高哲

摘? 要? 公共圖書(shū)館微信公眾號(hào)服務(wù)面對(duì)的用戶(hù)群體龐大且復(fù)雜，所提供的文化服務(wù)內(nèi)容多，如何獲取更優(yōu)質(zhì)、用戶(hù)需求更大的文化服務(wù)內(nèi)容，是當(dāng)前公共圖書(shū)館微信公眾號(hào)服務(wù)所面臨的挑戰(zhàn)之一。大數(shù)據(jù)的發(fā)展為公共圖書(shū)館微信公眾號(hào)傳播效果的研究帶來(lái)了新的契機(jī)。文章以國(guó)家圖書(shū)館微信公眾號(hào)為例，將聚類(lèi)算法應(yīng)用于圖文消息的特征數(shù)據(jù)，在大數(shù)據(jù)視角下對(duì)公共圖書(shū)館微信公眾號(hào)消息傳播效果進(jìn)行探究，為微信公眾號(hào)的運(yùn)營(yíng)工作提供科學(xué)的參考。

關(guān)鍵詞? 圖書(shū)館;微信公眾號(hào);大數(shù)據(jù);聚類(lèi);算法

中圖分類(lèi)號(hào)? G250? ? ? 文獻(xiàn)標(biāo)識(shí)碼? A? ? ? 文章編號(hào)? 2096-0360（2020）17-0012-04

隨著互聯(lián)網(wǎng)以及移動(dòng)應(yīng)用技術(shù)的發(fā)展，基于微信的社交化閱讀方式的影響力不斷擴(kuò)大。微信公眾平臺(tái)是基于微信的一個(gè)功能模塊，它注冊(cè)簡(jiǎn)單、推送效率高、信息溝通速度快，所具有的一對(duì)多即時(shí)信息推送的特點(diǎn)使其在政府機(jī)構(gòu)、企業(yè)、高校以及個(gè)人中得以廣泛應(yīng)用。

公共圖書(shū)館擔(dān)負(fù)著為公眾提供文化服務(wù)的使命，“互聯(lián)網(wǎng)+”背景下的公共圖書(shū)館微信公眾號(hào)服務(wù)拓寬了公共圖書(shū)館的服務(wù)渠道[1]，優(yōu)化了公共文化服務(wù)方式，推動(dòng)其從傳統(tǒng)的服務(wù)模式轉(zhuǎn)向多媒體融合服務(wù)模式。目前，圖書(shū)館微信公眾號(hào)作為優(yōu)質(zhì)的線上文化服務(wù)方式，已經(jīng)得到了較為廣泛深入的研究。然而，已有研究多是針對(duì)高校圖書(shū)館微信公眾號(hào)服務(wù)，對(duì)公共圖書(shū)館微信公眾號(hào)信息傳播效果的研究成果和深度還比較欠缺。公共圖書(shū)館微信公眾號(hào)服務(wù)面對(duì)的用戶(hù)基數(shù)大，范圍廣，用戶(hù)群體復(fù)雜，所提供的文化服務(wù)內(nèi)容多，如何從中獲取更優(yōu)質(zhì)、用戶(hù)需求更大的文化服務(wù)內(nèi)容，是當(dāng)前公共圖書(shū)館微信公眾號(hào)服務(wù)所面臨的挑戰(zhàn)之一。

已有對(duì)圖書(shū)館微信公眾號(hào)的量化研究多是基于大數(shù)據(jù)的微信傳播指數(shù)（WCI）的橫向研究，通過(guò)參考多個(gè)維度的數(shù)據(jù)計(jì)算各微信公眾號(hào)的WCI，進(jìn)而進(jìn)行多個(gè)微信公眾號(hào)的傳播影響力比較。李龍等人[2]通過(guò)利用WCI工具對(duì)35所高校圖書(shū)館微信公眾號(hào)進(jìn)行量化比較，提出了高校圖書(shū)館微信公眾號(hào)建設(shè)舉措。王康等人[3]通過(guò)計(jì)算56所高校圖書(shū)館微信公眾號(hào)WCI指數(shù)及相關(guān)分析，對(duì)高校圖書(shū)館微信公眾號(hào)傳播影響力的因素進(jìn)行了研究。對(duì)于特定的微信公眾號(hào)而言，進(jìn)行量化的實(shí)證研究較少，且已有研究多是針對(duì)于高校圖書(shū)館微信公眾號(hào)。王曉慧等人[4]以武漢大學(xué)圖書(shū)館為例，通過(guò)推文標(biāo)題、主題、閱讀數(shù)等的相關(guān)分析探究了影響高校圖書(shū)館微信公眾號(hào)信息傳播力的因素。李曉蔚[5]以四川大學(xué)圖書(shū)館微信公眾號(hào)為例，通過(guò)方差分析探究了微信公眾號(hào)傳播影響力的相關(guān)因素。這些研究通過(guò)對(duì)高校圖書(shū)館微信公眾號(hào)進(jìn)行實(shí)證研究，探究了高校圖書(shū)館微信公眾號(hào)運(yùn)營(yíng)內(nèi)容以及運(yùn)營(yíng)方式的強(qiáng)化策略，從而提升高校圖書(shū)館的微信服務(wù)效能。

