微博意见领袖字频组间差异计量研究

王宇波，谭 昭

（武汉大学文学院/中国语情与社会发展研究中心，湖北武汉430072）

微博意见领袖字频组间差异计量研究

王宇波，谭 昭

（武汉大学文学院/中国语情与社会发展研究中心，湖北武汉430072）

本研究以新浪微博语料为统计样本，通过字频统计、组间对比，分析不同类别意见领袖高频字使用差异及话题倾向。意见领袖与平衡语料库在高频共用字和独用字上均有差异，不同行业、学历、年龄、性别意见领袖的字频也存在统计学上的显著性差异。党政、公知、博士、中老年、男性意见领袖倾向于关注政治、法律、社会发展等议题，文艺、自由职业、中青年、女性意见领袖倾向于关注感情和生活。利用意见领袖对相关话题的依赖性，可以有效地、有针对性地“议程设置”引导网络舆情。

语料库；独用字；共用字；影响力；显著度

“意见领袖”最早由美国传播学学者Lazarsfeld在其著作“The People’s Choice”中提出［1］。近年来，随着互联网的发展，尤其是社交网络的迅猛发展，新媒体意见领袖在信息传播中的作用更加明显。越来越多的研究表明，意见领袖在突发事件的信息传播［2］、选举中话语权的实现［3］、网络舆论及口碑效应的影响力［4-5］等社会现象中具有重要作用。随着微博日益成为网络舆论阵地，研究微博等社交网络中意见领袖的语言特征对新媒体语言监测等问题具有重要意义。

据中国互联网络信息中心（CNNIC）2015年7月22日发布的《第36次中国互联网络发展状况统计报告》显示，“2015年上半年，微博客用户中，使用新浪微博的用户占69.4%，一至五级城市的使用率都在65%以上，全面超越其他微博客运营商，新浪微博一家独大的格局已经确立和稳固。”［6］新浪微博意见领袖通过原创、转发或者评论来表达对社会事件的观点，以个人号召力影响大众传播，其语言特征在新媒体意见领袖中具有代表性。

一、意见领袖排行榜制定

新浪微博平台上具有舆论影响力的人群包括社会名人、机构、网络红人和其他大V等，这些有影响力的用户并不全是微博意见领袖。从多家机构发布的中国微博意见领袖排行榜看，存在行业覆盖面窄、参照时间短等弊端，不利于进行全面的社会语言学分析。本文为考察不同行业、学历、年龄、性别的意见领袖在字频上的组间差异，制定了覆盖面较全的排行。

第一步，依据环球网论坛2015年2-3月间的4次公布的新浪微博意见领袖百强排行榜，分别抓取他们2015年1月1日-4月30日期间的所有微博，包括发博时间、转发量、评论数、回帖数、点赞数等相关信息。

第二步，确定两个一级量化指标和七个二级量化指标。由于微博意见领袖是在某一主题内特别活跃并且在该主题内具有极大影响力的用户，因此本文将“用户影响力”和“用户活跃度”作为衡量微博意见领袖的两个一级指标。“用户影响力”包括“被转发数、被评论数、被提及数”3个二级指标，“用户活跃度”包括“原创数”“自回帖数”“回他人贴数”“活跃天数”4个二级指标。

第三步，量化相关指标。影响力的计算公式：Influence影响力=V被转发*W1+V被评论*W2+V被提及* W3，活跃度的计算公式：Activity活跃度=V原创数*W4+ V自回帖数*W5+V回他人贴数*W6+V活跃天数*W7。本文采用美国学者T.L.saaty提出的AHP层次分析法确定W1-7各指标的权重，并结合刘志明，刘鲁（2011）制定的权重数据及计算方法进行量化。

第四步，根据数据筛选出前50名微博意见领袖，然后参考近两年行业微博情况报告、微博名人排行榜、新浪微博名人堂等资料，分析得到微博意见领袖的14个行业分布。权衡行业、年龄、学历、性别的人数比例后，制定出囊括了30人的“新浪微博意见领袖排行榜”（不分前后）。

