中国体彩网

<tr id="pqiyq"></tr>
<tr id="pqiyq"><small id="pqiyq"></small></tr>
  • <menuitem id="pqiyq"><acronym id="pqiyq"></acronym></menuitem>
    1. <ins id="pqiyq"><acronym id="pqiyq"></acronym></ins>
    2. <code id="pqiyq"><option id="pqiyq"></option></code>
    3. <output id="pqiyq"><nobr id="pqiyq"></nobr></output>

      強連接下用戶影響力模型構建及人格特質表現研究

      來源: www.xgymz.com 發布時間:2020-05-07 論文字數:35588字
      論文編號: sb2020050511531730832 論文語言:中文 論文類型:碩士畢業論文
      本文是一篇管理論文,本文提出了適用于微信朋友圈的用戶影響力度量模型來計算用戶影響力強度大小,從結構維度、行為維度、內容維度三個維度對用戶影響力進行基礎性測量。
      本文是一篇管理論文,本文提出了適用于微信朋友圈的用戶影響力度量模型來計算用戶影響力強度大小,從結構維度、行為維度、內容維度三個維度對用戶影響力進行基礎性測量,隨后運用熵權法和 LeaderRank 迭代獲得綜合用戶影響力。最后通過爬取微信朋友圈數據驗證模型,并與 LeaderRank、用戶受歡迎度和UIEM 三種用戶影響力度量模型進行對比,用度量結果重復率、意見領袖挖掘的準確率和召回率來評價模型的實用性和有效性。人格特質作為一種個性特色的表現,與用戶行為有著較高的一致性,通過探究人格特質與用戶影響力之間的聯系,可以挖掘出人格特質在用戶影響力上的表現形式,并為分析人格特質在用戶影響力形成和傳播過程中的作用提供參考。本文對爬取的微信朋友圈數據進行預處理,運用文心軟件構建語言文本特征,隨后結合行為特征作為自變量,人格量表報告結果作為因變量,對比了多元線性回歸、決策樹回歸和隨機森林回歸三種回歸預測模型,最終選擇隨機森林回歸模型完成剩余用戶的人格特質評估,實現使用機器學習和人格量表互補的方法獲取用戶的人格報告。隨后本文根據用戶的代表人格將用戶群劃分為特質集群,探究了人格特質在用戶影響力維度上的表現形式。

      第1章  緒論

      1.1 研究背景與目的
      隨著移動端技術和線上社交網絡越發成熟,社交軟件的發展給人們日常的生活與工作帶來了巨大的變化,它影響著人們的社交模式,改變了人們溝通和合作的方式。一方面,現在的社交平臺不斷完善化和多樣化,從早期的博客社區型社交,到圖片+短文本互動社交,再到現在火爆各個應用商店的短視頻社交,如抖音,快手等 APP。人們在線上的自我表達和展現不再單純地局限于本文字段,用戶能夠通過更加多樣的方式將真實的自我展現在線上社交網絡。線上社交網絡已漸漸變成人們線下社交的一個延伸,它與現實生活中的社交網絡有所不同但又相互聯系。另一方面,人們已經習慣借助社交 APP 在社交網絡平臺上分享日常的生活,討論熱點話題,發表自身的看法和觀點。人們不再單純地作為內容的接收者,他們還成為了內容的生產者和信息的傳播者。大量形式多樣且內容豐富的用戶原創內容(UGC)為普通用戶成為線上社交網絡中的影響力用戶(意見領袖)創造了機會。此外,這些海量的用戶原創內容和社交交互數據也為社交網絡研究提供了良好的條件。根據《2018 年微信數據報告》表示,微信的月活躍用戶已超過 10.8 億。微博在 2018 年 12 月最新披露的數據中表明,微博的日活躍用戶已超過 2 億。當下的社交軟件根據社交關系的強弱可分為兩類[1]。一類是以微博、論壇、抖音為主的弱連接社交軟件,弱連接社交網絡的特點在于用戶的異質性比較強,彼此之間的關聯不緊密,不具備太強的感情聯系,往往線下兩個用戶并不相識,這類社交軟件有助于信息的傳播[2]和求職檢索[1][2]。另一類是以微信、qq為主的強連接社交軟件,強連接社交網絡的特點在于用戶的同質性較強,彼此之間的關系緊密,往往是線下社交關系的線上遷移,用戶往往相識,這類社交軟件可以提供情感支持,提高用戶的主觀幸福感[3],有助于提升新產品的接受度,具有更多的經濟價值[4]。當下火熱的社交電商正是以微信、QQ 這一類強連接社交軟件為切入點,主打朋友圈開店引流策略,借助熟人網絡實現病毒式營銷。
      ..........................

