)向性等是影響微信公眾號(hào)信息傳播的重要因素[12]。方婧等研究認(rèn)為微信公眾號(hào)文章熱度與其主題、推送時(shí)間、標(biāo)題特征有一定正相關(guān)性[13]。

第三，微信信息傳播模型構(gòu)建與仿真。李莉等以傳染病模型為基礎(chǔ)，建立基于微信的信息傳播模型，考察了信息發(fā)布率、信息不關(guān)注率、重新關(guān)注率和訊息屏蔽率等因素對(duì)微信平臺(tái)內(nèi)信息傳播的影響[14]。朱海濤等建立了改進(jìn)SEIR信息傳播的系統(tǒng)動(dòng)力學(xué)模型并進(jìn)行了仿真，分析了用戶相似度、信息價(jià)值和信息出現(xiàn)頻次等因素對(duì)微信信息傳播的影響[15]。彭慧潔等提出用戶接受閾值及關(guān)系動(dòng)機(jī)對(duì)于微信信息傳播速度與廣度具有重要影響，微信用戶更愿意接收并接受來自親近好友所傳播的信息[16]。王宏波基于微信朋友圈緊密度、免疫系數(shù)及策略改變機(jī)制等因素構(gòu)建了基于SIR模型的微信朋友圈信息傳播演化模型，并進(jìn)行仿真模擬[17]。

第四，微信信息傳播的案例研究。余張瑞睿等以大學(xué)生群體為研究對(duì)象，以深度訪談的方法探明不同的性別、年級(jí)以及專業(yè)對(duì)微信信息分享動(dòng)機(jī)的影響[18]。付永升等以華中農(nóng)業(yè)大學(xué)信息專業(yè)學(xué)生微信使用情況所構(gòu)成的社會(huì)網(wǎng)絡(luò)為案例進(jìn)行分析，認(rèn)為中心性、凝聚子群和整體網(wǎng)絡(luò)密度對(duì)微信朋友圈信息傳播特征具有重要影響[19]。

第五，信息傳播影響力評(píng)價(jià)、障礙與對(duì)策。蘇云等以天津港爆炸事件為例對(duì)雙微信息傳播數(shù)據(jù)進(jìn)行分析，指出利益相關(guān)者對(duì)信息傳播失真具有影響，從法律法規(guī)、政府管理、技術(shù)平臺(tái)和信息倫理4個(gè)層面提出了雙微信息傳播失真的防范策略[20]。冀芳等認(rèn)為微信公眾平臺(tái)在自身功能建設(shè)存在不足，信息內(nèi)容存在隱患，輿情引導(dǎo)與監(jiān)管尚不到位等問題，構(gòu)建了涵蓋公眾平臺(tái)、粉絲、傳播內(nèi)容與傳播方式的微信公眾平臺(tái)傳播效果評(píng)價(jià)體系，建議通過聚焦粉絲與傳播方式，特別是關(guān)注粉絲的依賴性與傳播互動(dòng)性提升微信傳播效果的策略[21]。

現(xiàn)有研究成果，為研究微信朋友圈的信息傳播奠定了理論基礎(chǔ)。目前的微信朋友圈信息傳播模型構(gòu)建中鮮見有針對(duì)用戶行為分析的研究，本文從信息發(fā)布者、信息接受者、信息內(nèi)容3個(gè)方面提取出5個(gè)特征對(duì)用戶轉(zhuǎn)發(fā)行為進(jìn)行分析建模和仿真，對(duì)分析微信用戶行為、揭示朋友圈信息傳播規(guī)律具有理論意義和應(yīng)用價(jià)值。

1 微信朋友圈信息傳播機(jī)制

微信朋友圈這一半封閉的社交平臺(tái)具有大眾信息傳播的功能，隨著版本的升級(jí)，微信朋友圈信息傳播功能不斷完善，其媒介屬性也在不斷增強(qiáng)。由于微信朋友圈本身設(shè)計(jì)的特殊性，用戶彼此之間發(fā)表的評(píng)論僅針對(duì)互為好友雙方可見，在一定程度上限制了信息的自由流動(dòng)，控制了信息的擴(kuò)散速度，其信息傳播的流動(dòng)性和累積程度與微博相比相對(duì)較弱，一般不會(huì)形成跟微博一樣的輿論事件。