表1　新浪微博意见领袖排行榜

二、高频字总体使用状况

将30位意见领袖在2015年1月1日-4月30日之间（共4个月）公开发表的所有原创微博自建小型语料库，微博正文共计7091条，496917字。字频统计上，使用了北京语言大学开发的“CCRL工智检索通”软件。

前100高频字为：的、是、一、人、不、了、我、有、在、大、这、国、个、中、生、们、年、你、为、和、会、上、到、法、来、天、多、要、家、就、时、自、说、也、好、么、以、看、心、他、能、发、都、过、出、对、可、子、公、事、爱、活、得、新、下、最、日、还、没、学、去、小、地、无、如、网、开、里、后、民、与、微、行、于、点、信、起、之、文、师、那、成、今、道、些、者、长、想、作、只、友、经、本、己、真、动、很、院、问、理，字频从每千字28.618到1.44。将该字频列表与北京大学中国语言学研究中心公布的“CCL现代汉语语料字符统计信息”［7］（总字符数为581794456字）的前100高频字对比后发现，两者共用字68个，意见领袖独用字为“最、只、真、院、友、信、心、些、想、无、问、微、网、师、如、去、起、你、那、没、么、看、今、己、活、很、好、还、都、点、道、爱”，共计32个。将前50个高频字对比发现，两者共用字35个，意见领袖独用字为“自、子、心、天、事、你、能、可、看、好、过、公、法、都、么”，共计15个。我们以68个共用字在各自字频中的序列为依据，利用SPSS19.0软件检验共用字排序的相关性，得到的数据为：Pearson相关性为0.699，显著性（双侧）为0.000，由于相关系数居于0.6～0.8之间，共用字的位序具有“强相关”关系，但是离0.8～1之间的极强相关还是有差距，意见领袖的共用字在位序上产生了较大变化。说明微博意见领袖高频字有别于现代汉语平衡语料库统计数据，两者之间存在较大差异。

大量高频独用字和共用字位次变化反映了意见领袖特有的语言风格及话题内容倾向性，王秀丽（2014）认为，意见领袖的语言风格在很大程度上影响其信息的传播力、可信度和权威性［8］。微博意见领袖高频独用字中，程度副词“最、很”、形容词“好、真”、心理动词“想、爱”、范围副词“只、都”、能愿动词“能”等，都是具有强烈主观色彩的字词。Ng& Bradac（1993）、O’Keefe（2002）就认为，清晰、有力、包含感情色彩的词语能够增加信息的影响力［9］，而乏味的语言则会减弱意见领袖的影响力［10］。Huffaker（2010）也发现，网络意见领袖通过大量使用自信、感情色彩强烈和多样性的语言提升其网络影响［11］。可见，这些主观性强的独用字不仅增强了意见领袖的语言表现力，也有助于其影响力的提升。

微博意见领袖共用字中，判断动词“是”的字频居第2位，仅次于结构助词“的”，而CCL语料库中“是”的字频居第4位。Burrell&Koper（1998）就认为，肯定有力的语言比苍白无力的语言更有说服力。［12］进一步检索发现，“是”多出现在肯定句中，可见高频使用肯定性判断句也是微博意见领袖提升其话语影响力的手段之一。

意见领袖影响力对话题的依赖性较强，独用字折射出意见领袖对包含该字的相关话题的关注度较高。Huffaker（2010）认为，网络意见领袖通常会积极推动有关政治和公共议题的讨论，以及提供专业、可信的信息提升影响力。独用字在语料中的构词情况也呈现这一趋势，如高频独用字“院、法、公”在微博语料中构成的“医院、法院、学院、国务院、院士”、“立法、法庭、法警、司法、法律，违法”、“公权、公信力、公民、公益、公务员）”等大部分进入高频词的前100，说明微博意见领袖对法制、医疗、教育、社会发展等方面话题关注度较高。

