机构微博传播力影响因素研究

王林 潘陈益 朱文静 邓胜利

〔摘 要〕如何保证高效的微博传播力是各机构入驻微博后必须面对的难题之一，因此，分析微博传播力的具体表现及其影响因素至关重要。本文基于熵权法对机构微博传播力进行量化，并从微博内容特征和微博用户特征两个维度，构建微博传播力影响因素的相关指标，最后以旅游机构为实证研究对象，使用弹性网络（Elastic Net）对各指标的作用进行验证。通过验证最终得出旅游机构微博传播力的影响因素，为微博传播力的量化及其影响因素的探究提供理论参考，为旅游机构微博运营提供实践参考。

〔关键词〕微博；传播力；内容特征；用户特征；旅游机构；影响因素

DOI：10.3969/j.issn.1008-0821.2018.04.005

〔中图分类号〕G206 〔文献标识码〕A 〔文章编号〕1008-0821（2018）04-0035-07

〔Abstract〕How to ensure the microblog spreading capacity becomes one of the problems that each organization must face after entering into microblog platform.Therefore，it is significant to analyse specific performance and influencing factors of microblog spreading capacity.This paper quantified the microblog spreading capacity based on the entropy method，and established a index set of influencing factors of microblog spreading capacity from the two aspects：the microblog content features and user features.Also，this paper took the tourism organization as the research object to conduct the empirical analysis and uses Elastic Net to verify the indexs effect.Through the verification，it obtained the influencing factors of the microblog spreading capacity of tourism organizations.Finally，this paper provided not only a theoretical reference for the quantification of microblog spreading capacity and the analysis of its influencing factors，but also some practical reference for the microblog operation of the tourism organizations.

〔Key words〕microblog；spreading capacity；content characteristics；user characteristics；tourism organizations；influence factors

微博自2009年开始内测之后，以其巨大的用户数量、便捷的信息发布途径以及裂变式的多点线面的信息传播方式，成为各个领域青睞的信息传播媒介。2016年，微博的活跃用户实现了高速增长，月活跃用户数达到了3.13亿，而日活跃人数也达到了1.39亿[1]。与同样拥有庞大用户量的微信相比，微博具有更加多样化的环境和受众、更高的内容开放度、更加公开透明的信息传播过程等优势，吸引了高校、图书馆、政务单位、旅游机构等各机构纷纷入驻，并将其作为重要的新媒体营销平台。

机构在微博上推广传播产品或服务的过程中逐渐形成自己的微博竞争力，这种竞争力可以理解为机构的微博传播力[2]。如何获得更高的传播力，保证自己的营销效果，成为各机构入驻微博之后必须要面对的重要问题，而解决这一问题的关键难点在于分析机构微博传播力的具体表现和影响微博传播力的主要因素。

因此，本文尝试对机构微博传播力进行具体量化，并选取机构微博传播力的影响因素指标，通过实证研究来验证各影响因素对机构微博传播力的作用。为机构微博传播力的量化和影响因素的探究提供一定理论参考，并为各机构微博运营提供一定实践参考。

1 相关研究现状

笔者于2017年5月2日在CNKI中国知网上以“‘微博and‘传播力”为检索条件进行高级检索，得到92篇CSSCI期刊论文，但对相关文献主题进行探究，发现专门针对微博传播力的相关文献并不多见。其中有少量研究将传播力作为用户影响力或其他官方微博竞争力的评价指标之一[3]，对比研究微信与微博传播力[4]，以及研究特定因素对微博传播力的影响[5]，研究对象往往以期刊微博、政务微博、高校图书馆微博为主。

又以“‘微博and‘影响因素”为检索条件进行高级检索，得到125篇CSSCI期刊论文，可以发现与微博和影响因素相关的现有文献主要有用户、信息传播、社会网络3个研究视角，具体研究内容、研究对象和数据来源如表1所示。

综上分析，关于微博传播力及其影响因素的相关研究存在以下不足。

1）微博传播力概念模糊，且缺少定量化。相关文献往往只是提出传播力或传播能力的概念，并无对概念的具体界定，大都直接将转发数和评论数代表微博传播力.