在微信朋友圈信息傳播的網(wǎng)絡(luò)中，用戶發(fā)表信息后，其微信好友通過朋友圈會(huì)以一定的概率看到該信息，如果好友對(duì)該信息有興趣，就會(huì)轉(zhuǎn)發(fā)，如果不感興趣，轉(zhuǎn)發(fā)行為就不會(huì)產(chǎn)生。進(jìn)行轉(zhuǎn)發(fā)的好友將成為信息發(fā)布者，使得信息在其朋友圈中傳播，由此，信息沿著好友的關(guān)系一直傳播擴(kuò)散下去，直至轉(zhuǎn)發(fā)行為的停止。

圖1 微信朋友圈關(guān)系示意圖

圖1表示微信朋友圈的關(guān)系示意圖，用節(jié)點(diǎn)1、2、3、4分別表示微信的4個(gè)用戶，箭頭方向表示好友關(guān)系。節(jié)點(diǎn)1與節(jié)點(diǎn)2、3、4互為好友，同時(shí)節(jié)點(diǎn)4也與節(jié)點(diǎn)2、3互為好友，在微信中，好友的關(guān)系是相互的，這就決定了信息在微信好友之間傳播具有雙向性。當(dāng)節(jié)點(diǎn)1發(fā)表朋友圈后，其好友節(jié)點(diǎn)2、3、4同時(shí)看到信息，他們將根據(jù)實(shí)際情況決定是否轉(zhuǎn)發(fā)，如果節(jié)點(diǎn)2或者節(jié)點(diǎn)3轉(zhuǎn)發(fā)該信息，節(jié)點(diǎn)4會(huì)同樣看到該信息，由于微信好友之間的這種復(fù)雜性，導(dǎo)致節(jié)點(diǎn)4最終轉(zhuǎn)發(fā)的概率是其多次看到信息后所進(jìn)行選擇的結(jié)果。

2 微信轉(zhuǎn)發(fā)行為特征分析

2.1 轉(zhuǎn)發(fā)行為影響因素相關(guān)研究

目前國(guó)內(nèi)外針對(duì)微信朋友圈轉(zhuǎn)發(fā)行為的影響因素研究主要集中在用戶特征、用戶需求以及轉(zhuǎn)發(fā)成本等3個(gè)方面。關(guān)于用戶特征的研究，李照[22]研究認(rèn)為微信用戶群體具有“年輕、高學(xué)歷”等特點(diǎn)，盡管使用微信朋友圈的男性用戶數(shù)量多于女性，但分享意愿卻弱于女性用戶；李晨等[23]運(yùn)用問卷調(diào)查方法，對(duì)微信朋友圈轉(zhuǎn)發(fā)行為動(dòng)機(jī)進(jìn)行了實(shí)證分析，結(jié)果顯示依賴習(xí)慣、普遍化趨勢(shì)和便捷生活的需求是微信用戶轉(zhuǎn)發(fā)的重要因素；鄧勝利等[24]利用五因素方法分析了微信用戶的轉(zhuǎn)發(fā)行為，得出外向型和開放性與社交媒體信息分享呈正相關(guān)，而盡責(zé)性與社交媒體信息分享呈負(fù)相關(guān)。關(guān)于用戶需求研究，Sally M.Li等[25]通過研究信息分享行為的強(qiáng)大影響力等5類信息分享行為動(dòng)機(jī)，指出擴(kuò)展社會(huì)影響社交圈是主要轉(zhuǎn)發(fā)動(dòng)機(jī)；蔡劍等[26]從研究生用戶群著手，利用馬斯洛需要層次理論得出收藏動(dòng)機(jī)、名譽(yù)聲望、自身需求、利他動(dòng)機(jī)、安全需求和社交動(dòng)機(jī)是影響研究生信息分享行為的因素。關(guān)于轉(zhuǎn)發(fā)成本研究，姜雪[27]認(rèn)為成本對(duì)于信息分享有特殊意義，包括時(shí)間、金錢、個(gè)人隱私等成本；柳瑤等[28]指出安全性因素是影響自媒體用戶生成內(nèi)容的主要?jiǎng)訖C(jī)。這些成果對(duì)微信朋友圈轉(zhuǎn)發(fā)行為的特征提取具有重要借鑒意義。

2.2 特征選取

特征選取直接決定著模型的合理性。在已有研究基礎(chǔ)上，本文認(rèn)為微信朋友圈內(nèi)信息的轉(zhuǎn)發(fā)行為與信息發(fā)布者、信息接受者以及信息內(nèi)容等因素相關(guān)，本文從這3個(gè)方面進(jìn)行特征選取。