      1.2 國內外研究現狀
      1.2.1 人格特質研究現狀
      人格特質是指個體區別于其他人的穩定的思維、情感特點和行為方式,它與個體行為具有較高的一致性,能夠有效地對個體的行為做出解釋和預測。人格特質的理論派系眾多,主要有行為主義派系、認知派系、特質派系和生物學派系等。人格類型理論是特質派系中的典型,Myers Briggs Type Indicator(MBTI)[13]是人格類型劃分模型中應用最為廣泛的評估方法。人格類型理論提出將人群根據社交行為的不同劃分為固定的幾個集群,每個類型集群之間存在較大的區別。該理論在現實生活中有著良好的群眾基礎,且在企業中被人力資源業務廣泛應用。但因其假定的理想化問題,現仍存在一定的爭議。
      大五人格理論從宜人性(Agreeableness)、責任心(Conscientiousness)、外向性(Extraversion)、神經質(Neuroticism)和開放性(Openness to Experience)五個維度來描述一個人的人格,它是人以群分,物以類聚現象的理論支持,不同于 MBTI 模型對人群的分類,它強調的是一種聚類思想。大五人格模型的具體描述如下[14]:
      宜人性(A):對人信任,利他主義,樂于助人,具備共情心等特質。宜人性項得分高者的特點是樂于助人,待人脾氣好,為人謙虛,信任他人;而得分低者的特點是疑心重,無情,刻薄,缺乏同理心。
      責任心(C):具有責任心,自律意識強,做事認真嚴謹,追求成就等特質。責任心項得分高者的特點是做事認真,勤奮負責,自律意識強,時間觀念強;而得分低者的特點是做事馬虎,雜亂無章,缺乏自律性,時間觀念差。
      外向性(E):熱情活躍,熱衷社交,為人樂觀,喜歡冒險等特質。外向性項得分高者的特點是熱愛社交,健談,感情外露;而得分低者的特點是為人孤僻,
      不合群,不善于表達自身感情。神經質(N):焦慮壓抑,自我意識,為人沖動,心理脆弱等特質。神經質項得分高者的特點是情緒暴躁,缺乏安全感,感情用事,自憐自哀;而得分低者的特點是處事淡定,為人冷靜,自我滿意。
      圖 1-1 論文研究技術路線圖
      .........................

      第2章  相關理論及文獻綜述

      2.1 人格特質評估與預測的理論基礎
      借助機器學習對人格特質進行識別與預測是作為人格特質評估的重要支系,它是傳統的人格量表手段的互補手段,能夠有效地提升人格特質評估的準確度和可靠性?;ヂ摼W時代下,人們在日常的交流溝通、工作協調、社交活動和 APP 使用的過程中會不經意地且不可避免地遺留下一些帶有人格特色的行為數據。人們喜歡在社交平臺上分享自己的觀點和日?;顒?,也喜歡借助社交平臺去了解他人的生活和態度,因此用戶在社交平臺中會留下與他們人格特質相關的行為數據,且這些數據能夠有效地描繪出用戶真實的人格特質。目前,通過社交網絡中用戶的行為數據對用戶進行人格特質分析和識別主要有兩個角度,一個是行為特征數據,另一個是語言特征數據。
      對人格特質的語言-行為分析研究目前已有一定基礎。Blackwell 等人對 207位 facebook 用戶的社交數據進行了分析,表示相對于內向型的用戶,外向型的用戶通常有更多的朋友數,且擁有更多的社交群組。神經質用戶更喜歡頻繁地發布動態、點贊、轉發或評論[22]。孫曉晨表示宜人性和外向性人格的用戶會擁有更多的資源,且更容易獲得來自于他人的尊重和信任,神經質人格的用戶傾向于在社交網絡上抒發自身情感和情緒,神經質人格與自我披露具有高度的相關性[23]。Schwartz 等人對 7 億個單詞、短語和話題實例進行了詞類分析,并探究了人格特質、性別和年齡與這些語言運用的聯系[24]。Yaekoni 從谷歌博客爬取了 5000 位用戶的社交數據,隨后通過郵件發放 NEO-PI-R 獲得了 694 位用戶的人格特質數據,借助 LIWC 軟件對這些用戶的社交內容進行分析,發現大五人格與 LIWC 中的 64 類詞匯之間存在關聯性[25]。
      ........................

