>>【摘要】

在微博用戶所構(gòu)成的社會(huì)網(wǎng)絡(luò)中，用戶的特征行為包括關(guān)注他人、被他人關(guān)注、發(fā)布信息。這三種行為對(duì)微博信息在網(wǎng)絡(luò)中的傳遞有著顯著性的影響。通過(guò)收集新浪微博用戶數(shù)據(jù)，對(duì)基于不同個(gè)體屬性下的微博用戶特征行為進(jìn)行統(tǒng)計(jì)分析。結(jié)果表明，男性用戶在微博空間里比女性用戶更加活躍；經(jīng)過(guò)了認(rèn)證的用戶在各項(xiàng)行為上均比未經(jīng)過(guò)認(rèn)證的用戶更加顯著；具有大學(xué)學(xué)歷的用戶雖然在群體中所占比例最大，但在信息發(fā)布和重要性方面都不是最顯著的；隨著年齡的增加，用戶的各項(xiàng)特征行為會(huì)變得更為活躍。

>>【關(guān)鍵詞】

微博 個(gè)體屬性 信息傳播 用戶行為

引言

當(dāng)前，微博已經(jīng)成為一種重要的信息傳播渠道。通過(guò)Web等各種客戶端，用戶可以任意組建個(gè)人社區(qū)并基于用戶和用戶之間的社會(huì)關(guān)系實(shí)現(xiàn)信息的分享、傳播與獲取。然而，微博在方便了人們進(jìn)行信息交流和獲取的同時(shí)也不可避免地帶來(lái)了一些負(fù)面的影響。由于網(wǎng)絡(luò)的普及化，“每個(gè)人手里都有一個(gè)麥克風(fēng)”，“一條微博改變一個(gè)人的命運(yùn)”，無(wú)形中使每個(gè)人的話語(yǔ)權(quán)增大，因而任何一個(gè)微博用戶發(fā)出的信息都有可能在網(wǎng)絡(luò)上大面積傳播，導(dǎo)致網(wǎng)絡(luò)輿情等重大事件的發(fā)生。比如2012年初轟動(dòng)一時(shí)的清華大學(xué)建筑學(xué)院副院長(zhǎng)中傷清華大學(xué)校長(zhǎng)事件、北京大學(xué)教授鄒恒甫爆料的“桃色新聞”事件等均造成了重大的社會(huì)影響。因此，研究微博信息的傳播過(guò)程，分析和引導(dǎo)微博輿論向合理、健康的方向發(fā)展便成為了當(dāng)前的一個(gè)重要研究課題。

由于微博社區(qū)是用戶各種社會(huì)關(guān)系所形成的虛擬的網(wǎng)絡(luò)化結(jié)構(gòu)，因此，基于網(wǎng)絡(luò)分析的方法研究微博社區(qū)的結(jié)構(gòu)特征和信息的傳播方式成為目前微博輿情研究中的一個(gè)重要方向，如平亮、宗利永利用社會(huì)網(wǎng)絡(luò)中的中心性分析研究了新浪微博的用戶結(jié)構(gòu)，發(fā)現(xiàn)了微博用戶社團(tuán)結(jié)構(gòu)存在較大的中心性[1]；袁園等同樣以新浪微博為平臺(tái)，通過(guò)社會(huì)網(wǎng)絡(luò)分析輔以聚類分析的方法挖掘用戶關(guān)注對(duì)象的關(guān)聯(lián)性，提出了改進(jìn)微博關(guān)注的建議[2]。此外，田占偉等基于復(fù)雜網(wǎng)絡(luò)理論研究了微博信息的傳播，發(fā)現(xiàn)了微博網(wǎng)絡(luò)有著集群性、小世界、高度中心化的特征，信息在微博網(wǎng)絡(luò)中的傳播比其他在線社會(huì)網(wǎng)絡(luò)更高[3]；許曉東等則通過(guò)模擬微博在微博社區(qū)內(nèi)的傳播，發(fā)現(xiàn)了謠言的傳播會(huì)受到有效傳染率和網(wǎng)絡(luò)度分布熵的影響[4]。

