引言

社交網(wǎng)絡(luò)自誕生以來，給人們的信息生活帶來了巨大變革，隨著移動(dòng)互聯(lián)網(wǎng)的迅速普及，微博成為人們獲取新聞資訊的主要平臺(tái)，特別是在信息時(shí)代，新聞?dòng)嵪a(chǎn)生十分迅速，微博逐漸成為輿情傳播的重要渠道。在不同的應(yīng)用場(chǎng)景中，用戶會(huì)呈現(xiàn)出特點(diǎn)各異的微博使用方式。在社會(huì)信息化進(jìn)程不斷加速的大背景下，網(wǎng)絡(luò)信息的數(shù)量呈現(xiàn)出指數(shù)增長的趨勢(shì)。面對(duì)處理龐大數(shù)據(jù)量的壓力，數(shù)據(jù)挖掘與文本挖掘應(yīng)運(yùn)而生。為了解決對(duì)大量用戶信息數(shù)據(jù)進(jìn)行分析的難題，用戶畫像這一分析工具被廣泛應(yīng)用到各類研究中。同時(shí)，用戶畫像能夠提供精確有效的用戶特征分析，能夠迅速了解用戶行為習(xí)慣、消費(fèi)特點(diǎn)、使用方式及興趣偏好等重要特征。

一、相關(guān)概念及研究現(xiàn)狀

在信息時(shí)代，企業(yè)需要對(duì)用戶數(shù)據(jù)進(jìn)行管理和使用，在這種大背景下，用戶畫像應(yīng)運(yùn)而生。劉海鷗等通過文獻(xiàn)研究，總結(jié)了用戶畫像的概念，即基于特定場(chǎng)景，由用戶數(shù)據(jù)提煉出來的描述群體屬性及其相關(guān)行為的標(biāo)簽集合。在社交網(wǎng)絡(luò)的用戶畫像研究中，構(gòu)建視角主要有兩種：第一類視角是研究者從既有理論角度對(duì)特定用戶群體進(jìn)行定性分析[2-3]；第二類則是通過大量用戶數(shù)據(jù)，從數(shù)據(jù)中提取相關(guān)特征信息，從而構(gòu)建基于實(shí)際數(shù)據(jù)的用戶畫像[4。在群體用戶畫像研究中，當(dāng)前主要聚焦于特定情境中的用戶畫像，通過從群體用戶信息中抽取代表性特征[5]，對(duì)具有相似相近特征的用戶進(jìn)行聚類，構(gòu)建不同類型的群體畫像，基于此，能夠進(jìn)一步識(shí)別出群體中用戶的中心程度、活躍程度及社群質(zhì)量高低等[]。

二、研究設(shè)計(jì)

（一）研究方法

本文通過網(wǎng)絡(luò)爬蟲收集數(shù)據(jù)并進(jìn)行數(shù)據(jù)清洗，以此進(jìn)行大學(xué)生微博數(shù)據(jù)信息標(biāo)簽化處理，通過K-Means聚類算法構(gòu)建用戶畫像，分析說明不同類型大學(xué)生群體用戶特征。微博用戶畫像的兩個(gè)具體維度，分為用戶相關(guān)和情景相關(guān)。其中用戶相關(guān)維度是用戶的靜態(tài)數(shù)據(jù)，主要為個(gè)人信息、使用歷史信息等不隨用戶行為變化而變化的信息；情景相關(guān)維度主要是用戶動(dòng)態(tài)數(shù)據(jù)，如博文長度、轉(zhuǎn)發(fā)情況等。本文構(gòu)建的大學(xué)生微博用戶畫像標(biāo)簽包括用戶基本信息及博文信息。

（二）數(shù)據(jù)收集與處理

本研究使用網(wǎng)絡(luò)數(shù)據(jù)采集方法，通過網(wǎng)絡(luò)爬蟲解析Web版微博網(wǎng)頁，對(duì)用戶數(shù)據(jù)進(jìn)行收集，大學(xué)生群體身份識(shí)別方法通過教育信息化進(jìn)行篩選，累計(jì)獲取695位高校大學(xué)生微博用戶信息及發(fā)布的微博博文數(shù)據(jù)，去除相關(guān)個(gè)人隱私信息后，數(shù)據(jù)樣例，見表1—2。

剔除極端值后，得到有效樣本用戶數(shù)據(jù)432個(gè)。同時(shí)，為了消除不同衡量標(biāo)準(zhǔn)帶來的影響，需要進(jìn)行標(biāo)準(zhǔn)化處理，以數(shù)據(jù)放縮的形式消除不同維度數(shù)據(jù)量綱帶來的差異。在用戶屬性及行為數(shù)據(jù)的基礎(chǔ)上，借鑒郭秋艷等對(duì)微博用戶特征挖掘的研究，增加名氣指數(shù)及互動(dòng)值等標(biāo)簽[7]。

三、結(jié)果與分析

根據(jù)社會(huì)認(rèn)同理論，以及用戶屬性信息，可以將微博用戶劃分為5類[8；在對(duì)大學(xué)生社交媒體使用的研究中，有學(xué)者根據(jù)用戶特征維度，將大學(xué)生群體分為娛樂型、社交型、信息型和全面型4類。根據(jù)新浪微博用戶發(fā)展報(bào)告中對(duì)不同類型用戶的分類和說明，本文結(jié)合用戶屬性及行為標(biāo)簽，將大學(xué)生微博用戶分為4類：互動(dòng)型用戶、分享型用戶、普通型用戶及名氣型用戶，不同用戶占比，見表 3

