查看原文
其他

当期荐读 2021年第4期|直播平台用户信息交互行为图谱及特征研究(内含视频摘要)

王晰巍、李玥琪等 图书情报知识 2023-03-26

     ISSN 1003-2797

     CN 42-1085/G2

     双月刊

     同行评审期刊



视频时间轴

00:18

研究背景及问题

01:26

研究思路

02:00

研究模型

02:40

实证分析

04:30

讨论分析

05:50

研究总结



王晰巍①②③  李玥琪①  邱程程①  毕樱瑛①

①吉林大学管理学院,长春,130022

②吉林大学大数据管理研究中心,长春,130022

③吉林大学网络空间治理研究中心,长春,130022



目的/意义

网络直播平台是近几年迅速发展和日益受到用户喜爱的新型社交媒体平台,对网络直播平台场景中用户信息交互行为分析,有助于更好地了解用户行为特征及主题偏好。

研究设计/方法

采用自然语言处理技术及实体发现技术,构建直播平台用户信息交互行为主题图谱特征模型并进行主题挖掘。结合抖音特定话题,从单用户信息交互图谱、群体间用户信息交互图谱和用户信息感知语义图谱三个方面进行用户信息交互特征分析。

结论/发现

直播平台中用户信息交互行为可划分为单一用户信息交互行为和群组信息交互行为,直播平台中对网民群体影响力较大的群组为大众媒体和自媒体,直播平台中用户信息交互行为特征包括信息交互动因性、信息交互孤岛化和信息交互偏向性。

创新/价值

构建了网络直播平台用户信息交互行为特征模型,可以帮助更好地发现直播平台用户信息交互行为主要特征,同时从语义挖掘的角度为后续主题发现相关研究提供新的研究视角,并为网络直播平台用户提供更好的交流及舆情引导提供相应的建设意见和指导建议。

关键词

网络直播 信息交互行为 主题图谱 

特征模型 语义挖掘



1

引言

近年来,网络直播作为新媒体的一种新兴形式,已经成为用户信息交互的新场景。中国互联网络信息中心(CNNIC)发布的第47次《中国互联网络发展状况统计报告》显示,截至2020年12月我国网络直播用户规模达6.17亿,占网民整体的62.4%[1]。网络直播功能化模块不仅催生了不同社交媒体平台的社交功能,同时也完善了直播通道的信息发布方式,使得网络直播成为新媒体时代背景下新型且备受中国民众喜欢的日常信息消费方式。


直播平台相关研究近年来成为国内外研究的新兴热点。国外学者对于网络直播相关研究集中于对用户平台使用意愿影响因素及直播中用户产生信息交互行为的动机研究。通过对直播过程中用户的互动行为的调查,确定影响用户持续观看直播意愿的因素[2];运用多维感知价值理论来分析用户持续观看直播意图[3];基于动机因素设计心理框架确定影响直播过程观众沉浸体验及幸福感的因素[4];通过分析Twitch直播用户参与特征,确定用户参与直播的动机[5]。国内研究集中于直播平台中信息行为发现及用户画像构建研究,确定网络直播APP用户使用行为的影响因素[6]及政务网络直播中用户行为互动的情境特点[7];以及对网络直播场景下用户信息行为特征进行分析,发现趋同效应、主播效应、模仿成本和观后时间对用户信息行为产生明显影响[8];或者采用密度聚类算法对直播社区平台用户群体进行画像构建[9]。从现有研究成果来看,目前对于直播平台中用户信息行为发现及舆情背景下用户信息交互机理的研究相对较少。知识图谱可以通过语义链接帮助理解数据之间的关系,获得对大数据的洞察[10]。因此,通过知识图谱构建数据驱动的直播平台用户信息交互主题图谱,可为直播平台用户信息行为的发现及信息交互的特征分析提供支撑,有效引导直播平台网络舆情。


本文在研究中试图解决以下三个研究问题:①通过构建用户信息交互行为图谱,确定直播平台用户信息交互模式;②通过构建用户信息交互语义图谱确定直播平台用户关注主题;③基于信息交互行为图谱及信息交互语义图谱,对直播平台用户信息交互行为特征进行分析。本文的研究,在理论层面基于语义挖掘的角度构建网络直播平台用户信息交互行为特征分析模型,在实践层面通过分析用户信息交互图谱和语义感知图谱,更好地了解用户群体的信息交互方式、交互内容和交互特征,从而为中国网络直播平台信息交互方式的设计提供参考意见,同时为网络直播舆情监管及引导提供建议。