2）专门针对机构微博传播力影响因素的研究较少，且已有研究成果中考虑微博信息传播的影响因素较为局限和片面。对微博信息传播的影响因素的研究大多直接以转发数为衡量指标，从微博内容、微博情绪等单一角度研究其影响因素，研究对象往往是单条微博，缺少以用户为考察主体的研究。

3）研究领域较为局限。现有文献研究对象大都集中于高校[8]、图书馆[11]、政务[12]和突发事件[5]。但微博平台所囊括的领域远远不止于此。随着各个领域对微博的依赖性逐渐增加，对其他领域微博传播力的研究也越来越有必要。

综合以上问题，本文计划先对机构微博传播力进行概念的限定；并利用熵权法对机构微博传播力进行具体量化；然后对其影响因素指标进行构建；最后，通过实证验证各因素对机构微博传播力的影响，考虑到旅游领域在互联网的逐渐深入，本文最后选取新浪微博平台上的旅游认证机构作为实证研究对象。

2 相关指标选取

传播学中对于传播力的概念有多种界定，主要分为针对大众媒体和针对社会组织两种。其中，效能说是从社会组织的层面切入，认为传播力的本质是有效果的传播，是指传播行为带来的一切影响和作用的总和，可以在现实中转为说服和影响的力量[2]。考虑到机构的社会组织属性，本文认同效能说观点。这与霍夫兰提出的说服传播理论以及拉斯韦尔传播学理论都相吻合，前者认为信息的传播主体、传播内容和传播客体在很大程度上决定了受众接收信息后的态度[13]，后者认为传播过程是一个目的性行为过程，具有企图影响受众的目的，所涉及的重要要素为传播者、传播受众、传播内容、传播渠道和传播效果，即5W模式[14]。

综上，本文认为机构在微博的传播力是机构微博产生有效传播的能力。机构微博从发出微博到最终产生有效传播的过程中会受到很多因素的影响，综合说服传播理论和拉斯韦尔传播学理论可以将因素综合为传播主体、传播内容和传播受众3个维度，其中传播主体和传播受众在微博平台上其实都为微博用户，其特征可综合为用户特征。

因此，接下来，本文将先选取指标对机构的微博传播力进行量化，然后再从微博内容特征和用户特征两个方面分别对其影响因素指标进行选取。

2.1 机构微博传播力指标选取及量化

拉维奇和斯坦纳提出传播效果呈阶梯模式，由认知、情感、态度和行为4个维度构成，其中，行为是受上述四项支配而表现出的最终外在行动[15]。因此，机构微博的有效传播能力应该由信息接收者的最终行为所决定，在微博平台上具体表现为转发、评论和点赞，其中，转发行为可使原微博信息被自己的粉丝看到，能够直接增加原微博的阅读数和覆盖面[8]，因此已有研究大多直接用转发数来量化传播的效果，考虑到评论和点赞同样能增强传播的有效性，本文将这些行为对应的转发数、评论数和点赞数都作为量化机构微博传播力的指标。

一个机构微博往往不止一条微博，因此，需要对指标进行综合，考虑到不同机构活跃度不同，本文最终对每个机构单位时间内所有微博的转发数、评论数和点赞数求平均作为最终指标。而由于不同用户的微博，转发数、评论数和点赞数存在巨大差异，可能会带来较大的数据波动，产生较高异方差性，故而，本文在指标具体量化时将参考清华大学新闻研究中心《2014政务微博传播力报告》中的数据处理方法[16]，将指标分别利用自然对数进行标准化，意在压缩数据尺度使之更平稳和削弱可能有的异方差性。

最后对每一个指标进行权重赋值，则可得出针对机构的机构微博传播力W计算方法如公式（1）所示。

综上分析，机构微博传播力可以时间为单位，得出单日传播力、周传播力、月传播力等等。将时间特殊化之后，可以推出，当机构微博发出一条微博时，便会产生在该条微博生命周期内的微博传播力，此时，机构微博产生有效传播的能力可等同于该条微博产生有效传播的能力，即该条微博的传播力。也就是说，特殊的，以一条微博的传播时间为单位，可得出机构单条微博的传播力，此时，指标便可特殊化为每条微博的转发数、评论数和点赞数，则可得到针对该条微博的传播力W0的计算方法如公式（2）所示。