      2.2 用戶影響力度量
      根據目前在社交網絡的用戶影響力研究中側重點的不同,本文對相關的用戶影響力度量模型進行了梳理,分為三類用戶影響力度量模型,分別是基于社交網絡拓撲結構的影響力模型,基于用戶交互行為的影響力模型和用戶交互內容的影響力模型,其中后兩者的影響力度量模型中都會涉及到一些基于社交網絡拓撲結構的影響力度量方法,是一種補充拓展。
      (1)基于社交網絡拓撲結構的影響力模型。
      這一種影響力度量模型的特點是以網絡拓撲結構和圖論為基礎,通過對節點本身和節點之間聯系進行建模分析,用節點模擬用戶,用邊來模擬聯系或者信息傳播的渠道。Freeman 提出了度中心度和介數中心度用于表示當前節點對其他節點的影響力[30]。在拓撲網絡的無向圖中的節點度可以表示社交網絡中用戶與用戶之間的聯系。而有向圖中節點本身的出度和入度則可以被視作用戶間的交互行為如點贊,評論等,也可以表示信息的傳播路徑。度中心度是一種基于節點度的計算方法,可以用于表示當前節點對其他相鄰節點的平均用戶影響力大小,如公式 2-1 所示。
      2-1
      ...........................
       
      第 3 章  朋友圈數據爬取與預處理 .................................... 16
      3.1 朋友圈數據爬取...................................... 16
      3.2  朋友圈文本數據預處理.............................................. 17
      3.3  本章小結...................................... 19
      第 4 章  微信朋友圈的用戶影響力度量模型構建 ...................... 20
      4.1  相關變量定義...................................... 20
      4.2  微信朋友圈的用戶影響力度量模型構建.............. 20
      第 5 章  微信朋友圈的用戶影響力度量模型驗證 ............................... 31
      5.1  對比模型概述..................................... 31
      5.2  模型對比指標選擇................................... 33
      5.3 模型有效性驗證.................................. 34

      第6章  人格特質的用戶影響力維度表現探究

      6.1 人格特質評估
      用戶人格數據獲取的方法主要有三種:自我報告,API 直接獲取和開放數據集。自我報告法就是以問卷形式獲取用戶的人格數據,python 的 Twitter 包是 API直接獲取的代表,Facebook 的 myPersonality 數據集是開放數據集中的代表。由于人格量表存在局限性和主觀性,近些年來有學者提出借助機器學習的方法,對文本進行分析,與人格量表互補進行人格特質的預測性評估。Yaekoni 通過對博客數據集分析,發現了人格與詞匯使用差異之間存在聯系,并強調了互補方法在人格評估研究中的價值[25]。在目前的社交網絡人格預測領域中,應用較為廣泛的預測方法是以爬取的用戶數據為基礎,借助 LIWC 工具從文本中提取偏好主題要素,即封閉詞匯法,提取用戶的語言特征和行為特征統計,獲取特征向量,進而構建預測模型。預測算法比較多元化,主要有決策樹、SVM 和多元線性回歸等等機器學習算法。
      因為微信提供的 itchat 接口只能獲取到基礎的用戶屬性信息,沒有關于人格數據的 API 接口,且目前沒有公開的微信用戶的人格特質報告數據集,所以本文選擇通過人格量表對部分用戶的人格特征進行了評估。通過線下聯系,獲得部分用戶的授權,并通過大五人格測試問卷 44 題簡本(詳見附錄)獲得他們相對應的人格數據,用于預測模型的訓練。通過問卷星的問卷發放,去除不符合最小活動數的閾值 30 條和無法完成昵稱和 id 匹配的問卷,共計回收有效 126 份問卷。隨后本文從爬取的朋友圈數據中提取了用戶的交互行為數據,然后參考 Tandera等人使用 LIWC 字典工具構造特征向量[51],本文選用文心分詞系統,最后選擇具有最佳指標的預測模型,對其余用戶進行評估。人格特質評估流程如圖6-1所示。
      圖 6-1 人格特質評估流程圖
      ..........................

