社交媒體的分類范文

前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)社交媒體的分類文章，供您閱讀參考。期待這些文章能為您帶來啟發(fā)，助您在寫作的道路上更上一層樓。

第1篇

第一眼看上去，你就會(huì)發(fā)現(xiàn)目前的社會(huì)化媒體格局是多么的復(fù)雜。除了Facebook和Twitter兩大社交網(wǎng)絡(luò)以外，還有近三十種社交產(chǎn)品分類，而每個(gè)分類里面少則三五家，多則三五十家。而且大分類里面還有小分類，從管理、分析、數(shù)據(jù)、評(píng)分，到應(yīng)用、博客、廣告、插件等，應(yīng)有盡有……

上面那張還只是2011年7月之前的數(shù)據(jù)，其中不包括Pinterest這些后起之秀。而下面這張信息圖則統(tǒng)計(jì)了幾個(gè)月前的社會(huì)化媒體分類，其中包括Pinterest這些新興社會(huì)化媒體。

和上一張圖不同的是，它看起來要干凈整潔多了。雖然細(xì)看仍能發(fā)現(xiàn)社交產(chǎn)品還是那副混亂復(fù)雜的局面，但這種周期表的分類方式讓我們對(duì)社交產(chǎn)品有了更加清晰的認(rèn)識(shí)。

第2篇

1.1社交媒體的發(fā)展推動(dòng)著高校圖書館與移動(dòng)社交網(wǎng)絡(luò)的融合

在移動(dòng)網(wǎng)絡(luò)的時(shí)代，人們已經(jīng)習(xí)慣于網(wǎng)絡(luò)環(huán)境中的生活和學(xué)習(xí)方式，傳統(tǒng)的生活學(xué)習(xí)方式已經(jīng)在悄悄地發(fā)生著改變，移動(dòng)網(wǎng)絡(luò)的信息能夠及時(shí)推送、及時(shí)交互，手機(jī)游戲內(nèi)容的豐富，手機(jī)支付平臺(tái)的便捷更是令人欣喜，移動(dòng)網(wǎng)絡(luò)社交媒體的強(qiáng)大功能極大地滿足了人們輕松快捷的生活需求，移動(dòng)網(wǎng)絡(luò)社交媒體越來越受到人們的推崇和喜愛，尤其是生活在時(shí)尚前沿的高校大學(xué)生。以往圖書館傳統(tǒng)的信息資源優(yōu)勢(shì)已經(jīng)不復(fù)存在了，取而代之的是更為高效高質(zhì)的移動(dòng)信息資源傳播，高校圖書館正在經(jīng)歷著從未有過的生存發(fā)展危機(jī)。在這樣的移動(dòng)信息網(wǎng)絡(luò)時(shí)代，高校圖書館可以利用移動(dòng)網(wǎng)絡(luò)的優(yōu)勢(shì)實(shí)現(xiàn)圖書館信息資源最廣泛的覆蓋，擴(kuò)展和延伸圖書館的服務(wù)，以滿足用戶的需求。移動(dòng)社交媒體的高速發(fā)展強(qiáng)有力地推動(dòng)著高校圖書館與移動(dòng)網(wǎng)絡(luò)的迅速融合，逐漸呈現(xiàn)出一種全新的實(shí)現(xiàn)模式。

1.2高校圖書館與移動(dòng)社交網(wǎng)絡(luò)的融合促進(jìn)了社交媒體的發(fā)展

當(dāng)今社會(huì)在快速地前進(jìn)發(fā)展，人們的社交形式也在相應(yīng)地發(fā)生著變化，社交形式更加多元化和多樣化，這樣不斷變化發(fā)展的社交形式會(huì)導(dǎo)致人們更加多元化的個(gè)性需求。如何應(yīng)答這樣的需求是移動(dòng)社交媒體保持自身活力和動(dòng)力的重要課題。中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心最新公布的數(shù)據(jù)顯示：截至2014年6月，中國(guó)網(wǎng)民規(guī)模達(dá)6.32億人，手機(jī)網(wǎng)民為5.27億人，手機(jī)上網(wǎng)使用率高達(dá)83.4％，首次超過了電腦，其中移動(dòng)社交媒體使用率是40.7％。這些數(shù)據(jù)說明在互聯(lián)網(wǎng)高速發(fā)展的時(shí)代，更為便捷的社交媒體一定會(huì)迅速取代較為傳統(tǒng)的社交媒體，在這樣的發(fā)展道路上誰能更持久地保持強(qiáng)大的動(dòng)力和新鮮的活力，誰就能贏得用戶，那么如何保持動(dòng)力和活力是關(guān)鍵。實(shí)現(xiàn)高校圖書館與移動(dòng)社交網(wǎng)絡(luò)的融合發(fā)展被證明是確實(shí)有效的途徑。站在用戶的角度來看，多方位、多層次、多角度地滿足用戶的信息需求就是動(dòng)力來源。因此，高校圖書館融合社交媒體，其實(shí)是把圖書館龐大的信息資源融入移動(dòng)社交媒體，成為社交媒體最強(qiáng)有力的信息資源保障，進(jìn)一步拓展了社交媒體的使用價(jià)值和服務(wù)內(nèi)容，這樣的融合不僅解決了網(wǎng)絡(luò)環(huán)境中的知識(shí)源的問題，也可以把圖書館的用戶直接轉(zhuǎn)化為移動(dòng)社交媒體用戶，極大地促進(jìn)了移動(dòng)網(wǎng)絡(luò)社交媒體的良性發(fā)展。