2.2 基于微博內容特征的指标选取

机构微博产生有效传播的本质是内容的有效传递。因此，机构微博发出的每一条微博内容特征将会直接影响该条微博的传播效果，继而影响机构微博传播力。关于微博内容对微博传播的影响，国外学者做过不少针对Twitter的研究。Berger和Milkman等人证明了情感比较强烈的微博内容更容易被用户转发[17]，Ron Berman和Colman Humphrey则证明了带有图片和视频的微博更容易得到高转发量[18]。国内也有少量关于微博内容对传播力影响的研究，如刘晓娟、王昊贤等人在研究政务微博影响因素时将微博特征分为微博内容、发布时间和来源机构3个维度，其中微博内容维度包括话题类别、@符号与链接、语言风格、内容的原创性和内容长度等影响因素[12]；刘丛、谢耘耕等人则是研究了不同类型用户的微博情绪对微博传播力的影响[5]。

综合以上学者研究成果，本文将微博内容分为微博内容元素、微博情感、微博主题和发布时间，其中，微博内容元素指的是微博正文里所包含的信息元素，包括话题、图片、视频、@符号和内容长度；微博情感指的是微博内容所包含的情绪，包括微博情感强度和情感类别；微博主题指的是微博内容所属的不同主题类别；而发布时间指微博发布的年月日和时刻。具体如表2所示。

2.3 基于微博用户特征的指标选取

传播主体和传播受众，即机构用户和机构用户的微博粉丝，在传播过程中发挥着重要作用。首先针对传播主体，相关研究发现用户的信息覆盖度（即用户的粉丝数）对信息传播有着较大的影响[19]；热门微博的微博主体大部分为活跃度较高、粉丝数较大、并且进行过认证的加V用户[20]，资深用户（账号建立时间超过1年）和新用户（最近1个月才加入）的微博更容易被转发[10]。其次，针对传播受众，也有少量研究证实用户粉丝的特征也会影响微博的传播，比如当用户粉丝越活跃时，其发布的微博将更容易被转发[21]。最后，考虑到微博是基于用户关系的信息传播与分享平台[22]，社交网络中的用户关系也会对其传播力产生影响，有研究证明，网络节点中具有重要地位的用户更可能引起大范围的信息传播行为[10]，而微博传播影响因素的相关研究较少将用户关系属性考虑在内，因此，本文将其纳入用户特征属性。

综合以上研究成果的分析，本文将微博用户特征分为个人属性、粉丝属性和用户关系属性。其中，个人属性指的是用户自身（即传播者）所带特征。由于机构用户都经过了认证，故本文将不考虑用户是否认证。因此，本文中的个人属性主要包括粉丝数、关注数、发博数、等级等。粉丝属性指的是每位用户粉丝（即受众）所带的特征，包括粉丝的粉丝数、关注数和发博数。用户关系属性则指的是用户在社交关系网络中所表现的特征，包括点度中心度中的点出度（网络中该用户指向的节点数）和点入度（网络中指向该用户的节点数）、特征向量中心度（PageRank值）。具体如表3所示。

3 实证研究

为了验证各影响因素指标对传播力的作用，笔者将以新浪微博平台上的旅游机构用户为研究对象进行实证研究。同时考虑到微博内容的影响作用时效性较短，即其对前文所说的单条微博传播力的影响更直接，而用户特征将长期影响机构微博传播力。因此，在验证微博内容特征时，将以单个旅游机构用户的所有微博为研究对象，以每一条微博的传播力为观察对象；验证用户特征时，将选取多个旅游机构用户为研究对象，以每一个机构的微博传播力为观察对象。在传播力计算过程中，为了简化权重赋值的过程，本文选择熵权法进行权重赋值。