然而，以國(guó)家圖書(shū)館微信公眾號(hào)為例的公共圖書(shū)館微信公眾號(hào)用戶(hù)群體龐大且復(fù)雜，用戶(hù)行為和用戶(hù)需求更為多樣化，對(duì)公共圖書(shū)館微信公眾號(hào)的縱向研究還比較不足，對(duì)公共圖書(shū)館微信公眾號(hào)的信息傳播效果的衡量缺乏科學(xué)的標(biāo)準(zhǔn)體系。因而在傳統(tǒng)的對(duì)消息傳播效果策略進(jìn)行研究的基礎(chǔ)上，探究如何從內(nèi)容種類(lèi)豐富的消息服務(wù)中，動(dòng)態(tài)獲取當(dāng)前用戶(hù)更為偏愛(ài)的服務(wù)內(nèi)容，從而基于當(dāng)前用戶(hù)內(nèi)容服務(wù)需求進(jìn)行動(dòng)態(tài)調(diào)整，顯得尤為重要。

機(jī)器學(xué)習(xí)方法中的無(wú)監(jiān)督聚類(lèi)算法，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式，在綜合考慮推送順序、推送內(nèi)容等影響因素的基礎(chǔ)上，可以從大數(shù)據(jù)的視角下對(duì)內(nèi)容服務(wù)效果進(jìn)行綜合考量。同時(shí)，該算法運(yùn)算速度快，穩(wěn)定性相對(duì)較高，可移植性好，適合基于大量樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，動(dòng)態(tài)獲取用戶(hù)內(nèi)容服務(wù)需求，能夠?yàn)楣矆D書(shū)館公眾號(hào)用戶(hù)需求服務(wù)提供方法學(xué)參考。

該研究將以國(guó)家圖書(shū)館微信公眾號(hào)為例，通過(guò)無(wú)監(jiān)督算法對(duì)圖文消息對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行聚類(lèi)分析，從大數(shù)據(jù)視角下對(duì)消息傳播效果進(jìn)行實(shí)證研究。結(jié)果表明，通過(guò)無(wú)監(jiān)督聚類(lèi)方法所獲取的需求度更高的推送內(nèi)容符合相關(guān)研究中的頭條優(yōu)勢(shì)的原則;非參數(shù)檢驗(yàn)結(jié)果顯示，通過(guò)聚類(lèi)算法得到的兩類(lèi)消息的用戶(hù)需求存在顯著性差異。與以往的基于推送內(nèi)容和推送順序的研究不同，利用機(jī)器學(xué)習(xí)方法中的無(wú)監(jiān)督聚類(lèi)算法，可以通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式在綜合考慮推送順序、推送內(nèi)容等影響因素的基礎(chǔ)上，從復(fù)雜多樣的用戶(hù)行為數(shù)據(jù)中進(jìn)行挖掘，動(dòng)態(tài)獲取用戶(hù)需求，科學(xué)調(diào)整用戶(hù)服務(wù)內(nèi)容，從而不斷優(yōu)化公共文化內(nèi)容服務(wù)。

1? 公共圖書(shū)館微信公眾號(hào)傳播效果實(shí)證研究

1.1? 數(shù)據(jù)來(lái)源

該研究抽樣單位為國(guó)家圖書(shū)館微信公眾號(hào)，分析單位為2018年5月1日至2019年4月30日期間通過(guò)國(guó)家圖書(shū)館微信公眾號(hào)群發(fā)的354篇圖文消息。研究數(shù)據(jù)包括每篇消息的送達(dá)人數(shù)、推送順序、閱讀數(shù)、點(diǎn)贊（在看）數(shù)、分享數(shù)、留言數(shù)等，統(tǒng)計(jì)截止時(shí)間為2019年10月31日。