2

相关概念及理论综述


2.1

网络直播

网络直播是一种基于互联网的多媒体娱乐互动形式,自2011年以来在全球范围内迅速普及[11]。网络直播通过直播平台向终端用户以直接在线方式进行文字、语音、视频和数据等全面的交流和互动,从而为终端用户直观地收看直播者的形象、才艺和观点,乃至真实的生活场景提供了网络交互平台。网络直播实时性强,与传统视频相比网络直播更加注重用户与主播或用户之间的双向互动,通过实时互动,用户和主播之间形成一种简单的人际关系。


国外学者对网络直播的研究多集中在网络直播对销售的影响[12]、网络直播的性能研究和网络直播中用户的特征和动机[13-14]。国内学者对于网络直播的研究则多集中于“网络直播+政务”[15],网络直播APP使用行为影响因素及网络直播平台用户信息行为发现等。


2.2

信息交互

信息交互指存在于两个以上主体间的信息交换过程,信息交互必然伴随着信息流动[16]。信息交互理论假设人们在进行人际交往时评估成本和收益,并且通常期望通过个人情感、信任、感激和经济回报获得互惠利益[17]


国内外对信息交互行为的研究主要集中于构建信息交互行为模型,发现信息交互行为动机、过程机理及信息交互行为影响因素研究。初期研究多是采纳不同领域模型如钩状模型和信息交互模型[18]等对用户信息交互行为的影响因素进行构建和分析,基于影响因素模型提出对用户信息交互行为过程的服务优化;随后涌现了通过采纳不同的需求理论对社交媒体中用户的信息交互的机理、过程及行为动机进行解读的研究[19];以及通过定性分析的方法确定用户进行信息交互的过程中不同因素间的内在联系及作用路径[20]。随着新技术的发展,虚拟现实[21]、人工智能及直播平台场景的发现,使信息交互行为研究得到了延伸和拓展,新场景下用户信息交互行为的发现及分析成为新的研究热点。


2.3

主题图谱

知识图谱是描述现实世界中概念、常识及其关系结构的语义知识库。作为一种揭示实体间关系的有向图知识库,节点代表实体或者概念,边代表实体或概念之间的各种语义关系[22]。知识图谱吸收了语义网的优点,更加注重通过可视化图形来表现实体或概念间的关联,基于图模型、RDF和本体库等,实现实体(概念)的提取、属性的结构化和形式化以及实体间的关系推理和互联[23]。主题图谱是知识图谱在领域层面的应用及深化,基于知识图谱存储数据内容的区别,主题图谱有多种类别,包括用户交互行为图谱[24]、事理图谱[25]和语义图谱[26]等。


本研究通过构建用户信息交互图谱来进行直播平台用户关系发现及平台中用户信息交互过程中的主题发现,用户信息交互图谱包括用户交互行为图谱及用户信息交互语义图谱。在用户交互行为图谱中,采纳社会网络关系发现的有效分析方法及社会网络分析法的理论进行实体及关系构建,旨在发现用户在直播平台中的交互关系种类及网络中的重要节点。在用户主题图谱中,实体是指参与话题讨论的用户,每个实体具有其属性值,包括网络用户基本信息,如认证信息、年龄和地域等。同时,作为边的属性,实体与实体之间构成的关系表现为转发、评论和提及等关系。语义图谱是对直播平台中,对信息交互文本进行语义挖掘,提取文本表示的结构化RDF三元组,对其进行可视化的展现,得到的有向主题间的关系图谱,实体是文本语义挖掘后得到的动作施加过程的主体(subject)和客体(object),关系是主体和客体间的施加动作(verb)。


2.4

基于语义的主题发现

基于语义的主题发现是指采用自然语言处理的方法,挖掘舆情信息中的语法信息、语义信息及语用信息。在发现文本主题的基础上,确定词与词之间的语义关系,准确地判断文本所表达的语义关联。基于真实文本数据实现的语义主题发现,有利于描摹舆情事件全貌,展示主题间的语义结构,进一步解读主题之间的语义关联,发挥语义识别在舆情主题发现中的优势。