三、高频字行业差异

为有效地进行组间差异比较，将30位意见领袖所在的14职业归并为“党政、经济、文化、公知、文艺、宗教、自由职业”7大领域，分别统计七组行业的字频，列出各行业的前200高频字表。设计小型程序，提取前200字和前50字中的行业共用字，筛选前20个高频字列表中各领域的独用字（即其他行业意见领袖前20高频字中均未出现的字）。

（一）高频共用字行业差异

七组前200高频字表中，所有行业均有的共用字为43个。使用SPSS（19.0）软件对七个行业、共21对数据做成对样本T检验。从显著度Sig（双尾）值上看，共有12对数据在95%置信区间具有显著性差异（表二），其中自由职业与党政、公知、经济、文艺、文化的Sig（双尾）值为0.000（保留小数点后三位），自由职业与宗教为0.002，公知与文艺、经济、宗教分别为0.000、0.018、0.039，文化与经济、文艺分别为0.022、0.003，党政与文艺为0.034。由此可见，自由职业与其他六组行业的意见领袖共用高频字都具有显著性差异；公知、文艺分别与四个行业具有显著性差异；文化、经济分别与三个行业有显著性差异；党政、宗教、经济与其他行业的差异最小，仅与其他两个行业有显著性差异。

用同样的步骤检索前50个高频字中的共用字，也得到类似的结果。除了公知与经济、宗教，文化与经济、文艺共4对的Sig（双尾）值大于0.05，不具有显著度，其他8对仍然具有显著性差异。

表2　高频字共用字行业差异成对样本T检验

（二）高频独用字行业差异

由于某一行业意见领袖的高频独用字能反映其异于其他行业意见领袖的特有话题倾向，我们截取七个行业的前20个高频字，筛选出了各行业的高频独用字。

党政部门工作的意见领袖，其独用字有“家（5.45）①括号中数据为每千字的字频。、友（4.87）、来（4.18）、公（4.18）、网（4.08）、微（3.60）”，共计6个。从其独用字在语料库中的构词情况看，较多涉及“国家、公民/益/众/权、微博”等方面内容②进一步对语料进行词频统计后发现，“公益”属于党政机关意见领袖的前20高频词独用词之一。；公知领域意见领袖的独用字有“法（6.42）、天（4.01）、会（3.76）”。“法”在语料库中的构词主要涉及“法律、法庭、宪法、合法、两会”等方面内容，是该领域意见领袖熟识或擅长的知识领域。“天”在语料中主要构成“昨天、明天、今天”等，时间名词高频使用说明公知领域的意见领袖更注重信息的准确性和真实性。Pornpitakpan（2004）就认为，意见领袖更注重通过言论的准确性、专业性和权威性增加其影响力［13］；文艺领域意见领袖的独用字有“也（5.00）、爱（4.63）、时（4.27）”，说明话题较多涉及情感生活等方面；自由职业意见领袖独用字包括“频（5.16）、集（4.19）、视（4.19）、东（3.87）、看（3.87）、包（3.55）、京（3.55）、之（2.90）、买（2.90）、分（2.58）、旅（2.58）”，该领域独用字较多是因韩寒、冯鹤等自由职业意见领袖微博文本量较少、话题相对单一的影响，比如“视频”“东京”等高频使用；宗教独用字也较多，多与生活哲理及佛理相关，包括“活（19.20）、心（9.98）、命（6.86）、要（6.11）、些（5.86）、那（5.81）、对（5.70）”；经济和文化领域的意见领袖独用字最少，分比为“到（5.28）”、“好（3.60）”。