2.2.1 信息發(fā)布者

信息發(fā)布者的影響力采用PageRank方法進(jìn)行評(píng)價(jià)[29]。該方法的優(yōu)點(diǎn)是同時(shí)考慮了用戶自身及其微信朋友圈關(guān)系兩方面特征，能夠更真實(shí)地評(píng)價(jià)信息發(fā)布者的影響力。信息發(fā)布者的影響力越高，信息接受者轉(zhuǎn)發(fā)的概率越大，其發(fā)布的微信朋友圈信息相對(duì)來說更容易被轉(zhuǎn)發(fā)。其計(jì)算公式如式(1)：

(1)

其中：RU為信息發(fā)布者U的影響力；I(U)為信息發(fā)布者RU的好友集合；CV為信息發(fā)布者V的好友數(shù)量；d為阻尼系數(shù)，根據(jù)經(jīng)驗(yàn)取0.85。

2.2.2 信息接受者

決定轉(zhuǎn)發(fā)行為的信息接受者因素主要包括用戶習(xí)慣、與信息發(fā)布者親密度以及用戶興趣。首先，不同用戶使用微信朋友圈的意圖不同，有傾向于通過發(fā)表原創(chuàng)信息來表達(dá)個(gè)人的狀態(tài)或者針對(duì)某些問題的觀點(diǎn)，也有傾向于轉(zhuǎn)發(fā)信息提高個(gè)人關(guān)注度的；其次，信息接受者與信息發(fā)布者之間溝通交流相對(duì)較多，表明他們之間的關(guān)系越親密，那么他們之間發(fā)生轉(zhuǎn)發(fā)的概率就會(huì)越高；第三，信息接受者與信息發(fā)布者之間興趣愛好的差異也會(huì)導(dǎo)致轉(zhuǎn)發(fā)行為的不同。因此，在表征信息接受者對(duì)轉(zhuǎn)發(fā)行為影響時(shí)，采用轉(zhuǎn)發(fā)活躍度、用戶親密度與興趣相近度進(jìn)行度量。

①轉(zhuǎn)發(fā)活躍度Ar代表在一定時(shí)間t內(nèi)，信息接受者轉(zhuǎn)發(fā)信息的數(shù)量與發(fā)布原創(chuàng)信息數(shù)量的比值，計(jì)算公式如下：

(2)

其中：ri為信息接受者在i時(shí)間的轉(zhuǎn)發(fā)信息的數(shù)量，pi為信息接受者在i時(shí)間發(fā)布的原創(chuàng)信息數(shù)量。

②用戶親密度C表示某一時(shí)間范圍內(nèi)信息發(fā)布者與信息接受者之間信息交往的頻度，以轉(zhuǎn)發(fā)和評(píng)論這兩種行為占用戶總行為的比值來衡量交互頻度，體現(xiàn)了一方對(duì)于另一方的重要性。信息交往主要包括信息評(píng)論和信息轉(zhuǎn)發(fā)，C可由式(3)得到：

(3)

其中：rUV為用戶U轉(zhuǎn)發(fā)V的微信信息次數(shù)，cUV為用戶U評(píng)論V的微信信息次數(shù)，rU為該時(shí)間段內(nèi)用戶U轉(zhuǎn)發(fā)微信信息的總次數(shù)，cU為該時(shí)間段內(nèi)用戶U評(píng)論微信信息的總次數(shù)。

③興趣相近度可以通過用戶之間內(nèi)容整合的特征距離表示。微信朋友圈作為信息傳播的平臺(tái)，為用戶開展信息傳遞和溝通帶來了便利，以原創(chuàng)信息和轉(zhuǎn)發(fā)信息為依據(jù)將與用戶相關(guān)的信息進(jìn)行整合，通過分詞和特征值選取的方式建立向量矩陣F，采用VSM模型計(jì)算特征距離[30]，計(jì)算方法如下：

(4)

(5)

通過公式(4)、(5)計(jì)算出特征距離后，采用特征距離對(duì)興趣相近度進(jìn)行表征，特征距離越大，用戶之間微信朋友圈信息相似度越大，信息接受者轉(zhuǎn)發(fā)的概率越大。微信朋友圈中好友之間的關(guān)系以熟人為主，人員組成相對(duì)穩(wěn)定，雖然隨著時(shí)間的變化用戶的關(guān)注點(diǎn)發(fā)生改變，但是他們之間相似度相對(duì)穩(wěn)定。因此，某一時(shí)間用戶之間的相似度能夠代表某一周期的狀態(tài)。