国内外对舆情事件主题的研究方法较多,现阶段针对舆情主题发现的研究主要包括生命周期理论[27-28]、共词分析[29]、LDA、SVM等主题聚类算法等[30-31]等。舆情主题发现研究是网络舆情的基础,而简单的共词分析和聚类算法是通过对词频统计及相似度分类得到主题结果,忽略了词与词之间的位置关系并缺乏对词语间的逻辑描述,造成主题之间关联关系的冗余,降低了主题间关系的准确性。因此,传统的词共现方法或主题挖掘模型无法定义词与词之间的关联关系,也无法全面把握舆情的整体态势、发现主题之间的逻辑关系及舆情事件涉及的主要元素。而基于语义的主题发现方法在通过确定词频的基础上,可以确定词语之间逻辑关系,发现舆情事件涉及的不同主体要素,在主题间的关联关系及逻辑处理方面具有优越性[26]。因此,本研究围绕文本内容的语义主题发现展开,以自然语言处理及可视化技术为手段,结合社会网络分析方法,通过语义图谱的绘制完成基于语法、语义、语用三个层次逐级递进的舆情语义主题发现。



3

网络直播平台用户

信息交互行为图谱构建及特征模型


3.1

构建目的及作用

用户信息交互行为关系图谱构建,是从网络关系的角度发现用户信息交互的方式及偏好。通过对用户交互行为可视化,发现用户交互的主要渠道及交流模式。直播平台用户信息交互行为图谱构建,从信息主体角度出发,基于个人用户及群组用户两个角度挖掘其交流模式。通过社会网络关系可视化工具Gephi,分别构建单一用户信息交互图谱及群体信息交互图谱。单一用户信息交互图谱旨在发现交互过程中,用户间的交互方式及用户节点间的相互作用。群体信息交互图谱,旨在发现群体间信息交互的频率及不同群体对普通网民群体的作用程度。构建的信息交互图谱中,节点代表信息发布主体,边代表各主体间的交互关系。


用户信息交互文本语义图谱的构建,是从语义挖掘的角度发现用户交流的主题内容及语义关联。主题发现对于热点民生事件中舆情引导及用户关注焦点识别具有重要意义。区别于传统词共现网络及主题发现模型,基于语义的主题发现方式从语义的角度出发,从文本信息中抽取主题实体、语义关系、时间和地点等多层次的语义信息。将无结构的文本转化成结构化的RDF三元组形式,即从语法上发现主题结构,从语义上分析主题关联,从语用上构建主题图谱,逐层建立起对事件中不同主题之间的语义层面联系。在确定网民用户信息交互主题的基础上,发现词语与词语间的关联关系,主题与主题之间的逻辑关系,同时发现舆情事件发展过程中涉及到的全部主体要素,对舆情事件进行全方位的细节展现。


3.2

主题图谱构建过程

数据获取过程。采用python编写爬虫代码,调用抖音接口,以“辛巴假燕窝”为主题词,爬取舆情发展生命周期中的话题数据(2020年11月4日至2021年1月1日之间的热门评论),构建语料库。采集内容包括文本内容,视频发布用户名、用户信息、发布时间及全部评论文本内容、评论时间及评论用户名。构建用户关系网络图谱及用户语义图谱。共采集评论和提及的数据为30,741条。


数据清洗过程。对采集的数据进行人工清洗,剔除与事件内容无关的数据。对原始数据依次进行如下处理:①数据清洗。筛查并剔除无关内容数据,去除表情及链接。②停用词过滤。参考并补充停用词词表,对无具体含义或与对主题分析影响微弱的词进行过滤处理。③同义词合并。经过分词后的词语会存在具有相同含义的情况,故需要进行同义词合并。将经过数据处理的文本存储成结构化数据,构建信息交互文本语料库,消除数据之间的异构性,为后续研究提供数据支撑。