然而，通過(guò)歸納和分析這些研究可以發(fā)現(xiàn)，目前的微博網(wǎng)絡(luò)研究大多集中在用戶網(wǎng)絡(luò)的復(fù)雜結(jié)構(gòu)性分析方面，而沒(méi)有考慮到作為網(wǎng)絡(luò)節(jié)點(diǎn)的用戶個(gè)體所具有的一些特殊性質(zhì)，如用戶之間的連接關(guān)系和信息傳播的不對(duì)稱特性等[5-7]。因此，本文通過(guò)采集微博用戶信息，對(duì)用戶不同個(gè)體屬性之間的特征行為進(jìn)行統(tǒng)計(jì)分析。

數(shù)據(jù)概況

本文分析的微博用戶數(shù)據(jù)來(lái)自于新浪微博。新浪微博是目前國(guó)內(nèi)最大、用戶最多的微博網(wǎng)站。據(jù)統(tǒng)計(jì)， 2012年倫敦夏季奧運(yùn)會(huì)期間，新浪微博占據(jù)國(guó)內(nèi)四大門戶微博PC端用戶的總停留時(shí)間達(dá)到了70.6%[8]。通過(guò)隨機(jī)抽取的方法， 以2011年12月31日至2012年1月31日為時(shí)間段，收集了用戶信息數(shù)據(jù)共計(jì)20萬(wàn)條，其中有效用戶信息包括用戶性別、粉絲數(shù)量、發(fā)布的微博數(shù)量、關(guān)注數(shù)量、受教育情況、是否認(rèn)證、出生日期等。對(duì)用戶信息缺失或異常的數(shù)據(jù)進(jìn)行了篩除處理，最后得到有效的用戶信息數(shù)據(jù)為53 281條。針對(duì)用戶信息建立個(gè)體屬性變量，得到結(jié)果如下：

性別（男/女）

是否認(rèn)證（是/否）

教育情況（大學(xué)/高中/初中/小學(xué)）

年齡（20歲以下/21-30歲/31-40歲/41歲以上）

在網(wǎng)絡(luò)上，微博用戶的特征行為主要有三種：關(guān)注他人、被他人關(guān)注、發(fā)布微博信息。其中第一種反映的是用戶主動(dòng)關(guān)注他人并從其他用戶那里獲得信息的行為，一般用關(guān)注數(shù)來(lái)表示，用戶的關(guān)注數(shù)越大，其主動(dòng)交往的活躍性越強(qiáng)；第二種反映的是用戶被動(dòng)受到他人關(guān)注，但自身的一言一行會(huì)對(duì)其他用戶產(chǎn)生影響的行為，一般用粉絲數(shù)來(lái)表示，用戶的粉絲數(shù)越大，則用戶的影響力就越大；第三種行為則反映了用戶創(chuàng)建或傳播信息的行為，一般用發(fā)布和轉(zhuǎn)發(fā)的微博數(shù)來(lái)表示，用戶的微博數(shù)越大，表明用戶所釋放的信息量就越大。

基于用戶個(gè)體屬性的探索性統(tǒng)計(jì)分析

首先，對(duì)微博用戶的個(gè)體屬性分布進(jìn)行探索性統(tǒng)計(jì)分析。在所收集的新浪微博用戶信息數(shù)據(jù)中，顯示為“男性”的用戶共有38 710人，占總體的72.7%，而顯示為“女性”的用戶數(shù)量為14 571人，占總體的27.3%。而在是否認(rèn)證方面，顯示為“已認(rèn)證”的用戶數(shù)量為10 708人，僅占樣本總數(shù)的20%。一般來(lái)講，認(rèn)證行為反映的是用戶的誠(chéng)信程度，在微博用戶中完成認(rèn)證、具有一定誠(chéng)信程度的用戶的比例較低。而在受教育程度方面，顯示為“大學(xué)”學(xué)歷的用戶數(shù)量最多，所占比例達(dá)到了84.3%（見(jiàn)圖1），其次是“高中”學(xué)歷（10.5%）、“初中”學(xué)歷（3.9%）和“小學(xué)”學(xué)歷（1.3%）。在年齡的分布上，20-30歲之間的年輕群體占總樣本的比例達(dá)到了73.1%，而其他年齡段的群體則僅占26.9%（見(jiàn)圖2），由此可見(jiàn)低年齡段的人群構(gòu)成了微博用戶的主體。

圖1微博用戶的學(xué)歷分布

圖2微博用戶的年齡分布

基于粉絲數(shù)的用戶分布統(tǒng)計(jì)