1.2? 數(shù)據(jù)處理

1.2.1? 聚類(lèi)方法

聚類(lèi)方法的基本思想是將具有相似特征的原始數(shù)據(jù)聚為一類(lèi)。其中，k-means算法是一種常見(jiàn)的聚類(lèi)算法，該算法基于隨機(jī)給定的k個(gè)簇中心，依照最近鄰原則，分別計(jì)算各樣本點(diǎn)與簇中心的距離，從而將樣本點(diǎn)歸到相應(yīng)的簇中，在此基礎(chǔ)上，用均值方法對(duì)聚類(lèi)的中心點(diǎn)重新進(jìn)行計(jì)算，迭代上述過(guò)程，不斷更新聚類(lèi)中心以及樣本所屬類(lèi)，直至算法收斂。

以國(guó)家圖書(shū)館為例的公共圖書(shū)館微信公眾號(hào)所面向的用戶(hù)基數(shù)大，用戶(hù)行為相對(duì)復(fù)雜，用戶(hù)需求多樣化，因此，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式，可以更好地從大量用戶(hù)數(shù)據(jù)中對(duì)用戶(hù)需求進(jìn)行挖掘。通過(guò)算法本身的迭代達(dá)到收斂條件，來(lái)獲取用戶(hù)需求更大的服務(wù)內(nèi)容，從而動(dòng)態(tài)調(diào)整公共圖書(shū)館微信公眾號(hào)服務(wù)內(nèi)容。此外，以k-means聚類(lèi)算法為例的聚類(lèi)方法運(yùn)算速度快，穩(wěn)定性相對(duì)較高，可移植性好，適合基于大量樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，動(dòng)態(tài)獲取用戶(hù)內(nèi)容服務(wù)需求，能夠?yàn)楣矆D書(shū)館公眾號(hào)用戶(hù)需求服務(wù)提供方法學(xué)參考。

因此，研究中將聚類(lèi)算法應(yīng)用于圖文消息的特征數(shù)據(jù)，在大數(shù)據(jù)視角下對(duì)公共圖書(shū)館微信公眾號(hào)消息傳播效果進(jìn)行探究，以數(shù)據(jù)驅(qū)動(dòng)的方式從大數(shù)據(jù)視角下對(duì)影響因素進(jìn)行綜合考慮，獲取適用于當(dāng)前用戶(hù)群體的消息內(nèi)容服務(wù)，對(duì)公共圖書(shū)館微信公眾號(hào)運(yùn)營(yíng)提供具有針對(duì)性的內(nèi)容服務(wù)指導(dǎo)。

1.2.2? 無(wú)監(jiān)督聚類(lèi)分析

無(wú)監(jiān)督的k-means聚類(lèi)方法可將n×p維的觀測(cè)數(shù)據(jù)矩陣X劃分成k類(lèi)，返回包含每個(gè)觀測(cè)數(shù)據(jù)類(lèi)標(biāo)記的n維向量y，如下列公式所示：

y=kmeans（X，k）

通過(guò)將354篇群發(fā)消息的相關(guān)數(shù)據(jù)進(jìn)行整理，可以得到維度為354×4的矩陣A，其中每一行代表一條消息，每一列分別代表消息的閱讀數(shù)、點(diǎn)贊（在看）數(shù)、分享數(shù)、留言數(shù)等特征數(shù)據(jù)。

在該研究中，將通過(guò)對(duì)矩陣A執(zhí)行k-means聚類(lèi)分析的方式，從群發(fā)圖文消息中根據(jù)特征數(shù)據(jù)選取出用戶(hù)歡迎度更高、需求更大的消息內(nèi)容。通過(guò)利用無(wú)監(jiān)督k-means聚類(lèi)算法對(duì)矩陣A進(jìn)行處理，其中k取值為2，可以返回354維的類(lèi)標(biāo)簽向量b。算法選用歐式距離作為相似性度量，用k-means++算法進(jìn)行聚類(lèi)中心初始化。