2.2.3 信息內(nèi)容

微信朋友圈用戶的轉(zhuǎn)發(fā)行為是用戶結(jié)合自身的認(rèn)知，對(duì)朋友圈信息進(jìn)行選擇和決策的過程，而不是一個(gè)簡(jiǎn)單的瞬息行為。因此，微信朋友圈用戶在進(jìn)行轉(zhuǎn)發(fā)時(shí)是有選擇的，在眾多的信息中，僅有部分信息被轉(zhuǎn)發(fā)，其影響力被進(jìn)一步強(qiáng)化。微信朋友圈的信息內(nèi)容在信息傳播的過程中被大家熟知的比例越大，熱議值越高，被轉(zhuǎn)發(fā)的概率就越大。微信平臺(tái)利用大數(shù)據(jù)的思維發(fā)布了微信指數(shù)。在微信指數(shù)中，微信平臺(tái)為了方便查詢?cè)谀骋粫r(shí)間段內(nèi)的某詞匯的熱度，對(duì)大量用戶的搜索和瀏覽數(shù)據(jù)進(jìn)行分析，形成了當(dāng)日、7日、30日以及90日動(dòng)態(tài)指數(shù)變化分析。本文采用微信指數(shù)中7日內(nèi)“關(guān)鍵詞”動(dòng)態(tài)指數(shù)的平均值表征微信朋友圈信息熱度。

3 信息傳播模型的構(gòu)建與仿真模擬

3.1 基于LR轉(zhuǎn)發(fā)模型的預(yù)測(cè)方法

在進(jìn)行轉(zhuǎn)發(fā)行為預(yù)測(cè)時(shí)，建立如下方程表征好友在看到信息后所采取的行為：

YUV=f(U,V,W)

(6)

其中：U為信息發(fā)布者，V為信息接受者，W為信息內(nèi)容，YUV=1代表轉(zhuǎn)發(fā)，YUV=0代表不轉(zhuǎn)發(fā)。

微信朋友圈中信息的轉(zhuǎn)發(fā)行為符合機(jī)器學(xué)習(xí)中的二分類問題的特點(diǎn)，用戶的轉(zhuǎn)發(fā)概率與影響轉(zhuǎn)發(fā)的屬性特征呈現(xiàn)出線性關(guān)系。因此本文在進(jìn)行每個(gè)用戶轉(zhuǎn)發(fā)概率時(shí)，采用LR模型進(jìn)行分類，進(jìn)而沿著好友關(guān)系逐級(jí)進(jìn)行計(jì)算并判斷是否轉(zhuǎn)發(fā)，最終確定轉(zhuǎn)發(fā)規(guī)模。

結(jié)合微信朋友圈的特點(diǎn)得到轉(zhuǎn)發(fā)的預(yù)測(cè)公式如下：

P=1/(1+e-ωCu)

(7)

其中：P為信息接受者V的轉(zhuǎn)發(fā)概率，Cu為影響信息接受者轉(zhuǎn)發(fā)行為的特征向量，ω為特征權(quán)值向量，代表每個(gè)特征對(duì)轉(zhuǎn)發(fā)行為的影響程度，采用極大似然函數(shù)來求取每個(gè)特征的權(quán)重。

3.2 建模步驟

在微信朋友圈信息傳播機(jī)制分析和預(yù)測(cè)方法建立的基礎(chǔ)上，通過信息接受者轉(zhuǎn)發(fā)概率表征個(gè)體的信息轉(zhuǎn)發(fā)行為。構(gòu)建一個(gè)微信朋友圈的關(guān)系網(wǎng)，用G(A,B)來表示，其中A是該網(wǎng)絡(luò)中所有用戶的集合，B是微信朋友圈中所有用戶之間存在好友關(guān)系的集合。網(wǎng)絡(luò)中用戶節(jié)點(diǎn)的狀態(tài)有3種：信息發(fā)布者、信息轉(zhuǎn)發(fā)者和信息不轉(zhuǎn)發(fā)者。網(wǎng)絡(luò)中各用戶節(jié)點(diǎn)的狀態(tài)如圖2所示。

圖2 微信朋友圈各節(jié)點(diǎn)狀態(tài)