不同行业意见领袖高频字差异折射出话题倾向性的组间差异。党政部门工作的意见领袖多关注国家与公共议题，公知意见领袖多关注法制与社会，文艺与自由职业意见领袖多关注生活，意见领袖热衷的话题与其职业有密切联系。刘志明、刘鲁（2011），肖宇等（2012），熊涛、何跃（2013）曾指出意见领袖影响力对话题的依赖程度较高。［14-16］意见领袖对某类话题的倾向性，源于对该话题的熟识性，所发表的相关信息更具专业性、权威性和准确性，更容易产生网络影响力。王秀丽（2014）认为，线下拥有特定领域相关的知识背景和能力的专家，在网络社区中较容易的成为相关领域的意见领袖［17］。

四、高频字学历差异

根据意见领袖的学历分布，将其分为本科以下、本科、硕士、博士四组，分组计量各学历层次的字频，分析不同学历层次的意见领袖在高频共用字和独用字上的组间差异。

（一）高频共用字学历差异

四组前200个高频字中，共用字有89个。对高频共用字做成对样本T检验之后发现，只有本科以下与博士之间存在显著性差异，Sig（双尾）值为0.047，小于0.05的阈值。其他组间差异没有显著性。组间字频差值最大两个字是“国、家”，本科以下到博士的千字频分别为“1.42、4.14、5.12、6.17”，“1.42、2.74、3.02、3.08”，意见领袖学历越高越关注涉及“国家”的话题。前50个高频字词中，共用字有19个，T检验结果Sig（双尾）值为0.01，再次说明只有本科以下与博士之间存在显著性差异，相邻的学历层次之间的差异不显著，不具有统计学上的意义。

表3　高频字共用字学历差异成对样本T检验

（二）高频独用字学历差异

前20个高频字中，本科以下学历的意见领袖独用字有“你、要、自、这、得、好、心、在”，共8个；本科学历的独用字有“到、天”，共2个；硕士学历的独用字有“们、来、公”，共3个；博士学历有“为、和、生”，共3个。本硕博高学历意见领袖的高频字相似度较高，高学历和本科以下学历在高频字的“字种”上区别较大。

前100个高频字中，本科以下学历独用字有“己（3.6）、想（2.67）、些（2.56）、只（2.45）、无（2.45）、情（2.23）、那（2.18）、感（2.13）、成（2.07）、活（1.85）、什（1.85）、很（1.74）、做（1.69）、着（1.69）、少（1.69）、别（1.63）、实（1.63）、知（1.58）”，共18个；本科学历独用字有“爱（3.26）、尘（3.22）、清（2.25）、师（2.24）、院（2.08）、哈（1.96）、律（1.96）、机（1.69）”，共8个；硕士学历独用字有“论（2.47）、第（2.19）、动（2.19）、孩（2.10）、力（2.10）、乐（1.74）、市（1.74）、同（1.74）、主（1.74）、万（1.64）、更（1.55）、场（1.55）、经（1.55）、理（1.55）”，共14个；博士学历独用字有“微（3.15）、案（3）、信（2.93）、网（2.84）、文（2.43）、关（2.11）、于（2.02）、政（2）、道（1.87）、全（1.82）、明（1.67）、女（1.67）、但（1.67）、意（1.67）”，共14个。

从独用字的情况看，本科以下学历的关注“情感”、“生活”方面的内容居多；“（关）爱”、“尘（肺病）”、“（老/律）师”等字，说明本科学历对情感、医疗、法律、教育等问题关注较多；“（言/舆）论”、“孩（子）”等字，说明硕士学历对社会热点议题以及家庭生活关注较多；“微（博）、网（络）、（提/预）案、案（件）、政（治）”等，说明博士学历对社会、法制和国家发展问题关注较多。学历的组间差异比较说明，不同学历层次的意见领袖所关注的热点问题不尽相同，本科以下与博士学历的意见领袖差异最大。