      第7章  研究結論及展望

      7.1 研究結論
      隨著移動端技術和線上社交網絡越發成熟,在人們社交過程產生的海量社交數據為線上社交網絡的深入研究提供了可靠的條件。同時,社交電商的概念越發成熟,熟人網絡中的意見領袖的價值正在不斷提高。如何有效地挖掘出意見領袖,以較低成本獲取并轉化潛在的用戶,是目前社交電商發展的關注點之一。用戶影響力的相關研究是意見領袖挖掘的基礎,因此對強連接社交網絡中的用戶影響力度量與分析有著重要意義。本文提出了適用于微信朋友圈的用戶影響力度量模型來計算用戶影響力強度大小,從結構維度、行為維度、內容維度三個維度對用戶影響力進行基礎性測量,隨后運用熵權法和 LeaderRank 迭代獲得綜合用戶影響力。最后通過爬取微信朋友圈數據驗證模型,并與 LeaderRank、用戶受歡迎度和UIEM 三種用戶影響力度量模型進行對比,用度量結果重復率、意見領袖挖掘的準確率和召回率來評價模型的實用性和有效性。
      人格特質作為一種個性特色的表現,與用戶行為有著較高的一致性,通過探究人格特質與用戶影響力之間的聯系,可以挖掘出人格特質在用戶影響力上的表現形式,并為分析人格特質在用戶影響力形成和傳播過程中的作用提供參考。本文對爬取的微信朋友圈數據進行預處理,運用文心軟件構建語言文本特征,隨后結合行為特征作為自變量,人格量表報告結果作為因變量,對比了多元線性回歸、決策樹回歸和隨機森林回歸三種回歸預測模型,最終選擇隨機森林回歸模型完成剩余用戶的人格特質評估,實現使用機器學習和人格量表互補的方法獲取用戶的人格報告。隨后本文根據用戶的代表人格將用戶群劃分為特質集群,探究了人格特質在用戶影響力維度上的表現形式。
      參考文獻(略)

      原文地址:http://www.xgymz.com/management/30832.html,如有轉載請標明出處,謝謝。

      您可能在尋找管理論文方面的范文,您可以移步到管理論文頻道(http://www.xgymz.com/management/)查找


      上一篇:C市Y水庫建設項目實施階段進度風險管理研究
      下一篇:員工組織職業生涯管理感知對工作不安全感的影響研究

      <tr id="pqiyq"></tr>
      <tr id="pqiyq"><small id="pqiyq"></small></tr>
    4. <menuitem id="pqiyq"><acronym id="pqiyq"></acronym></menuitem>
      1. <ins id="pqiyq"><acronym id="pqiyq"></acronym></ins>
      2. <code id="pqiyq"><option id="pqiyq"></option></code>
      3. <output id="pqiyq"><nobr id="pqiyq"></nobr></output>