用户信息交互行为图谱构建过程。选择Gephi可视化软件对用户信息交互行为的关系图谱进行构建。以用户为实体,用户与用户的交互关系作为边,共获得29,128节点和30,741条边。用户根据平台提供的用户标签信息划分为四种用户群体,分别为个人用户、官方媒体、大众媒体及自媒体。用户关系分析主要包括评论关系及提及关系分析。根据以往研究对社会网络中节点影响力的分析方法[24,31],采纳度及中介中心性作为用户影响力分析的主要指标,对网络结构中节点权重为前10位的用户进行节点影响力的代表性分析。


用户信息交互语义图谱构建过程。通过自然语言处理技术,完成对直播平台用户信息交互文本的语义提取过程。选择Python语言调用LTP,采用Windows10系统、Python3.6.7版本以及3.4.0版本LTP模型文件,利用LTP语言云平台,完成对文本数据分词、词性标注、命名实体识别、依存句法分析、语义角色标注及事件三元组抽取等处理过程,存储语义三元组[32]。对17,869条文本进行依存句法分析和语义角色标注,根据抽取规则抽取主题实体的RDF三元组,清洗无效数据及合并重复数据后,共获得17,344组RDF三元组。为保证语义主题图谱可视化图像清晰易识别,剔除低频数据RDF三元组,共获得1,945组RDF三元组。将其导入社会网络分析工具Gephi中,将三元组<subject,verb,object>中的subject和object视作网络结构中的头节点及尾节点,将verb视作网络结构中节点之间关联关系(Label),构建语义图谱。根据节点权重[26]对语义图谱中度中心性为前10的节点进行重点分析,此类节点是影响舆情事件发展的关键节点及关键要素。


3.3

网络直播平台用户

信息交互行为特征分析模型

基于上述的构建目的及图谱构建的详细具体过程,本文构建了网络直播平台用户信息交互行为特征分析过程模型(如图1所示)。过程模型构建步骤如下:采用python编译器工具编写代码,调用直播平台接口对直播平台话题数据进行爬取,根据爬取的用户信息对相关主体类型进行划分。使用Gephi可视化工具构建用户信息交互行为关系图谱。在用户信息交互行为关系图谱基础上,对不同群组的用户信息交互内容进行文本语义挖掘。采用基于语义的主题挖掘方式,构建语义挖掘语料库,抽取RDF三元组,对三元组进行可视化构建语义图谱,基于语义图谱发掘文本热点主题。在用户交互行为关系图谱及用户交互语义图谱基础上,对用户信息交互行为特征进行分析,并与传统社交媒体平台微博进行对比。采用实证的方法对用户信息交互行为特征分析过程模型进行验证。



4

实证分析


4.1

网络直播舆情事件及平台选择

《2020年抖音数据报告》中显示,抖音日活跃用户破6亿,日均视频搜索次数突破4亿[32]。抖音作为目前中国最具影响力的直播平台之一,有着广泛用户规模的同时凭借其内容分发机制获得大规模用户的青睐,一方面成为创新性新媒体营销平台,一方面结合“直播+”迎来新的增长点[33]。本文选择抖音作为研究平台,在保证数据来源的充分性和实时性的基础上,抖音平台用户信息交互行为的研究在网络直播中更具有一定的代表性。


在舆情话题事件的选择上,选取了曾引发用户关注与热议的“辛巴直播燕窝造假”事件。根据百度搜索指数统计数据,以“辛巴燕窝”为关键词的话题引发舆论关注(如图2所示)。同时在直播带货的爆火时期,“辛巴燕窝造假”事件的发生也暴露出了网络直播平台的潜在问题。选取该事件进行直播平台信息交互行为研究分析具有很强的直播舆情事件的代表性。

截止2021年7月,此事件最新进展为:广州仲裁委员会做出终局裁决,确认燕窝品牌方融昱公司存在误导辛巴的和翊公司做出虚假或引人误解的商业行为。

百度搜索由百度平台提供,以网民在百度的搜索量为数据基础,以关键词为统计对象,通过科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权和。