在進(jìn)行微信朋友圈中節(jié)點(diǎn)狀態(tài)預(yù)測(cè)時(shí)，采用沿信息發(fā)布者好友路徑逐級(jí)預(yù)測(cè)，判斷信息接受者的轉(zhuǎn)發(fā)行為，依次進(jìn)行迭代直至不產(chǎn)生新的轉(zhuǎn)發(fā)節(jié)點(diǎn)為止，統(tǒng)計(jì)轉(zhuǎn)發(fā)節(jié)點(diǎn)規(guī)模，具體步驟如下:

第一步，基礎(chǔ)參數(shù)準(zhǔn)備。搜集微信朋友圈用戶歷史行為數(shù)據(jù)，根據(jù)行為特征，計(jì)算特征權(quán)值向量。

第二步，狀態(tài)初始化。以信息發(fā)布者U為基礎(chǔ)，建立微信朋友圈好友的關(guān)系網(wǎng)絡(luò)模型，對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)狀態(tài)進(jìn)行初始化。

第三步，預(yù)測(cè)階段。計(jì)算當(dāng)U發(fā)布微信朋友信息W后其每個(gè)好友進(jìn)行轉(zhuǎn)發(fā)的概率，設(shè)定轉(zhuǎn)發(fā)閾值門限θ，θ∈[0,1]，假設(shè)當(dāng)P(FUi)≥θ時(shí)，轉(zhuǎn)發(fā)行為發(fā)生，否則轉(zhuǎn)發(fā)行為不發(fā)生。將新增的轉(zhuǎn)發(fā)節(jié)點(diǎn)與A(N)合并，得到某一時(shí)刻的At(N)。

第四步，迭代階段。以At(N)為初始值，進(jìn)行用戶的轉(zhuǎn)發(fā)行為預(yù)測(cè)，將新增加的轉(zhuǎn)發(fā)用戶增加到At(N)中。在迭代過程中，如果遇到V節(jié)點(diǎn)從n個(gè)節(jié)點(diǎn)中獲取信息，則可以得到V節(jié)點(diǎn)轉(zhuǎn)發(fā)的概率為：

(8)

第五步，結(jié)束階段。反復(fù)進(jìn)行迭代，直到At(N)不變停止，得到最終的A(N)。計(jì)算集合中A(N)的轉(zhuǎn)發(fā)節(jié)點(diǎn)個(gè)數(shù)，得到轉(zhuǎn)發(fā)規(guī)模。

3.3 模型仿真

3.3.1 實(shí)驗(yàn)數(shù)據(jù)采集與處理

本文以西南科技大學(xué)某學(xué)院大三年級(jí)本科生為研究對(duì)象，對(duì)各行為的特征向量進(jìn)行求解和仿真，驗(yàn)證模型的可靠性。采用問卷調(diào)查的方式調(diào)研了微信好友之間的關(guān)系矩陣，以“1”表示是微信好友，“0”表示不是微信好友。利用UCINET軟件對(duì)150位同學(xué)構(gòu)成的社交網(wǎng)絡(luò)進(jìn)行分析，計(jì)算出該網(wǎng)絡(luò)的出入度標(biāo)準(zhǔn)化的平均值作為影響力的初始值，同時(shí)筆者添加了150名研究對(duì)象為好友，搜集研究對(duì)象的1個(gè)月的轉(zhuǎn)發(fā)信息作為研究數(shù)據(jù)基礎(chǔ)，共獲取信息總量7 210條，平均每人發(fā)布或者轉(zhuǎn)發(fā)信息47.1條，通過分析得到信息接受者轉(zhuǎn)發(fā)活躍度、用戶親密度以及興趣相近度的關(guān)系矩陣。本文將獲取的數(shù)據(jù)分為兩部分，前半個(gè)月作為訓(xùn)練數(shù)據(jù)集，用于建立預(yù)測(cè)模型，后半個(gè)月作為測(cè)試數(shù)據(jù)集，對(duì)模型的準(zhǔn)確性進(jìn)行驗(yàn)證。

3.3.2 轉(zhuǎn)發(fā)行為預(yù)測(cè)分析

引入總體命中率Y來評(píng)價(jià)總體的預(yù)測(cè)效果，Y表示實(shí)際發(fā)生轉(zhuǎn)發(fā)和非轉(zhuǎn)發(fā)信息被預(yù)測(cè)準(zhǔn)確的比例。其計(jì)算公式如下：