1.2.3? 需求度得分分析

對(duì)于每篇圖文消息，分別記錄其閱讀數(shù)、點(diǎn)贊（在看）數(shù)、分享數(shù)、留言數(shù)、送達(dá)人數(shù)，根據(jù)以下公式得到每篇消息的需求度分?jǐn)?shù)。同時(shí)，分別記錄每篇消息的推送順序。綜合每篇圖文消息的各項(xiàng)指標(biāo)數(shù)據(jù)，通過(guò)需求度得分公式可以計(jì)算出每篇消息的分?jǐn)?shù)，計(jì)算公式如下所示：

score=（閱讀數(shù)×40%+點(diǎn)贊（在看）數(shù)×20%+分享數(shù)×30%+留言數(shù)×10%）/送達(dá)人數(shù)

1.3? 結(jié)果分析

在該研究中，包含通過(guò)國(guó)家圖書(shū)館微信公眾號(hào)從2018年5月1日至2019年4月30日期間推送的所有圖文消息數(shù)據(jù)，時(shí)間跨度為一年，共計(jì)354條圖文消息。

通過(guò)對(duì)所有推送消息進(jìn)行統(tǒng)計(jì)，結(jié)果顯示，其中頭條占比為70.6%，各推送順序類(lèi)型消息的占比情況如圖1所示。

通過(guò)對(duì)推送消息數(shù)據(jù)所對(duì)應(yīng)的矩陣A執(zhí)行聚類(lèi)分析，利用k-means算法將特征數(shù)據(jù)分成兩類(lèi)，一類(lèi)包含69條圖文消息。其中，包含頭條67條，頭條占比為97%。無(wú)監(jiān)督k-means聚類(lèi)方法從大數(shù)據(jù)視角下對(duì)消息傳播效果進(jìn)行了分析，通過(guò)無(wú)監(jiān)督聚類(lèi)方法所獲取的需求度更高的推送內(nèi)容符合相關(guān)研究中的頭條優(yōu)勢(shì)的原則。

對(duì)每篇文章的需求度得分進(jìn)行排序，k-means聚類(lèi)結(jié)果中的69條消息有47條排在需求度得分top50的文章中，與得分排在top70文章的重復(fù)比例為87%，與top100重復(fù)比例為100%。

根據(jù)k-means聚類(lèi)所得到的類(lèi)標(biāo)簽向量b，可以將需求度得分分為兩組。對(duì)兩組數(shù)據(jù)進(jìn)行非參數(shù)檢驗(yàn)，檢驗(yàn)結(jié)果如表1所示。非參數(shù)檢驗(yàn)結(jié)果顯示，兩組數(shù)據(jù)之間存在顯著性差異。

通過(guò)對(duì)無(wú)監(jiān)督聚類(lèi)結(jié)果結(jié)合需求度得分進(jìn)行對(duì)比分析，可以得出，基于聚類(lèi)算法的用戶(hù)需求更高的推送內(nèi)容符合相關(guān)研究中的頭條優(yōu)勢(shì)原則;非參數(shù)檢驗(yàn)結(jié)果顯示，通過(guò)聚類(lèi)算法得到的兩類(lèi)消息的用戶(hù)需求存在顯著性差異。

國(guó)家圖書(shū)館微信公眾號(hào)服務(wù)所面向的用戶(hù)群體龐大復(fù)雜，用戶(hù)需求呈現(xiàn)多樣化的特點(diǎn)，與基于推送內(nèi)容和推送順序的研究不同，該研究利用機(jī)器學(xué)習(xí)方法中的無(wú)監(jiān)督聚類(lèi)算法，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式對(duì)用戶(hù)行為樣本數(shù)據(jù)進(jìn)行挖掘，能夠獲取科學(xué)的用戶(hù)服務(wù)內(nèi)容服務(wù)指導(dǎo)。

2? 討論

通過(guò)無(wú)監(jiān)督k-means聚類(lèi)方法，根據(jù)每篇消息的閱讀數(shù)、點(diǎn)贊（在看）數(shù)、分享數(shù)、留言數(shù)等特征數(shù)據(jù)，將國(guó)家圖書(shū)館微信公眾號(hào)一年內(nèi)共354篇群發(fā)圖文消息分成兩類(lèi)，得到69篇公眾需求度更高的消息。同時(shí)，通過(guò)需求度得分公式，分別計(jì)算每篇消息的得分并進(jìn)行排序。結(jié)果顯示，通過(guò)k-means算法得到的69篇消息，在需求度得分排序中排在top100，在top70中重合率為87%。