3.1 数据来源

笔者在微博搜索界面，以“旅游”为关键词进行“找人”，限定条件为“机构认证”，利用爬虫软件Gooseeker，针对微博内容特征和微博用户特征分别进行数据爬取，具体爬取过程如下：

3.1.1 微博内容特征数据爬取

在搜索结果中，排在第一位的是途牛旅游网官方微博，说明微博平台默认其有较大的传播力，因此，笔者将途牛旅游网官方微博作为微博内容特征影响因素的研究对象，爬取其自2013年9月至2017年5月的所有微博信息，包括微博发布时间、微博内容、转发数、评论数和点赞数。

3.1.2 微博用户特征数据爬取

为了获得旅游机构的微博用户特征信息，笔者针对模型中的个人属性、粉丝属性和用户关系属性分别进行数据爬取。首先，针对个人属性爬取了搜索结果中所有旅游机构用户的用户名、关注数、粉丝数、微博数等内容；针对粉丝属性爬取了每位用户粉丝的信息，即其粉丝的粉丝数、关注数和微博数，由于微博网站的限制，粉丝信息只能查看前5页，本文只爬取了每位旅游机构用户前5页内的100位粉丝的信息；针对用户关系属性爬取了旅游机构用户间互相关注的数据。最后又爬取了每位用户在4月份所发的所有微博信息，包括每条微博的转发数、评论数和点赞数，用以计算每位用户在2017年4月份的机构微博传播力。

所有数据爬取时间为2017年5月3日-2017年5月7日，经过初步的去重处理，最后一共爬取到888名用户数据，9 753条途牛旅游网数据。

3.2 数据处理

3.2.1 微博内容数据预处理

考虑到人工标注成本，笔者将爬取到的途牛旅游网官博的9 753条微博，按照转发数进行排序，然后利用层级抽样方法，以20为间隔，最后选取了488条微博为研究样本。

数据处理过程中首先将488条微博的转发数、评论数和点赞数利用自然对数进行标准化，然后利用熵权法进行权重的赋值，得出权重分别为44%、36%和20%，计算每条微博的单条微博传播力，并与各指标做相关性分析，发现相关系数都大于0.9，说明权重赋值合理。

然后笔者根据微博传播力影响因素指标将途牛旅游网微博内容是否含视频、是否含话题和是否含@符号进行标注，计算微博内容长度；利用武汉大学团队的内容分析工具——Rost Content Mining计算出每一条微博内容的情感值，并根据情感值将情感类别分为积极情绪、消极情绪和中性情绪，以每一条情感值求绝对值作为其情感强度；利用该软件的分词处理和社会网络与语义分析将途牛旅游网的微博内容主题分为抽奖活动、开奖通知、早安问候、晚安问候、美食相关、旅游攻略、目的地推荐、商业合作、新闻资讯、平台产品和其他；将发布时间按层次分为发布月份、发布星期以及发布时间段。其中在发布时间段中将凌晨0∶00到早上8∶00单独作为一个时间段，其他时间段，将每两个小时作为一个时间段。

3.2.2 微博用户特征数据预处理

针对微博用户特征数据，笔者首先按照微博用户特征中的个人属性、粉丝属性和用户关系属性分别对相关数据进行预处理，包括缺失数据的手动补充、粉丝属性中各粉丝的粉丝数、关注数和发博数的平均值计算以及用户关系属性中每位用户的点出度、点入度以及PageRank值的计算。

然后计算每位用户所有微博的平均转发数、平均评论数和平均点赞数，利用自然对数进行标准化后按熵权法赋值，得出权重分别为39%、37%和24%，计算每位用户的微博传播力，同样将其与3个指标进行相关性分析，发现相关系数都大于0.9，说明权重赋值合理。由于本文将旅游机构微博传播力的研究限定在2017年4月份，因此对于4月没有发博的用户，则认为该用户在四月份的微博傳播力为0，采取剔除处理，最终保留了566个用户。

