专题导语：多源融合 协同应用

在数智时代，社交媒体与短视频、搜索引擎、网络直播、线上办公等业务相融合，在模糊社交媒体边界和扩展功能的同时，沉淀大量的信息资源并促进信息流动的效率，大大提高了用户信息行为的复杂性。与此同时，移动终端存储成本的下降和处理性能的升级，使同一用户融合并协同多个社交媒体中的信息成为可能，越来越多的用户也倾向于通过跨社交媒体满足多元化的信息需求。用户跨社交媒体信息行为迅速流行，备受传播学、营销学、行为学、图书情报等领域学者的关注。

围绕“用户跨社交媒体信息行为”这一核心主题，分别从理论和应用的视角开展了一系列研究，将这些阶段性成果组织为“用户跨社交媒体信息行为研究”专题。清晰地界定用户跨社交媒体信息行为的概念边界是分析和应用的前提，如何在现有文献的基础上，结合时代情境，剖析概念内涵和外延，丰富用户信息行为的理论体系，是目前面临的首要挑战。在理论研究的基础上，针对特定的场景，灵活运用跨社交媒体信息行为特征，突出多源融合，协同应用的实践价值，也是亟待解决的关键问题。

鉴于此，本专题组织了３篇论文，分别从理论探索、舆情节点识别、推荐算法应用３个方面展开探索，以期提供些许启发。在理论探索方面，《用户跨社交媒体信息行为研究：概念界定主题归类与未来展望》以过去十余年国内外相关文献为基础，通过内容分析的方法，剖析用户跨社交媒体信息行为的概念内涵，并指出了用户类型多样性、社交媒体异质性、信息线索一致性、行为模式协同性等概念特征。同时，从研究背景、信息需求和信息行为等维度梳理相关理论，将用户跨社交媒体信息行为归纳为两种类型。在此基础上，提出未来研究应进一步扩展概念特征的外延，构建专有理论模型和深挖实践价值。在舆情节点识别方面，《跨社交媒体舆情关键节点识别方法及其实证研究》以超网络理论为基础，聚焦由用户跨社交媒体行为而产生实质性交互关系的跨社交媒体舆情传播情景，对跨社交媒体舆情传播中的各子网进行建模，构建跨社交媒体舆情传播超网络模型，并根据信息传播影响度、时序相似度、主题相似度、情感一致性４个指标构建超边排序算法以及节点得分公式。然后，选取微博、今日头条、抖音、哔哩哔哩、知乎、微信６个平台中的数据展开实证检验。通过从不同维度识别与解读跨社交媒体舆情传播过程中的关键节点，能够更好地描述跨社交媒体舆情的传播过程与特点，为相关部门的舆情治理和保障网络信息安全提供新的思路。在推荐算法方面，《融合跨平台用户偏好与异质信息网络的推荐算法研究》将跨平台的多领域异质信息引入推荐系统，提出的ＣＰＨＡＲ算法旨在全面挖掘跨平台数据要素价值，缓解推荐的稀疏性和冷启动问题。模型构建了用户跨平台的核心兴趣朋友圈，结合卷积神经网络和注意力机制建模用户跨平台的信息偏好，使用ＨＡＮ模型进行用户和项目节点信息的高阶聚合，最后基于改进的矩阵分解模型进行推荐预测。ＣＰＨＡＲ在自主构建的４个跨平台数据集中均表现出优越的性能。该研究将为多领域多情景下的用户偏好特征建模及推荐应用提供借鉴，为基于场景精细化和跨域关联式的信息资源推荐提供范式拓新。

毕达天

吉林大学商学与管理学院 教授、博士生导师