在通過(guò)聚類(lèi)方法得到的69篇消息中，頭條文章所占比例為97%，符合相關(guān)文獻(xiàn)中的頭條優(yōu)勢(shì)的原則。此外，69篇消息中頭條文章在全部頭條文章中所占的比例為27%，表明無(wú)監(jiān)督k-means聚類(lèi)方法可以在綜合考慮推送順序、推送內(nèi)容等影響因素的基礎(chǔ)上，更加精細(xì)地獲取公眾需求度更高的消息。

通過(guò)k-means算法得到的69篇消息進(jìn)行歸類(lèi)統(tǒng)計(jì)，講座、公開(kāi)課、公益展演等所占比例為39%;展覽類(lèi)占16%;征文、活動(dòng)、圖書(shū)推薦類(lèi)占22%;新聞、館情資訊類(lèi)占23%。其中包括 “本周講座”“國(guó)圖公開(kāi)課招募”“節(jié)假日開(kāi)館安排”等常設(shè)欄目的部分內(nèi)容以及部分國(guó)圖新聞?lì)愘Y訊。

展覽類(lèi)文章中包含《永樂(lè)大典》文獻(xiàn)展及內(nèi)容報(bào)道、動(dòng)漫原畫(huà)特展、《四庫(kù)全書(shū)》特展等熱門(mén)展覽。以《永樂(lè)大典》文獻(xiàn)展為例，微信公眾號(hào)配合線下展覽進(jìn)行了系列線上宣傳，內(nèi)容包括豐富有趣的展覽預(yù)告、對(duì)《永樂(lè)大典》所經(jīng)歷的飄搖多舛的命運(yùn)的闡述、通過(guò)幽默風(fēng)趣的語(yǔ)言再現(xiàn)《永樂(lè)大典》的編纂過(guò)程等等，讓讀者對(duì)展品有了更深入的理解。

在征文、活動(dòng)、圖書(shū)推薦類(lèi)中包括“我和我的祖國(guó)”征文活動(dòng)、“行囊中的那本書(shū)”分享活動(dòng)、古籍修復(fù)活動(dòng)、“文津圖書(shū)獎(jiǎng)”獲獎(jiǎng)圖書(shū)等。公共圖書(shū)館微信公眾號(hào)作為傳播讀書(shū)的有效途徑之一[6]，可以通過(guò)用戶(hù)活躍程度更高的讀書(shū)類(lèi)相關(guān)活動(dòng)，不斷提升圖書(shū)館微信公眾號(hào)運(yùn)營(yíng)的讀者參與度[7]。

基于微信公眾號(hào)平臺(tái)，在做好常設(shè)欄目?jī)?nèi)容推送的基礎(chǔ)上，可以通過(guò)把握用戶(hù)閱讀興趣，配合線下展覽進(jìn)行宣傳、通過(guò)舉辦圖書(shū)相關(guān)分享和推薦活動(dòng)等方式，為用戶(hù)提供需求度更高、更加豐富多彩的文化內(nèi)容服務(wù)。

該研究以國(guó)家圖書(shū)館微信公眾號(hào)為例，通過(guò)無(wú)監(jiān)督算法對(duì)圖文消息對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行聚類(lèi)分析，對(duì)消息傳播效果進(jìn)行實(shí)證研究。結(jié)果表明，通過(guò)無(wú)監(jiān)督聚類(lèi)方法所獲取的需求度更高的推送內(nèi)容符合相關(guān)研究的頭條優(yōu)勢(shì)原則;非參數(shù)檢驗(yàn)結(jié)果顯示，通過(guò)聚類(lèi)算法得到的兩類(lèi)消息的用戶(hù)需求存在顯著性差異。與以往的基于推送內(nèi)容和推送順序的研究不同，利用機(jī)器學(xué)習(xí)方法中的無(wú)監(jiān)督聚類(lèi)算法，可以通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式在綜合考慮推送順序、推送內(nèi)容等影響因素的基礎(chǔ)上，從復(fù)雜多樣的用戶(hù)行為數(shù)據(jù)中進(jìn)行挖掘，動(dòng)態(tài)獲取用戶(hù)需求，科學(xué)調(diào)整用戶(hù)服務(wù)內(nèi)容，為公共圖書(shū)館微信公眾號(hào)的運(yùn)營(yíng)工作提供方法學(xué)參考，從而不斷優(yōu)化公共文化內(nèi)容服務(wù)。