在微博用戶的三種特征行為中，關(guān)注他人和被他人關(guān)注這兩種行為是微博用戶社交網(wǎng)絡(luò)形成的基礎(chǔ)，但由于用戶在關(guān)注他人的同時(shí)不可能完全相應(yīng)地獲得對(duì)方的關(guān)注，因而在用戶之間就形成了一種不對(duì)稱的結(jié)構(gòu)性特征[4]（見(jiàn)圖3）。從網(wǎng)絡(luò)結(jié)構(gòu)的形成來(lái)說(shuō)，用戶主動(dòng)關(guān)注他人的行為要更為重要，因?yàn)檫@種行為直接導(dǎo)致了用戶之間的社會(huì)關(guān)系的建立。但對(duì)于被關(guān)注的用戶來(lái)說(shuō)，其受到的關(guān)注越多，則被關(guān)注的程度越大，其一言一行對(duì)其他用戶的影響就越大，因而在網(wǎng)絡(luò)中的重要性就越大[9]。因此，本文對(duì)微博用戶的粉絲數(shù)進(jìn)行量化分級(jí)，以粉絲數(shù)量級(jí)來(lái)反映用戶在網(wǎng)絡(luò)中的重要性程度，然后分別分析不同個(gè)體屬性下的用戶分布。

圖3 微博用戶之間的關(guān)注與被關(guān)注關(guān)系

對(duì)用戶的粉絲數(shù)，分別按照100萬(wàn)以上、10萬(wàn)以上-100萬(wàn)、1萬(wàn)以上-10萬(wàn)、1千以上-1萬(wàn)、1千及以下等不同的量級(jí)進(jìn)行分類，然后分別統(tǒng)計(jì)各粉絲數(shù)量級(jí)用戶的個(gè)體屬性分布，結(jié)果見(jiàn)表1。如果以粉絲數(shù)作為用戶在微博網(wǎng)絡(luò)中重要性程度指標(biāo)的話，從表1可見(jiàn)，用戶的重要性越突出，則相應(yīng)的粉絲數(shù)量就越少，也就是說(shuō)，擁有較多粉絲數(shù)的用戶在微博網(wǎng)絡(luò)中始終為少數(shù)。對(duì)于性別這一個(gè)體屬性來(lái)說(shuō)，無(wú)論對(duì)應(yīng)哪個(gè)粉絲數(shù)量級(jí)的用戶，男性的比例始終要高于女性。而從表示用戶誠(chéng)信程度的認(rèn)證行為來(lái)看，已經(jīng)認(rèn)證的用戶在群體中的比例卻隨著用戶粉絲數(shù)量級(jí)的下降而減少。

表1 不同粉絲數(shù)量級(jí)下的用戶個(gè)體屬性及行為分布

粉絲數(shù)量級(jí)100萬(wàn)以上10萬(wàn)以上-100萬(wàn)1萬(wàn)以上-10萬(wàn)1千以上-1萬(wàn)1千及以下

41321 1287 06444 953

性別（%）男10090.172.878.571.3

女09.927.221.528.7

是否認(rèn)證（%）是5062.957.334.116.8

否5037.142.765.983.2

教育程度（%）大學(xué)7591.791.083.884.2

高中03.85.210.510.7

初中253.82.74.23.9

小學(xué)00.71.11.51.2

年齡（%）20歲以下2536.814.513.4

21-30歲2555.365.669.474.0

31-40歲028.022.213.611.2

41歲以上5013.65.42.51.4

粉絲數(shù)平均值1 743 001205 80322 6622 257370

微博數(shù)平均值5 4662 0881 5601 794940

關(guān)注數(shù)平均值386846598773322

在受教育程度方面，具有“大學(xué)”學(xué)歷的用戶在不同粉絲數(shù)量級(jí)下的用戶群體中所占的比例始終遠(yuǎn)遠(yuǎn)高于其他學(xué)歷的用戶，即在微博網(wǎng)絡(luò)中無(wú)論用戶的重要性程度如何，大多數(shù)成員都具有較高的學(xué)歷。而在年齡方面，在不同粉絲數(shù)量級(jí)的用戶群體中，21-30歲的年輕用戶一直占據(jù)了較大的比例，并且隨著用戶粉絲數(shù)量級(jí)的降低，該年齡段用戶所占比例呈逐漸增加的趨勢(shì)。