4.2

数据结果


4.2.1 单一用户信息交互行为图谱

应用Gephi软件对用户信息交互行为关系图谱进行构建,得到单一用户信息交互行为图谱(如图3所示)。

根据单一用户信息交互行为图谱数据分析结果,用户在抖音平台中进行信息交互行为的关系类型主要为评论关系及提及关系,其中以评论关系为主,占比为97.69%。表1描述了具体的关系数量及占比。单一用户信息交互行为图谱中,节点大小表示程度中心性,颜色代表程度中心性的分区类别,表2描述了单一用户信息交互行为图谱指标的详细信息。根据度中心性排序发现,在直播平台中来自大众媒体的文本是网民关注民生舆情信息的主要来源(见表3)。在度中心性分析中,前三名均是大众媒体。度中心性识别公众主动评论或喜欢的文本。根据中介中心性参数发现,某些用户通过不同的用户与其进行信息交互活动,使其成为网络桥梁及重要的中心节点,如中国食品报·探食、商业小头条和市场监管观察。


4.2.2 群体间用户信息交互行为图谱

图4构建了群组间用户信息交互行为图谱。经统计得到,群组间用户信息交互行为主要类别为组间信息交互及组内信息交互行为。组间交互行为种类主要为大众媒体与个人用户交互占比49.26%、官方媒体与个人媒体交互占比14.34%,以及自媒体与个人用户交互占比36.40%。组内信息交互主要发生在个人用户群体间,个人用户群体间的组内信息交互占比为98.7%。大众媒体、官方媒体及自媒体群组内发生的组内信息交互较少,其中官方媒体组内信息交互最少占比0.01%,大众媒体和自媒体群组内发生的信息交互占比基本一致,在0.5%左右。


社会交换理论认为,当分享的信息能获得更多的回报时群体之间会产生更高频率的互动。即在民生热议事件发生的过程中,用户和用户的组内互动次数明显大于其他群组的组内信息交互比例,即网民通过与网民的信息交互共享关于民生事件的相关信息,而并非与媒体们进行交互。有影响力的大众媒体及官方媒体在发布信息后给更多的网民提供了信息交流的主题和平台。为了进一步理解群体间用户信息交互行为背后的基本原理,本文在下一小节采用语义分析对不同群体讨论的文本主题进行挖掘。


4.2.3 用户信息感知语义图谱构建

为更直观展现不同群组间关注的主题内容,以及不同群组间进行信息交互的动因,本文分别对官方媒体、大众媒体、自媒体及个体用户进行语义三元组可视化展示,如图5(A、B、C)和图6分别得到不同群组的语义图谱。语义图谱描绘了不同群组信息发布的重点主题,并展现了主题之间的语义关联,发现不同主题间的先后逻辑。根据主题发现规则,对各个节点的入度、出度进行分析,通过定量的方式发现不同群组的核心主题并进行对比分析。


以图5为例进行语义图谱解读。结合表3及图5(A)所示的官方媒体群组的信息交互行为语义图谱,可以发现“辛巴”“广州市场监管部门”“辛巴直播间”是官方媒体语义图谱中的关键节点,处于图谱中心位置,且与周围节点之间联系密切。图谱边缘位置以小群体性的聚合内容为主,散布在核心节点周围,权重较小。语义图谱显示,官方媒体信息交互的主题包括“辛巴所售燕窝糖水”“广州市场监管部门立案调查辛巴带货假燕窝事件”“辛巴直播间造假事件”“职业打假人王海称辛巴所售燕窝是糖水”等。


根据语义图谱中的关系标签即三元组中的动词,可以发现官方媒体对此次舆情事件采取的具体措施包括“立案调查”“退一赔三”“报道”“点评”等,展现了官方媒体的态度和立场。同时语义图谱可以展示出主题间的逻辑关系,如舆情事件的起因为辛巴所售燕窝为糖水,舆情事件的当事主体为辛巴和职业打假人王海,舆情事件涉及到的利益相关者包括广州市场监管部门、北京日报、广告主等,事件处理方式如立案调查及引申问题消费者被网曝辞职搬家等。


根据语义图谱解读方式,结合表4和图5(B),大众媒体信息交互行为的主题为“辛巴燕窝为糖水”“辛巴承担退一补三”“共赔偿698余万元”“辛巴假货翻车道歉”“网友不要活在童话里”“网友质疑辛巴卖假燕窝”等主题。大众媒体的关系标签主要为“曝光”“承担”“回应”“面临”“赔偿”,表明大众媒体的态度为坚决曝光不法行为,同时要求当事主体做出回应和赔偿措施。