3.3 数据分析与结果

考虑到微博传播力影响因素所包含的变量较多，可能有一定的共线性，本文选择弹性网络（Elastic Net）对影响因素进行验证分析。

弹性网络（Elastic Net）是线性回归的改进算法，其综合了以L1范式作为惩罚项的Lasso算法和以L2范式作为惩罚项的Ridge算法，使得结果既能具备一定的稳定性，又可以将一些系数化化为0，达到特征选择的目的，同时也能有效处理自变量间的共线性[23]。

3.3.1 微博内容Elastic Net分析

笔者所选用的分析工具是Python软件。由于微博内容特征中除了情感强度和内容长度，其他都为分类变量，因此在正式分析之前，笔者先用Python语言将所有分类变量转换成虚拟变量，即把所有分类变量转换成取值全为0和1的多个变量。

然后以微博传播力为因变量，微博内容影响因素为自变量，进行Elastic Net分析，输出各个变量的系数，其中非零系数的结果如表4所示。

由表4微博内容Elastic Net非零系数结果可以看出以下几点：

1）微博内容元素中，视频、话题、艾特和内容长度均对传播力有正向影响，其中视频影响最大，但内容长度系数较小。这说明，适当的视频配合话题和艾特将有利于微博传播，而内容长度对微博传播力则只有细微的正向作用；

2）微博情感中，情感强度虽被保留，但系数较小且为负，而情感类别各个变量系数均为0，全部被剔除。说明虽然情感强度对微博传播力有细微的负向影响，但整体来看，微博情感对微博传播力的影响有限；

3）微博主题中，原创、开奖通知、平台产品、抽奖活动、晚安问候和美食相关被保留，说明这几个变量会对微博传播力产生影响。其中，原创微博对传播力有正向影响，说明原创微博有利于传播。而晚安问候、抽奖活动和美食相关的原创微博，对传播力是有正向影响的，开奖通知和平台产品对传播力却有负向影响。这可能是因为，开奖通知针对性太强，平台产品广告性质太浓，用户并不会主动对其进行传播，所以会对微博的传播产生负向影响。抽奖活动往往会对很多用户产生激励作用，进而促进传播；

4）发布时间中，发布星期各个变量系数均为0，发布月份除了12月份，其余各变量均被剔除，而发布时间段，除了10∶00～12∶00，22∶00～24∶00，其余变量也均被剔除，被留下来的3个变量其系数值也较小，这说明发布时间对微博传播力影响微乎其微，即粉丝对所发微博的关注并不怎么受发布时间影响。

3.3.2 用户特征Elastic Net分析

用户特征所有涉及的影响因素均为连续变量，同样使用Python软件对其进行Elastic Net分析。

由于各变量存在较大的尺度差异，在进行正式分析之前，笔者利用Python中的代码库，对数据进行了正态化和归一化。

然后以用户传播力为因变量，用户特征影响因素为自变量，进行ElasticNet分析之后输出各变量的系数如表5所示。

由表5用户特征Elastic Net系数结果可以得出以下结论：

1）在个人属性中，当月原创发博数、发博数和等级系数为0，被剔除，而粉丝数、关注数和当月发博数对微博传播力有一定的影响。其中，粉丝数和关注数系数为正，而当月发博数系数为负。这说明粉丝数和关注数的增多对用户传播力起到正向影响，但用户当月发博数较多时，却会产生负向影响，这可能与刷屏现象引起的粉丝厌烦有关；

2）在粉丝属性中，除了粉丝数与关注数的比值被剔除，粉丝的关注数、粉丝数和发博数都对用户的传播力有一定影响。其中，粉丝关注数和粉丝粉丝数都对传播力存在负向作用，而粉丝发博数存在正向作用。这说明，当用户粉丝关注过多且拥有更多粉丝时，用户本身的传播力是会下降的，而粉丝发博数增多时，却有利于用户本身传播力，这可能是因为粉丝发博量增加体现了粉丝的活跃度，而活跃度的增加代表的是其与用户互动的可能性增加，推动了微博的传播；

3）用户关系属性中，点入度被剔除，点出度对传播力存在负向作用，Pagerank值对传播力存在正向作用，且系数较大。这说明用户在关系网络中的重要性对其传播力的提升非常重要，但一味地关注别人，则可能降低自身的传播力。