Y=(X1+X4)/(X1+X2+X3+X4)

(9)

式中X1表示實(shí)際轉(zhuǎn)發(fā)預(yù)測(cè)正確的比例，X2表示實(shí)際轉(zhuǎn)發(fā)預(yù)測(cè)錯(cuò)誤的比例，X3表示實(shí)際非轉(zhuǎn)發(fā)預(yù)測(cè)錯(cuò)誤的比例，X4表示實(shí)際非轉(zhuǎn)發(fā)預(yù)測(cè)正確的比例。

圖3 總體命中率與轉(zhuǎn)發(fā)閾值之間關(guān)系

在選取轉(zhuǎn)發(fā)閾值θ時(shí)按照總體命中率Y最大化的原則，圖3表示Y與θ之間的關(guān)系，從圖3可以看出，轉(zhuǎn)發(fā)閾值θ在0～1之間變化時(shí)，總體命中率Y呈現(xiàn)出先增大后減小的趨勢(shì)，當(dāng)轉(zhuǎn)發(fā)閾值θ=0.60時(shí)，Y值最大為0.92，說明此時(shí)模型的預(yù)測(cè)精度最高。預(yù)測(cè)結(jié)果如表1所示。

表1 實(shí)際預(yù)測(cè)結(jié)果

3.3.3 傳播效果預(yù)測(cè)分析

網(wǎng)絡(luò)中信息傳播規(guī)模增長(zhǎng)速度呈現(xiàn)出先上升后下降，最終趨于0，轉(zhuǎn)發(fā)的規(guī)模最終趨于穩(wěn)定。由于轉(zhuǎn)發(fā)信息數(shù)量規(guī)模呈現(xiàn)出冪律分布的特點(diǎn)，因此本文在評(píng)價(jià)時(shí)采用數(shù)量級(jí)來劃分規(guī)模，劃分的方法如下。

假設(shè)正整數(shù)a、b和m，滿足a

(10)

在Sm區(qū)間的規(guī)模數(shù)屬于同一數(shù)量級(jí)，如果預(yù)測(cè)的規(guī)模數(shù)Np和實(shí)際轉(zhuǎn)發(fā)Nf的規(guī)模數(shù)為同一數(shù)量規(guī)模時(shí)，則式(11)成立。

|Np-Nf|<10「lgNf?-10?lgNf」)/2

(11)

其中：「?和?」為分表表示向上和向下取整。

然后對(duì)150名研究對(duì)象的3 000條轉(zhuǎn)發(fā)量較大微信朋友圈信息進(jìn)行了轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)，預(yù)測(cè)準(zhǔn)確率如圖4所示。從圖4可以看出，該預(yù)測(cè)模型對(duì)于不同用戶的預(yù)測(cè)準(zhǔn)確率基本都能達(dá)到0.80以上，總體準(zhǔn)確率為0.89，能較好地預(yù)測(cè)轉(zhuǎn)發(fā)規(guī)模。

圖4 轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)準(zhǔn)確率

4 結(jié)束語

微信朋友圈信息傳播效果研究對(duì)于輿論監(jiān)控、信息發(fā)布以及熱點(diǎn)搜集具有重要意義。本文分析了微信朋友圈的信息傳播機(jī)制，從影響用戶轉(zhuǎn)發(fā)行為的信息發(fā)布者、信息接受者以及微信朋友圈信息內(nèi)容三方面凝練出5個(gè)特征因素，基于LR算法建立了微信朋友圈轉(zhuǎn)發(fā)模型的預(yù)測(cè)方法，提出了微信朋友圈信息轉(zhuǎn)發(fā)規(guī)模的預(yù)測(cè)方法。

以西南科技大學(xué)某學(xué)院大三年級(jí)本科生為研究對(duì)象進(jìn)行模型的驗(yàn)證，結(jié)果表明該方法對(duì)轉(zhuǎn)發(fā)行為預(yù)測(cè)的準(zhǔn)確率為0.92，傳播規(guī)模預(yù)測(cè)的準(zhǔn)確率為0.89，能夠客觀反映出用戶轉(zhuǎn)發(fā)行為對(duì)微信朋友圈信息傳播的影響。后續(xù)將在本文基礎(chǔ)上對(duì)微信朋友圈信息傳播規(guī)律和傳播路徑的形成機(jī)理作進(jìn)一步的研究。