结合表5和图5(C),自媒体群组发布的信息交互主题为“辛巴对燕窝事件道歉”“辛巴表示追究品牌方责任”“辛巴希望品牌方给出回应”“辛巴需要退款6200万”“网红欺骗消费者”“网红应该保持原则和底线”等。自媒体群组的关系标签主要为“希望”“承认”“道歉”“打假”“追究”,希望自媒体中典型大V辛巴可以以身作则,承认错误、向消费者道歉。同时希望在未来的直播行为中保持原则和底线。 


结合表6和图6,个人用户群组发布的信息交互主题为“辛巴直播卖假货”“辛巴道歉欺骗消费者”“辛巴燕窝为糖水”“辛巴承担退一补三”“辛巴假货翻车道歉”“辛巴需要承担责任”“职业打假人王海曝光辛巴直播卖假货”“辛巴要求品牌方做出回应”等。用户群组的关系标签主要为“道歉”“欺骗”“赔偿”“直播带货”等。个人用户群组的评论文本内容与官方媒体、大众媒体发布的媒体信息框架区别较大,多呈现短文本且口语化特征,其语义图谱展示出的实体识别多呈现短词及短句特征。且由于评论文本基数较大,隐藏了在舆情发展过程中涉及的部分当事主体,更多地呈现出用户群组对舆情事件展现的态度及网民信息交互环节的热议话题。通过不同群体语义图谱的对比分析,可以为舆情事件主题的全貌的展示进行补充。



5

讨论分析


5.1

直播平台用户信息交互方式分析

实证研究结果表明,从直播平台信息交互主体角度出发可划分为个人用户间信息交互行为及群组间信息交互行为2种模式。群组间信息交互行为模式主要发生于其他群体与个人用户群体进行交互,缺少大众媒体、自媒体及官方媒体间的信息交互行为,难以形成互联互通的社交交互网络,与微博平台中意见领袖节点构成的良好拓扑结构差别较大。个人用户间信息交互行为主要包括评论行为及提及行为,其中评论行为占主体,提及行为做补充,且主要发生在网民群体间。与微博平台中评论、转发、提及等用户行为相比,直播平台信息交互行为模式种类单一,缺少转发行为的信息展示环节,构建的用户信息交互行为图谱中多以一点多线方式产生级联传播,缺少有影响力用户间的网络联系及交互。在用户影响力方面,通过对比直播平台中用户信息交互行为图谱与微博用户信息交互图谱可以发现[25,34],同样存在意见领袖及桥梁节点,意见领袖可通过其良好的互动基础及话语权,有效引导网民舆情的趋势,传播主流价值观。同时,桥接节点可通过自身促成节点间的协作和沟通关系,形成群组与群组间的信息传播生态,促进重叠社群的演化,提高意见领袖的影响力,扩展其网络信息的影响范围,并促进多元声音的流动。


5.2

直播平台用户信息交互内容语义分析

实证研究结果表明,语义主题图谱通过文本主题实体识别及关系发现,能够在整体上更好的确保对民生热点事件主题分析的有效性,并突出语义网络的优势。直播平台用户评论文本具有长度小、表情多且评论内容口语化等特征。通过语义分析及RDF三元组抽取可以有效的提取用户关注的主题内容和关注的主题之间的逻辑关系、舆情事件涉及的施加者、受众及用户群体针对舆情事件持有的态度及行动对策。直播平台中,对用户个体影响力较大的群体是自媒体及大众媒体用户。对不同群组提取的主题进行对比分析,大众媒体及自媒体发布的博文内容与网民用户讨论主题更加吻合。官方媒体通常情况下承担新闻事件通报工作,行文具有公正性和客观性,而大众媒体和自媒体出于不同的信息交互动机,其内容具有一定导向性的同时夹杂个人情感。因此需加强对大众媒体及自媒体的的监管。直播平台中的发帖主题会影响用户的交互行为,导致不同的信息传播方式和传播结果。因此直播平台中,官方媒体应致力于为公众提供主题明确和真实可靠的信息,同时应通过适当的互动频次及多元的媒体发布框架吸引网民用户,构建牢固的社会关系以提升信息传播效果。大众媒体及自媒体用户应坚持以客观事实为依据,客观的讨论网络舆情并参与舆情走向的引导工作。