最后，對(duì)不同粉絲數(shù)量級(jí)的用戶群體分別統(tǒng)計(jì)了該數(shù)量級(jí)下的平均粉絲數(shù)、平均關(guān)注數(shù)和平均微博數(shù)。從結(jié)果可見(jiàn)，在粉絲數(shù)量級(jí)為1千以上的所謂 “精英”用戶群體中，用戶的平均粉絲數(shù)均遠(yuǎn)遠(yuǎn)大于其平均關(guān)注數(shù)，顯示了用戶之間相互關(guān)注的不對(duì)等性，只有在粉絲數(shù)量級(jí)在1千及以下的用戶群體中用戶的平均粉絲數(shù)與平均關(guān)注數(shù)比較接近，這反映出對(duì)于粉絲數(shù)量級(jí)處于1千及以下的“草根”階層，其在關(guān)注他人的同時(shí)基本能夠得到他人同等的關(guān)注。此外，從用戶發(fā)布的微博數(shù)量來(lái)看，粉絲數(shù)量級(jí)高的用戶，其發(fā)布的微博數(shù)量基本處于較高的水平，這反映出在微博用戶網(wǎng)絡(luò)中用戶的重要性和影響力越大，其釋放的信息量也越大[9]。

不同個(gè)體屬性之間的用戶特征行為比較分析

對(duì)微博用戶來(lái)說(shuō)，不同的個(gè)體屬性可能會(huì)導(dǎo)致不同的特征行為。為此，采用獨(dú)立樣本t檢驗(yàn)和單因素方差分析的方法，利用SPSS統(tǒng)計(jì)軟件，對(duì)具有不同個(gè)體屬性的用戶特征行為進(jìn)行分組比較分析。

首先，對(duì)用戶的性別和認(rèn)證個(gè)體屬性，利用獨(dú)立樣本t檢驗(yàn)來(lái)分別分析男性和女性、認(rèn)證用戶和非認(rèn)證用戶之間特征行為的差異性，結(jié)果見(jiàn)表2。從表2可見(jiàn)，男性用戶和女性用戶之間、認(rèn)證用戶和未認(rèn)證用戶之間在粉絲數(shù)、微博數(shù)以及關(guān)注數(shù)等行為上的F檢驗(yàn)顯著性水平均達(dá)到了0.01，表明不同性別和不同認(rèn)證水平的用戶在三種行為的分布上具有方差齊性。隨后，利用t檢驗(yàn)分別分析不同屬性用戶組之間的均值差異性。結(jié)果顯示，不同性別用戶之間的粉絲數(shù)、微博數(shù)和關(guān)注數(shù)的t統(tǒng)計(jì)量分別為7.04、12.03和25.55，不同認(rèn)證水平用戶之間的粉絲數(shù)、微博數(shù)和關(guān)注數(shù)的t統(tǒng)計(jì)量分別為9.422、28.625和6.382，顯著性水平均為p=0.01，這表明不同性別和不同認(rèn)證水平的用戶群體之間在特征行為上存在顯著性差異。

表2 微博用戶的性別與認(rèn)證的獨(dú)立樣本t檢驗(yàn)結(jié)果

用戶屬性粉絲數(shù)微博數(shù)關(guān)注數(shù)

平均值F平均值F平均值F

男

女2018.15

971.9083.98**

1018.20

1207.2295.066**

414.82

321.581124.26**

認(rèn)證

未認(rèn)證4415.32

1057.12564.43**1478.33

967.17302.97**410.97

383.88145.41**

** p=0.01

從具體的均值水平來(lái)看，男性用戶的平均粉絲數(shù)大約是女性用戶的兩倍，而且男性用戶的關(guān)注數(shù)也要多于女性，說(shuō)明了男性用戶在微博交往中比女性用戶更具有主動(dòng)性。但從平均發(fā)布微博數(shù)來(lái)看，男性用戶的信息發(fā)布能力要略低于女性用戶。此外，認(rèn)證的用戶在粉絲數(shù)、微博數(shù)和關(guān)注數(shù)上均顯著性地高于未認(rèn)證的用戶，說(shuō)明具有較高誠(chéng)信度的用戶在主動(dòng)關(guān)注他人、被他人關(guān)注和信息釋放的能力上都具有較高的顯著性。