互動(dòng)型用戶以男性為主體，粉絲數(shù)多，關(guān)注數(shù)少，使用微博頻率低，發(fā)布的微博數(shù)量較少，每次發(fā)布博文長度較短，但此類用戶與粉絲及其他用戶互動(dòng)較多，以此來保持高活躍度。該類用戶占樣本總體較少，而高頻互動(dòng)型用戶以原創(chuàng)能力和互動(dòng)能力為特征，說明在大學(xué)生群體中，頻繁使用微博，并能夠保持原創(chuàng)互動(dòng)能力的微博用戶較少。互動(dòng)型用戶畫像差異屬性特征，見圖1。

分享型用戶以女大學(xué)生為主體，微博數(shù)量多、發(fā)博頻率高、平均博文長度高，但粉絲數(shù)和關(guān)注數(shù)低。說明該類群體多以生活分享為主要內(nèi)容，并不致力于提高粉絲數(shù)量和進(jìn)行個(gè)人營銷，屬于普通用戶群體。同時(shí)微博等級(jí)和會(huì)員等級(jí)高，說明該群體使用微博增值服務(wù)多，如微博會(huì)員服務(wù)，該類群體的消費(fèi)能力較高。分享型用戶畫像差異屬性特征，見圖 2

普通型群體聚類中心用戶性別為男性，但實(shí)際上該類群體中男女大學(xué)生數(shù)量均較多。此類群體各項(xiàng)指標(biāo)數(shù)值均較低，使用微博時(shí)間短，微博數(shù)、粉絲數(shù)、關(guān)注數(shù)均較低。普通型用戶占樣本用戶的 57.5% ，這說明較多的大學(xué)生微博用戶在微博網(wǎng)絡(luò)中的影響力較低，與其他用戶的互動(dòng)較少，此類用戶主要通過微博來獲得信息。普通型用戶畫像差異屬性特征，見圖 3

名氣型用戶以女大學(xué)生為主體，互動(dòng)值、粉絲數(shù)均較高，說明其在網(wǎng)絡(luò)中的影響力較大且活躍，與粉絲及其他用戶互動(dòng)次數(shù)較多，微博等級(jí)低但會(huì)員等級(jí)高，說明其消費(fèi)能力較強(qiáng)、消費(fèi)次數(shù)較多，該類群體以低關(guān)注數(shù)、高粉絲數(shù)和名氣指數(shù)為主要特征，同時(shí)與其他用戶互動(dòng)頻繁。名氣型用戶畫像差異屬性特征，見圖 4

結(jié)語

本文以新浪微博數(shù)據(jù)為基礎(chǔ)，構(gòu)建了大學(xué)生微博用戶畫像，主要包括用戶基本屬性和用戶行為屬性兩個(gè)維度，通過K-means聚類算法進(jìn)行處理，根據(jù)不同用戶屬性及行為特征分類分析，得到了不同類型用戶的差異屬性特征。用戶畫像作為重要的用戶分析工具，能夠利用大量數(shù)據(jù)來發(fā)現(xiàn)不同類型的用戶特征，為挖掘用戶需求、實(shí)施精準(zhǔn)服務(wù)提供了重要途徑。大學(xué)生群體作為消費(fèi)頻次較高、網(wǎng)絡(luò)活躍度較強(qiáng)的群體，對(duì)其進(jìn)行微博用戶畫像的構(gòu)建和分析，能夠增強(qiáng)對(duì)大學(xué)生用戶群體的精準(zhǔn)描述。

參考文獻(xiàn)：

[1]劉海鷗，孫晶晶，蘇妍姬，等.國內(nèi)外用戶畫像研究綜述[J]情報(bào)理論與實(shí)踐，2018，41（11）：155-160.

[2]陳志明，胡震云.UGC網(wǎng)站用戶畫像研究[J].計(jì)算機(jī)系統(tǒng)用，2017，26（01）：24-30

[3]高廣尚.用戶畫像構(gòu)建方法研究綜述[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2019，3（03）：25-35.

[4]魏明珠，張海濤，劉雅姝，等.多維屬性融合的社交媒體高影響力人物畫像研究[J].圖書情報(bào)知識(shí) ，2019，（05）：73-79+100 美

[5]林燕霞，謝湘生.基于社會(huì)認(rèn)同理論的微博群體用戶畫像[J].情報(bào)理論與實(shí)踐，2018，41（03）：142-148

[6]王志剛，邱長波.基于主題的政務(wù)微博評(píng)論用戶畫像研究[J]情報(bào)雜志，2022，41（03）：159-165.

[7]郭秋艷，何躍.新浪微博名人用戶特征挖掘及效應(yīng)研究[J]情報(bào)雜志，2013，32（02）：112-116+81.

[8]林燕霞，謝湘生.基于社會(huì)認(rèn)同理論的微博群體用戶畫像[J].情報(bào)理論與實(shí)踐，2018，41（03）：142-148.

[9]葉鳳云，邵艷麗.大學(xué)生社交網(wǎng)絡(luò)行為畫像研究[J].大學(xué)圖書情報(bào)學(xué)刊，2021，39（01）：50-57.

（責(zé)任編輯：袁麗娜）