5.3

直播平台信息交互特征分析

实证研究结果表明,基于构建的用户信息交互关系网络图谱及用户信息交互语义图谱,可以发现直播平台中用户信息交互具有以下几个特征:①信息交互动机的不稳定性。用户在直播平台开展信息交互行为源于用户的信息交互需求。根据社会互换理论,社会互换发生在用户出于满足自身信息需求或达成某种目的而从事的交互活动。用户群体因不同的用户动机产生的动态聚合及离散过程,直播平台用户信息交互动机的动态性具有强烈的不稳定性。②信息交互网络的孤岛化。直播平台展现的用户信息交互网络呈现出孤岛化和群簇化特征。与微博相比,其拓扑结构较为单一,且缺乏认证媒体间的交互网络。信息协调系统理论认为,协调良好的信息共享及信息互动可以在灾难性事件中产生协同效应,并提高应急管理绩效。直播平台需要对群体间的信息互动模式进行优化,以增强认证群体间的信息互动频率,以在关键舆情事件中形成矩阵化信息传播效应,促进有效信息互换及交流。③信息交互用户的偏向性。直播平台中对网民影响作用较大的群体是大众媒体及自媒体,即网民信息交互对象的选择受信息主体特征的影响。同时,用户信息交互偏好具有多变性,受交互对象、交互主题及交互位置信息等影响。直播平台为了提高信息推荐的效率和质量,提供的信息和服务应随着用户偏好的变化相应的及时调整,以适应和满足用户信息交互行为的可持续的发展需求。



6

研究结论

本文在理论层面,构建直播平台用户信息交互行为特征主题图谱特征模型,为直播平台场景下用户信息交互行为相关研究提供了新的理论视角。同时,本文基于语义分析过程进行主题发现,对用户发布的文本内容进行分析,从有向边的结构及内容上的逻辑关联,详尽、细致和全面地展示主题内容,证明了语义图谱在主题挖掘层面的优势。


在实践层面,结合具有直播平台代表性的抖音和“辛巴假燕窝”舆情话题,对单一用户信息交互行为图谱、群体间用户信息交互行为图谱、用户信息感知语义图谱进行分析,并从直播平台用户信息交互方式、信息交互的语义内容、信息交互特征三个方面进行深入分析,以进一步验证本文构建的网络直播平台用户信息交互行为特征模型应用的有效性。


本文的研究仅聚焦于直播平台中用户信息交互行为的发现及特征分析并未对直播平台中用户存在的其他信息行为进行数据挖掘及讨论,但直播平台中不同行为间的交叉作用构成了直播场景下用户信息行为生态的有机过程,将在未来的研究中补充对其他信息行为的拓展分析,以呈现直播平台下更全面的用户信息行为过程机理。同时本文仅选取“辛巴假燕窝”事件对特征分析模型进行实证,将在未来的研究中通过不同的事件对特征分析模型进行优化及改进,增强其外部效度。




作者贡献说明

王晰巍:提出研究问题,设计研究思路,论文修改;

李玥琪:论文数据分析与挖掘,论文撰写;

邱程程:文献查找及英文翻译;

毕樱瑛:数据收集工作。




支撑数据

支撑数据由作者自存储,

Email:yueqili0407@163.com。

1 王晰巍,李玥琪. Basic data.xlsx. 用户原始数据.

2 王晰巍,李玥琪. SNA data.xlsx. 社会网络数据.




参考文献


*本文原载于《图书情报知识》2021年第4期15-26

版权归《图书情报知识》所有,欢迎转发到朋友圈,转载请联系后台。


制版编辑 | 卢慧质


--END--


当期荐读 2021年第4期|智慧图书馆数据标准体系研究

当期荐读 2021年第2期 | 未成年人阅读素养培育模式研究——以芬兰“快乐阅读项目”为例

当期荐读 2021年第2期 | 芬兰阅读服务专业人才培养的特色与启示

当期荐读 2021年第2期|播客:阅读推广的芬兰经验

当期荐读 2021年第2期 | 事件视角的图书馆发展风险研究(内含视频摘要)

当期荐读 2021年第1期 | 统筹压力与数据驱动能力下省级政府互联网服务能力均衡化研究


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存