對(duì)于年齡和教育程度兩種個(gè)體屬性，由于其類別均為4個(gè)，因此采用單因素方差分析的方法分析不同年齡和教育程度用戶行為之間的差異性。首先，對(duì)不同年齡和不同教育程度的用戶行為進(jìn)行方差齊性檢驗(yàn)，結(jié)果如表3所示。

表3 微博用戶教育背景和年齡的特征行為均值檢驗(yàn)

用戶屬性粉絲數(shù)微博數(shù)關(guān)注數(shù)

平均值F平均值F平均值F

大學(xué)

高中

初中

小學(xué)1819.31

956.89

2054.63

1384.473.186*1045.21

1183.47

1233.17

1269.8325.361**393.41

347.69

398.62

435.6022.653**

20歲以下

21-30歲

31-40歲

41歲以上1119.41

1426.06

2866.45

11922.7885.809**1039.50

1070.81

1213.00

1244.8425.259**336.56

385.82

434.33

645.32173.497**

**p=0.01 *p=0.05

從表3可見(jiàn)，F(xiàn)統(tǒng)計(jì)量顯著性水平均達(dá)到了0.05，表明方差具有齊性，即不同年齡和不同教育程度的用戶的特征行為具有不同的總體分布。隨后，采用最小顯著差數(shù)法進(jìn)行不同個(gè)體屬性用戶行為均值間的配對(duì)比較。對(duì)于受教育程度屬性，高中學(xué)歷的用戶與初中學(xué)歷用戶（p=0.037）和大學(xué)學(xué)歷用戶（p=0.003）之間在擁有的粉絲數(shù)上有顯著的差異性，而大學(xué)學(xué)歷用戶在關(guān)注數(shù)上與小學(xué)（p=0.001）、初中（p=0.001）、高中（p=0.001）學(xué)歷用戶之間均存在顯著性差異，在發(fā)布的微博數(shù)上，只有初中學(xué)歷用戶與大學(xué)學(xué)歷用戶（p=0.584）之間不存在顯著性差異。而從具體均值水平上來(lái)看，具有初中學(xué)歷的用戶平均擁有的粉絲數(shù)量最多，其次為具有大學(xué)學(xué)歷的用戶，而高中學(xué)歷的用戶最少。在信息釋放能力上，大學(xué)學(xué)歷的用戶平均發(fā)布的微博數(shù)量最少，而小學(xué)學(xué)歷的用戶平均發(fā)布的微博數(shù)量反而最多。由此可見(jiàn)，雖然具有大學(xué)學(xué)歷的人群在微博用戶群體中所占比例最大，但重要性程度和信息釋放能力卻不是最顯著的。

對(duì)年齡屬性，均值檢驗(yàn)結(jié)果表明，41歲以上用戶群體與其他三個(gè)年齡段的用戶群體之間在粉絲數(shù)分布上存在顯著性差異（p均為0.001），而在關(guān)注數(shù)上，21-30歲年齡段的用戶與20歲以下用戶（p=0.001）與41歲以上用戶（p=0.001）之間存在顯著性差異，在發(fā)布的微博數(shù)上，各個(gè)年齡段用戶之間均存在顯著性差異（p均為0.001）。而從具體的均值水平來(lái)看，表現(xiàn)為隨著年齡段的增加，用戶的平均粉絲數(shù)、關(guān)注數(shù)和微博數(shù)均逐漸增大。這反映出年齡較大的用戶在微博網(wǎng)絡(luò)中的重要性程度和信息釋放能力均優(yōu)于年齡較小的用戶。