4 结 论

综上所述，从微博内容和用户特征两个方面对旅游机构的微博传播力进行实证，可以得出以下结论：

1）就微博内容而言，微博主题和微博内容元素会对旅游机构的微博传播力产生较大影响，而微博情感和发布时间对微博传播力产生的影响虽有但十分细微。其中，在微博主题中，原创微博中的晚安问候、抽奖活动和美食相关对传播力有正向影响，而开奖通知和平台产品对传播力却有负向影响；在微博内容元素中，包含视频、话题和艾特会对旅游机构的微博传播力有推动作用。

2）就用户特征而言，个人属性、粉丝属性和用户关系属性均会对旅游微博用户的传播力产生影响。其中，在个人属性中，粉丝数和关注数对用户传播力产生正向影响，当月发博数对用户传播力有负向影响；在粉丝属性中，用户粉丝的粉丝数和关注数会对用户的传播力产生负向影响，而用户粉丝的发博数会对用户的传播力产生正向影响；在用户关系属性中，用户本身的节点重要性会对用户传播力产生较大的正向影响，而点出度则会产生负向影响。

由结论可得出针对微博旅游机构用户的影响因素指标如表6所示。

结合实证结论，本文对旅游机构的微博运营提出几点建议：

1）在微博运营的过程中可以设置固定的版块，如早安和晚安问候，并经常开办抽奖等激励性活动，减少广告信息发送，以吸引活跃度较高的粉丝，提升自己的传播力；

2）多发送原创微博，并适当使用视频、话题和艾特，以提高微博传播力；

3）多跟其他旅游机构用户进行互相关注，特别是影响力较大的用户，以提升自己在该领域社会网络的节点重要性，没有得到回应的单向关注则可取消；

4）不要过于频繁地发送微博，避免用户逆反心理对微博传播力产生负向影响。

5 总结与思考

本文先对机构微博傳播力进行概念限定，并选取转发数、评论数和点赞数为指标进行权重赋值对机构微博传播力进行具体量化，然后将用户关系属性纳入微博用户特征，结合微博内容和用户特征对微博传播力影响因素指标进行选取，最后选取新浪微博平台上的旅游机构用户为实证研究对象，利用Elastic Net对各指标进行验证，得出了旅游机构微博传播力的具体影响因素。

除了得出针对旅游机构用户的具体影响因素外，由实证研究的结论还可以得出以下关于机构微博传播力影响因素的相关思考：

1）用户关系对于机构微博传播力的重要性。由实证可以看出，用户关系属性中的PageRank值的确会对机构微博传播力产生影响，且影响较大，这说明，在考虑微博传播相关的影响因素时，微博本身的社交网络属性是非常重要的，不应仅仅只把用户作为独立个体来分析，其关系属性不容忽视。但本文分析用户关系属性时只针对了部分旅游机构用户进行社会网络分析，下一步可以深入社会网络分析的内容，使传播力的影响因素指标更全面；

2）粉丝属性的复杂性。由对旅游机构用户的实证研究，可以发现，粉丝发博数的确会对用户传播力产生推动作用，但是其粉丝数和关注数却会对用户传播力产生负向影响，而粉丝发博数代表粉丝的活跃度，粉丝的粉丝数和关注数代表粉丝的质量，由此可见，粉丝活跃度和粉丝质量对微博传播力并不一定就会起到推动作用，需要针对具体对象进行具体分析，但总的来说，粉丝属性对于微博传播力的影响是不容忽视的；

3）影响因素指标的领域拓展。虽然微博内容和用户特征作为每位微博用户的固有属性并不会受领域影响，但是，不同领域的微博内容风格迥异，用户特征也有所不同，本文实证研究针对的是途牛旅游网官方微博的微博内容和部分旅游机构用户的用户特征，其结论会有一定的领域局限。但是，在涉及其他领域时，依旧可以用这样的指标，并且针对具体领域进行指标实证时的删减，最后得出针对不同领域的微博传播力影响因素；