以國(guó)家圖書(shū)館為例的公共圖書(shū)館微信公眾號(hào)服務(wù)所面向的讀者群體龐大且復(fù)雜，用戶(hù)需求多樣，通過(guò)無(wú)監(jiān)督聚類(lèi)算法，以數(shù)據(jù)驅(qū)動(dòng)的方式可以從大數(shù)據(jù)視角下對(duì)影響因素進(jìn)行綜合考慮，獲取適用于當(dāng)前用戶(hù)群體的消息傳播效果策略，對(duì)公共圖書(shū)館微信公眾號(hào)運(yùn)營(yíng)提供具有針對(duì)性的指導(dǎo)，從而更好地提供讀者服務(wù)。

此外，以k-means聚類(lèi)算法為例的聚類(lèi)方法運(yùn)算速度快，穩(wěn)定性相對(duì)較高，可移植性好，適合基于大量樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)。因此，可以用于動(dòng)態(tài)獲取用戶(hù)內(nèi)容服務(wù)需求，為公共圖書(shū)館微信公眾號(hào)用戶(hù)需求服務(wù)提供了方法學(xué)參考。

3? 結(jié)語(yǔ)

文中以國(guó)家圖書(shū)館微信公眾號(hào)為例，通過(guò)無(wú)監(jiān)督算法對(duì)圖文消息對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行聚類(lèi)分析，從大數(shù)據(jù)視角下對(duì)消息傳播效果進(jìn)行了實(shí)證研究。結(jié)果顯示，通過(guò)無(wú)監(jiān)督聚類(lèi)方法所獲取的需求度更高的推送內(nèi)容符合相關(guān)研究中的頭條優(yōu)勢(shì)原則;通過(guò)聚類(lèi)算法得到的兩類(lèi)消息的用戶(hù)需求存在顯著性差異。與以往的基于推送內(nèi)容和推送順序的研究不同，文中基于龐大復(fù)雜的用戶(hù)群體以及多樣化的用戶(hù)需求，利用機(jī)器學(xué)習(xí)方法中的無(wú)監(jiān)督聚類(lèi)算法，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式在綜合考慮推送順序、推送內(nèi)容等影響因素的基礎(chǔ)上，從大數(shù)據(jù)的視角下獲取更加精細(xì)化的消息傳播效果策略，為公共圖書(shū)館微信公眾號(hào)的運(yùn)營(yíng)工作提供了方法學(xué)參考，從而不斷優(yōu)化公共文化內(nèi)容服務(wù)。

參考文獻(xiàn)

[1]張興旺，李晨暉.當(dāng)圖書(shū)館遇上“互聯(lián)網(wǎng)+”[J].圖書(shū)與情報(bào)，2015（4）：63-70.

[2]李龍，王瑤，武含冰.基于新媒體大數(shù)據(jù)與讀者點(diǎn)贊留言的高校圖書(shū)館微信公眾號(hào)實(shí)證研究——以浙江省35所本科院校圖書(shū)館為例[J].圖書(shū)館學(xué)研究，2019（7）：34-40，33.

[3]王康，王曉慧.高校圖書(shū)館微信公眾號(hào)影響力指數(shù)相關(guān)性分析與發(fā)布內(nèi)容研究[J].圖書(shū)館雜志，2018，37（5）：52-57，81.

[4]王曉慧，王康.高校圖書(shū)館微信公眾號(hào)信息傳播影響因素研究——以武漢大學(xué)圖書(shū)館為例[J].上海高校圖書(shū)情報(bào)工作研究，2017，27（4）：35-38.

[5]李曉蔚.高校圖書(shū)館微信公眾號(hào)傳播效果實(shí)證研究——以四川大學(xué)圖書(shū)館為例[J].圖書(shū)館論壇，2016，36（11）：84-91.

[6]李玉艷，錢(qián)軍.圖書(shū)館微信公眾號(hào)的傳播策略[J].圖書(shū)館工作與研究，2016（2）：95-97.

[7]姚鵬.高校圖書(shū)館微信服務(wù)大數(shù)據(jù)研究——以“985”工程高校為例[J].圖書(shū)館學(xué)研究，2017（4）：62-67，50.