結(jié)論

通過(guò)收集新浪微博用戶的信息并對(duì)不同個(gè)體屬性下的用戶行為進(jìn)行統(tǒng)計(jì)，可以發(fā)現(xiàn)：①在基于個(gè)體屬性的用戶數(shù)量分布方面，“男性”、“未認(rèn)證”、“大學(xué)學(xué)歷”、“21-30年齡段”的用戶構(gòu)成了微博用戶的主體。②通過(guò)分析微博用戶的不對(duì)稱社會(huì)關(guān)系，以粉絲數(shù)作為衡量用戶在微博網(wǎng)絡(luò)社團(tuán)中的重要性程度指標(biāo)，分析結(jié)果表明在不同粉絲數(shù)量級(jí)的用戶群體中，“男性”、“大學(xué)學(xué)歷”、“21-30年齡段”的用戶仍然占較大的比重，而“未認(rèn)證”的用戶在群體中所占比例隨著用戶粉絲數(shù)量級(jí)的降低而增加。③對(duì)不同個(gè)體屬性的用戶進(jìn)行行為比較分析發(fā)現(xiàn)，“男性”用戶的平均粉絲數(shù)和關(guān)注數(shù)較多，表現(xiàn)出其在微博交往中具有較大的主動(dòng)性，但在信息發(fā)布方面較差；而“已認(rèn)證”用戶在各項(xiàng)行為上均要好于“未認(rèn)證”的用戶；“大學(xué)學(xué)歷”的用戶雖然在群體中所占比例最大，但無(wú)論從信息發(fā)布還是從網(wǎng)絡(luò)重要性程度來(lái)看都不是最顯著的；隨著用戶年齡的增加，其各項(xiàng)特征行為都變得更為活躍。

通過(guò)對(duì)微博用戶的行為進(jìn)行分析，可以發(fā)現(xiàn)具有不同個(gè)體屬性的微博用戶之間的特征行為存在較大的差異，主要體現(xiàn)為社會(huì)關(guān)系的不對(duì)稱性、信息發(fā)布的不一致性、活躍程度的不相同性，而這些特征行為的差異又會(huì)對(duì)微博用戶的信息傳遞產(chǎn)生重要的影響。其中，擁有粉絲數(shù)較多的用戶會(huì)具有較大的網(wǎng)絡(luò)影響力，因而一旦這種類型的用戶在微博中發(fā)布或轉(zhuǎn)發(fā)信息就會(huì)立即傳遞給關(guān)注他的用戶，形成短時(shí)間內(nèi)信息的大面積快速擴(kuò)散。而對(duì)于具有不同個(gè)體屬性的用戶群體來(lái)說(shuō)，其信息的傳遞行為又會(huì)受到具體的個(gè)體屬性的影響，因?yàn)椴煌脩糁g所關(guān)注的信息類別是不同的，例如年輕用戶會(huì)更關(guān)注時(shí)尚一類的信息、男性用戶會(huì)更關(guān)注體育一類的信息等，因此所形成的信息敏感度不同，最終造成信息傳遞后果也會(huì)有所不同。因此，無(wú)論是在微博用戶網(wǎng)絡(luò)的結(jié)構(gòu)分析方面，還是在基于社會(huì)網(wǎng)絡(luò)的微博輿情傳遞的模擬研究中，都應(yīng)當(dāng)進(jìn)一步考慮微博用戶個(gè)體屬性對(duì)其特征行為的影響，使研究更具有合理性。

[參考文獻(xiàn)]

[1]平亮，宗利永.基于社會(huì)網(wǎng)絡(luò)中心性分析的微博信息傳播研究—以Sina微博為例[J].圖書(shū)情報(bào)知識(shí)，2010（6）： 92-97.

[2]袁園，孫宵凌，朱慶華. 微博用戶關(guān)注興趣的社會(huì)網(wǎng)絡(luò)分析[J]. 現(xiàn)代圖書(shū)情報(bào)技術(shù)， 2012（2）： 68-75.

[3]田占偉，隋玚.基于復(fù)雜網(wǎng)絡(luò)理論的微博信息傳播實(shí)證分析[J].圖書(shū)情報(bào)工作， 2012， 56（8）：42-46.

[4]許曉東，肖銀濤，朱士瑞.微博社區(qū)的謠言傳播仿真研究[J].計(jì)算機(jī)工程，2011， 37（10）： 272-274.

[5]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(shū)情報(bào)工作，2010， 54（14）：66-70.

[6]石磊，張聰，衛(wèi)琳.引入活躍指數(shù)的微博用戶排名機(jī)制[J].小型計(jì)算機(jī)系統(tǒng)，2012， 33（1）： 110-114.

[7]楊成明.微博客用戶行為特征實(shí)證分析[J].圖書(shū)情報(bào)工作，2011， 55（12）： 21-25.

[8][EB-OL].[2012-08-13]. http：//tech.sina.com.cn/i/2012-08-13/13307497558.shtml.

[9]何黎，何躍，霍葉青.微博用戶特征分析和核心用戶挖掘[J].情報(bào)理論與實(shí)踐，2011，34（11）： 121-126.