五、高频字年龄差异

网络意见领袖的年龄分布有别于网络红人，前者以中年居多，后者以青年居多。本文筛选出的30位微博意见领袖的年龄分布也有这一特点，年龄主要集中在40-60岁间，30岁左右的人数较少。因此，本文将意见领袖按年龄分为两大类：五十岁以下的中青年与五十岁以上的中老年。

（一）高频共用字年龄差异

前200个和前50高频字的共用字分别为136、31，对两者分别做成对样本T检验后，显著度Sig（双尾）值分别为0.111、0.4，差异均无显著性。虽然整体差异无统计学上的显著性，但是部分高频字的字频差距很大：（1）从字频的差值上看，中老年比中青年组字频高出最多的两个字是“国、中”，差值分别为每千字频3.21、2.28，说明中老年意见领袖比中青年更关注国家话题。中青年比中老年组字频高出最多的两个字是“我、生”，差值分别为3.03，2.76。（2）从字频的比值上看，中老年与中青年组比值最大的字是“民”，而中青年与中老年组比值最大的字是“活”。表4、5分别是两者共用字比值超过1.5倍的字。

考察字频差值和字频比值发现，中老年意见领袖更关注国家、民生、文化、网络、法制等话题，中青年更关注生活、个人情感方面的话题。

表4　中老年与中青年共用字字频比值

表5　中青年与中老年共用字字频比值

（二）高频独用字年龄差异

前20个高频字中，中青年意见领袖独用字有“生（6.056）、你（5.225）、到（3.966）、就（3.928）、天（3.764），共5个；中老年组独用字有“中（6.024）、法（4.661）、为（4.331）、会（4.32）、和（3.726）”，共5个；

前100个高频字中，中青年组独用字有“活（2.87）、得（2.67）、去（2.52）、些（2.17）、无（2.13）、如（2.08）、小（2.06）、里（2.04）、那（2.04）、己（1.99）、想（1.88）、师（1.86）、长（1.86）、只（1.83）、感（1.8）、起（1.8）、给（1.8）、今（1.8）、很（1.79）、案（1.76）、成（1.76）、友（1.73）”，共22个。中老年独用字有“尘（2.89）、民（2.67）、网（2.3）、学（2.23）、地（2.08）、清（2.03）、者（1.99）、文（1.97）、律（1.92）、之（1.92）、作（1.91）、本（1.89）、方（1.88）、道（1.87）、接（1.77）、机（1.75）、全（1.75），共17个。①两组独用字的数量不同是删除了非汉字字符的结果。

高频独用字的使用数据再次说明：中老年意见领袖对国家、网络、环境、法制、教育等话题关注较多，如“中、法、律、网、民、尘”等；中青年组关注的是生活、情感、法制、教育等话题，如“生、活、想、感、今、天、案、师”等。

六、高频字性别差异

（一）高频共用字性别差异

前200个和前50高频字的共用字分别为122、28，对两者分别做成对样本T检验后，显著度Sig（双尾）值分别为0.623、0.267，说明男性与女性意见领袖在高频共用字字频上无显著性差异。但是部分高频字的字频差距仍然很大，（1）从字频的差值上看，男性比女性字频高出最多的字是“国、人、生、们、大、中、家、公”，而女性比男性字频高出最多的字是“是、你、爱、法、师、了、有、那、也、想”等。（2）从字频的比值上看，“国”是男性与女性比值最大的字，比值为3.47；“师”是女性与男性比值最大的字，比值为2.97。表6、7分别是两者共用字比值超过1.5倍的字。

通过以上分析发现，男性比女性更关注国家、网络等话题，女性比男性更关注教育、情感等话题。

（二）高频独用字性别差异

前20个高频字中，两性独用字各有8个，男性独用字为“国（6.069）、中（5.192）、们（4.939）、生（4.893）、年（4.78）、会（3.869）、为（3.836）、和（3.776）”；女性独用字为“你（6.161）、法（5.486）、到（4.587）、爱（4.542）、也（4.227）、就（4.182）、好（3.912）、天（3.867）”。