4）微博情感计算的准确性。本文是使用软件工具来计算微博情感的，在词句的处理上可能会存在一定的误差，下一步研究在微博情感这一块可以考虑引入主观标注，结合主观和客观，使结果更加准确。

綜上所述，本文研究成果对微博传播力的量化和多角度探究微博传播力影响因素具有一定的理论参考，为各领域机构从微博内容和用户特征两个方面进行微博运营提供了参考依据。由于时间和样本的局限，本文研究方法和结论存在的不足之处，将在下一个阶段的研究中进一步完善。

参考文献

[1]房雅楠.活跃用户超3亿微博商业化业绩靓丽[N].中国商报，2017-02-28，（7）.

[2]张春华.传播力：一个概念的界定与解析[J].求索，2011，（11）：76-77.

[3]王建东，赵冬梅.电商企业官方微博竞争力评价研究——基于熵值法的视角[J].统计与信息论坛，2013，28（10）：81-84.

[4]方兴东，张静，张笑容，等.基于网络舆论场的微信与微博传播力评价对比研究[J].新闻界，2014，（15）：39-43.

[5]刘丛，谢耘耕，万旋傲.微博情绪与微博传播力的关系研究——基于24起公共事件相关微博的实证分析[J].新闻与传播研究，2015，（9）：92-106，128.

[6]赵玲，张静.微博用户使用动机影响因素与结构的实证研究[J].管理学报，2014，11（8）：1239-1245.

[7]彭柯，朱庆华，王雪芬.微博用户共享行为影响因素研究[J].图书情报知识，2013，（2）：81-87.

[8]陈芳，刘芳.地方高校图书馆社交媒体互动效果分析——以新浪认证微博为例[J].情报科学，2016，（12）：115-119，167.

[9]谢耘耕，荣婷.微博传播的关键节点及其影响因素分析——基于30起重大舆情事件微博热帖的实证研究[J].新闻与传播研究，2013，20（3）：5-15，126.

[10]于晶.微博传播过程中用户影响力的特征实证分析[J].情报杂志，2013，（8）：57-61，38.

[11]周志峰，韩静娴.h指数应用于微博影响力分析的探索——以我国“211工程”大学图书馆微博为例[J].情报杂志，2013，32（4）：63-67.

[12]刘晓娟，王昊贤，肖雪，等.基于微博特征的政务微博影响因素研究[J].情报杂志，2013，（12）：35-41.

[13]Hovland C I，Janis I L，Kelley H H.Communication and Persuasion[M].New haven：Yale University Press，1953：6-67.

[14]哈罗德·拉斯韦尔.社会传播的结构与功能[M].何道宽，译.北京：中国传媒大学出版社，2013：11-78.

[15]张博，李竹君.微博信息传播效果研究综述[J].现代情报，2017，37（1）：165-171.

[16]沈阳.2014政务新媒体传播力报告[R].北京：清华大学新闻研究中心，2015：4-7.

[17]Berger，Jonah，and Katherine Milkman.What Makes Online Content go Viral[J].Journal of Marketing Research，2012，49（2）：192-205.

[18]Berman R，Humphrey C，Melumad S，et al.Make America Tweet Again：A Dynamic Analysis of Micro-Blogging During the 2016 U.S.Republican Primary Debates[J].Social Science Electronic Publishing，2017.

[19]张鹏威，刘红丽，汪林威，等.用户特征对微博信息传播影响的实证研究[J].现代计算机：专业版，2015，（16）：33-38，69.

[20]王国华，郑全海，王雅蕾，等.新浪热门微博的特征及用户转发规律研究[J].情报杂志，2014，（4）：117-121，89.

[21]马俊，周刚，许斌，等.基于个人属性特征的微博用户影响力分析[J].计算机应用研究，2013，30（8）：2483-2487.

[22]毕凌燕，张镇鹏，左文明.基于微博传播信息流的微博效果评价模型及实证研究[J].情报杂志，2013，（7）：69-73.

[23]柯郑林.Lasso及其相关方法在多元线性回归模型中的应用[D].北京：北京交通大学，2011.

（责任编辑：郭沫含）