      4. 新巴尔虎左旗| 静宁| 双鸭山| 永嘉| 宣恩| 万年| 邯郸| 克东| 石拐| 乌拉盖| 鄞州| 孤家子| 三河| 仙桃| 乾安| 长垣| 泽当| 华池| 湘乡| 金山| 宜黄| 沙雅| 陆川| 墨玉| 资源| 麻江| 黄山站| 桦甸| 庆元| 滁州| 老河口| 海淀| 兴海| 京山| 上虞| 景德镇| 索伦| 鄂温克旗| 杨凌| 襄阳| 镇源| 东营| 新平| 和布克赛尔| 随州| 安福| 右玉| 洛阳| 芦山| 八宿| 于都| 小灶火| 横峰| 黑山头| 惠来| 德州| 铁力| 全南| 诺木洪| 浦东| 淮阴县| 上蔡| 长宁| 巴仑台| 庆云| 海晏| 康乐| 巫山| 北安| 涟源| 西华| 绥中| 南汇| 铅山| 平南| 精河| 永新| 正镶白旗| 科尔沁右翼中旗| 金川| 颍上| 天镇| 石楼| 资溪| 古田| 小渠子| 桦川| 宜宾县| 北川| 山丹| 阳朔| 长汀| 大石桥| 禹城| 孟连| 美姑| 山阴| 栖霞| 诸暨| 内邱| 米脂| 聂拉木| 大姚| 太原北郊| 建德| 中泉子| 赞皇| 铁卜加寺| 新化| 凤山| 孟州| 屏边| 夷陵| 建湖| 泸西| 楚雄| 鞍山| 巴南| 洪雅| 青神| 吉水| 邢台| 万源| 铁干里克| 滦南| 铁卜加| 盈江| 高唐| 芜湖| 富源| 云县| 天祝| 叶县| 温岭| 长子| 柳河| 淮阴县| 乐山| 土默特右旗| 博乐| 准格尔旗| 洞口| 铁岭| 石楼| 兖州| 晴隆| 成安| 唐海| 盐池| 井陉| 西乌珠穆沁旗| 盐源| 临淄| 卓资| 浦北| 雅江| 巴东| 嘉定| 伊通| 丹阳| 色达| 长白| 费县| 盱眙| 嵊山| 尼木| 延津| 福州| 东海| 舒兰| 和平| 索县| 清水河| 宁陵| 东莞| 姜堰| 上犹| 玉溪| 枣庄| 洪雅| 伊和郭勒| 清河| 陵川| 石屏| 文山| 兴化| 鼎新| 正兰旗| 遵化| 偃师| 资源| 获嘉| 吉安县| 新沂| 镇平| 富顺| 易门| 林西| 金州| 遂平| 平原| 赵县| 泸定| 旅顺| 休宁| 沅江| 富裕| 洪湖| 三江| 吉木乃| 迁西| 淮安| 池州| 怀柔| 长春| 新安| 柯坪| 曲江| 北宁| 夹江| 璧山| 富源| 新安| 南召| 蒲城| 辛集| 铜鼓| 邢台县浆水| 合水| 定安| 吉兰太| 龙胜| 合肥| 巴盟农试站| 元阳| 昆明| 定远| 崇左| 漳平| 菏泽| 福贡| 碌曲| 信都| 遂平| 从化| 商水| 鸡西| 静宁| 广河| 丰都| 临桂| 湖州| 芜湖县| 邕宁| 柳江| 东港| 武定| 织金| 和田| 东营| 怒江| 全椒| 陈家镇| 柳州| 青浦| 罗平| 西青| 米林| 紫云| 平远| 红河| 阳山| 桥口| 南昌县| 维西| 大方| 开化| 小渠子| 胶南| 海力素| 玛多| 萝北| 定南| 电白| 赞皇| 滦南| 郏县| 若尔盖| 大安| 柳州| 荥阳| 丹棱| 丰县| 夷陵| 台北市| 藁城| 高平| 太原北郊| 东川| 商水| 乌斯太| 新化| 本溪| 汾西| 钟山| 潢川| 吴江| 漳平| 阜城| 野牛沟| 灵武| 张家港| 余姚| 鄂尔多斯| 汕尾| 雅安| 都兰| 草河口| 青阳| 浦口| 阳原| 岳西| 肃宁| 盖州| 东乌珠穆沁旗| 泗洪| 松溪| 宣恩| 北塔山| 雷波| 中心站| 左云| 兰坪| 西乌珠穆沁旗| 锡林高勒| 潮连岛| 连平| 高密| 平凉| 休宁| 大兴| 和林格尔| 响水| 合肥| 特克斯| 安乡| 岑溪| 郧西| 商南| 巴中| 南康| 桃园| 吴县| 岳阳| 徐闻| 盂县| 鸡泽| 藁城| 横山| 繁峙| 滦平| 乐山| 龙海| 睢宁| 太仆寺旗| 布拖| 平潭| 宁武| 福州| 吉安| 鄂温克旗| 明溪| 赞皇| 天池| 崂山| 新乡| 昌邑| 子洲| 金乡| 前郭| 邻水| 嫩江| 安达| 兴化| 镇巴| 安泽| 黄山区| 五道梁| 延边| 类乌齐| 安义| 达川| 天峻| 庐江| 清远| 涞水| 上高| 蕲春| 桐乡| 沙河