表6　男性与女性共用字的比值

表7　女性与男性共用字的比值

前100个高频字中，两性独用字各有24个，有代表性的男性独用字包括“家（3.54）、发（2.87）、新（2.32）、日（2.25）、民（2.15）、网（2.09）、学（2.05）、活（2.03）、信（1.93）、微（1.89）、成（1.88）、今（1.87）、尘（1.8）”等，有代表性的女性独用字包括“律（3.69）、师（3.42）、想（2.7）、吗（2.16）、情（2.07）、很（1.98）、真（1.93）、案（1.84）”等男女性意见领袖独用字的情况说明：（1）两性前20个高频字的差异较大，共用字仅为12个，当扩大到前100个高频字时，共用字明显增多，说明在两性各自最关注的话题上，存在较大差异。（2）独用字“国、中、家、民、网、尘”等说明男性更关注涉及国家、民生、环保等方面的话题；独用字“爱、法”、“律、师、想、情、案”等说明女性更关注情感、法律、教育等方面的话题。（3）女性更倾向于使用程度副词、形容词等主观性强的字提升其话语影响力，如“很、好、真”等。赵蓉晖（2003）、马琰（2009）都认为，女性在言语交际中常常带有浓厚的感情色彩，更多地使用夸张的词语等［18-19］。（4）“吗”的高频使用说明女性意见领袖更多地使用带疑问语气词的是非疑问句，而且疑问语气词“吧”“啊”“呢”等字，女性意见领袖的字频均高于男性。Lakoff（1973：56～57）就指出，女性比男性更多地使用疑问句，喜欢把有陈述句功能的句子用疑问句形式表现出来［20］。Fishman（1980：234～241）的研究证实了Lakoff的观点［21］。王宇波（2011）对中文博客文本中的四类疑问句进行了分类统计，也认为女性比男性更多地使用疑问句。［22］可见，高频使用疑问句不仅是女性微博意见领袖的句式特点，也是女性普遍具有的话语特征。

七、结语

通过对意见领袖高频字及组间差异计量研究发现，不同行业、学历、年龄、性别的意见领袖在高频字的使用上存在差异。行业的组间差异大部分具有统计学上的显著性，自由职业与其他行业差距最大，公知与文艺领域次之。各学历层次之间，除了本科以下与博士学历有显著性差异以外，其他学历层次之间的差异无显著性。年龄和性别的组间差异不具有显著性，但是部分共用字和独用字字频差距较大。

意见领袖高频字所具有的独特性，折射出意见领袖对话题主题的依赖性。刘志明，刘鲁（2011）认为，意见领袖是依赖主题的，只有很少用户可以在不同主题同时成为意见领袖［23］。微博意见领袖作为社交网络舆论的发起者和参与者，发布的主题多围绕自己关注或擅长的领域展开，党政领域意见领袖比其他领域意见领袖更多地关注国家发展、社会民生等，公知意见领袖更多关注法制和社会发展。其总体倾向是：党政部门、公知、博士学历、中老年、男性的意见领袖更关注国家政治、社会发展、法制等公共议题；文艺、自由职业、本科及以下学历、中青年、女性的意见领袖更关注情感、生活等方面议题；教育、医疗、环境等主题是大部分意见领袖都会关注的热点议题，没有太明显的组间差异。

［1］Lazarsfeld P F，Berelson B，Gaudet H.The People's Choice［M］. New York：Columbia University Press，1948.

［2］姜珊珊，李欲晓，徐敬宏.非常规突发事件网络舆情中的意见领袖分析［J］.情报理论与实践，2010，33（12）：101-104.

［3］Lee，Kim.The spiral of silence and journalists'outspokenness on Twitter［J］.Asian Journal of Communication.2014，24（3）：262-278.

［4］Yala Penga，Jiajie Lia，Hui Xiaa，Siyuan Qia，Jianhong Lib.The effects of food safety issues released by we media on consumers' awareness and purchasing behavior：A case study in China［J］. Food Policy.2015（No.C）.

［5］元志润.在网络口碑沟通中的意见领袖（Opinion Leader）研究——以韩国超级博客（Power Blog）为例［D］.上海：复旦大学，2011.

［6］国互联网络信息中心.第36次中国互联网络发展状况统计报告［EB/OL］.http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/ 201507/P020150723549500667087.pdf（2016-03-15）.

［7］CCL现代汉语语料字符统计信息［EB/OL］.中国社会科学网，http：//www.cssn.cn/yyx/yyxcyzy/201509/W0201509224221904 43322.pdf（2016-03-15）.

［8］王秀丽.网络社区意见领袖影响机制研究——以社会化问答社区“知乎”为例［J］.国际新闻界，2014（9）：47-57.

［9］Ng，S.H.，&Bradac，J.J.Power in language：verbal communication and social influence［M］.Newbury Park：Sage，1993.

［10］O′Keefe，D.J.Persuasion：theory and research（2nd ed.）［M］. Thousand Oaks，CA：Sage，2002.

［11］Huffaker，D.Dimensions of leadership and social influence in online communities［J］.Human Communication Research，2010，36（4）：593-617.

［12］Burrell，N.A.，&Koper，R.J.The efficacy of powerful/powerless language on attitudes and source credibility［C］//In M.Allen&R.W.Preiss（Eds.），Persuasion：advancesthrough metaanalysis.Cresskill，NJ：Hampton Press，1998：203-216.

［13］Pornpitakpan，C.The persuasiveness of source credibility：a critical review of five decades'evidence［J］.Journal of Applied Social Psychology，2004，34（2）：243-281.

［14］熊涛，何跃.微博转发网络中意见领袖的识别与分析［J］.现代图书情报技术，2013，29（6）：55-62.

［15］刘志明，刘鲁.微博网络舆情中的意见领袖识别及分析［J］.系统工程，2011，29（6）：8-16.

［16］肖宇，许炜，夏霖.一种基于情感倾向分析的网络团体意见领袖识别算法［J］.计算机科学，2012，39（2）：34-37.

［17］王秀丽.网络社区意见领袖影响机制研究——以社会化问答社区“知乎”为例［J］.国际新闻界，2014（9）.

［18］赵蓉晖.语言与性别：口语的社会语言学研究［M］.上海：上海外语教育出版社，2003：

［19］马琰.汉语恭维语中的性别语言实证研究［J］.商洛学院学报，2009，23（5）：57-62.

［20］Lakoff，R.Language and Woman's Place［J］.Language in Society，1973（2）：45-80.

［21］Fishman，P.Conversational Insecurity［A］.Giles，H.，Robinson，W.，&Smith，P.（eds.）.Language：Social Psychological Perspective［C］.Oxford：Pergamon Press，1980.

［22］王宇波.基于网络媒体监测语料库（汉语）的性别语言差异实证研究［D］.华中师范大学博士学位论文，2011.

［23］刘志明，刘鲁.微博网络舆情中的意见领袖识别及分析［J］.系统工程，2011（6）：8-16.

责任编辑：毕 曼

G209

A

1004-941（2016）03-0134-06

2016-03-10

国家社科基金青年项目“基于大规模标注语料库的自媒体语言计量研究”（项目编号：12CYY030）；教育部人文社科青年项目“基于大规模标注博客语料库的性别话语差异实证研究”（项目编号：12YJC740106）；国家语委重点科研项目“新媒体意见领袖话语传播机制研究”（项目编号：ZDI135-11）；研究成果得到“中央高校基本科研业务费专项基金”资助。

王宇波（1983-），男，湖北汉川人，博士，应用语言学博士后（出站），情报学博士后（第二站），主要研究方向为社会语言学；谭昭（1994-），女，湖北汉川人，主要研究方向为社会语言学。