2高校圖書館與移動(dòng)社交媒體的融合發(fā)展

2.1以雙方合作共贏為融合發(fā)展的利益基礎(chǔ)

在市場(chǎng)經(jīng)濟(jì)時(shí)代，尊重雙方的利益，共生共贏是雙方合作的利益基礎(chǔ)。作為商業(yè)應(yīng)用平臺(tái)的移動(dòng)社交媒體的發(fā)展目標(biāo)是實(shí)現(xiàn)商業(yè)價(jià)值的最大化，關(guān)注的主要是市場(chǎng)贏利；高校圖書館是信息資源平臺(tái)，其發(fā)展方向是信息的最有效利用和最廣泛傳播，關(guān)注的主要是信息服務(wù)，雙方之間沒有絕對(duì)的利益沖突，為了自身的發(fā)展雙方都必須要自我創(chuàng)新，自我完善，不斷挖掘用戶，最大化滿足用戶的需求，最后的著眼點(diǎn)都在用戶上，這就形成了共同的利益連接，也就是雙方融合共贏的利益基礎(chǔ)。

2.2以雙方資源有效結(jié)合為融合發(fā)展的技術(shù)基礎(chǔ)

高校圖書館與移動(dòng)社交媒體融合最理想的是實(shí)現(xiàn)雙方優(yōu)勢(shì)資源的有效結(jié)合，一方面利用移動(dòng)網(wǎng)絡(luò)媒體最前沿的信息傳播技術(shù)；一方面利用高校圖書館最豐富的信息資源儲(chǔ)備。要實(shí)現(xiàn)這樣的合作共贏首先要解決技術(shù)上的問題：信息的呈現(xiàn)方式和信息的分類管理。信息的呈現(xiàn)方式直接關(guān)系高校圖書館的自身形象和服務(wù)內(nèi)容，好的呈現(xiàn)方式可以展現(xiàn)出歡迎用戶的服務(wù)姿態(tài)，贏得廣大用戶的心理支持。信息的分類管理是以圖書館的數(shù)字化建設(shè)為基礎(chǔ)的，對(duì)大量的紙質(zhì)文獻(xiàn)信息資源進(jìn)行數(shù)字化處理、信息的采集加工、信息的分類重組后的有效信息管理。目前，超星數(shù)字圖書館和中國(guó)知網(wǎng)等已經(jīng)開發(fā)了一些特色信息服務(wù)，做了有益的嘗試和探索，這為高校圖書館與移動(dòng)社交媒體融合提供了更切實(shí)可靠的參考依據(jù)。

2.3規(guī)范法律范圍內(nèi)的著作權(quán)保護(hù)

第3篇

〔關(guān)鍵詞〕社交媒體；信息可信度；評(píng)估；綜述

〔中圖分類號(hào)〕G203 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2016）12-0164-06

〔Abstract〕Information credibility assessment research in social media not only contributes to the development and improvement of network information resource management theory，but also helps to improve the effectiveness of social media monitoring public opinion，social media search，social recommendation and so on.The paper firstly reviewed the researches at home and abroad about the social media information research，information credibility research，and social media information credibility assessment research，and then pointed out the problems existing in information credibility assessment research of domestic social media，and finally put forward the solution to it.

〔Key words〕social media；information；credibility；assessment；review

1 研究的意義

隨著互聯(lián)網(wǎng)技術(shù)和移動(dòng)技術(shù)的突飛猛進(jìn)，社交媒體盛行，人人可做信息的制造者，制造的信息極為豐富。然而，在這豐富信息的背后，隱藏著漫天飛舞的謠言、病毒般傳播的虛假照片和視頻，這給人們幸福的生活、社會(huì)的穩(wěn)定帶來了嚴(yán)重的隱患。為了遏制虛假不良信息傳播，營(yíng)造健康向上的網(wǎng)絡(luò)環(huán)境，信息可信度評(píng)估就成了迫在眉睫的問題，社交媒體信息急需“鑒定師”和“測(cè)謊儀”。

社交媒體信息可信度評(píng)估研究既有較高的學(xué)術(shù)價(jià)值，也有較強(qiáng)的應(yīng)用價(jià)值。具體來說，學(xué)術(shù)價(jià)值表現(xiàn)在研究社交媒體信息可信度評(píng)估并探討虛假信息的生成機(jī)制、傳播模式、治理措施，是對(duì)社交媒體環(huán)境下網(wǎng)絡(luò)信息資源管理理論的豐富、發(fā)展與完善。應(yīng)用價(jià)值表現(xiàn)在研究社交媒體信息可信度評(píng)估有助于社交媒體用戶判斷信息的可信性，營(yíng)造誠(chéng)信健康的互聯(lián)網(wǎng)環(huán)境，也有助于提高社交媒體信息輿情監(jiān)控、社交媒體信息引導(dǎo)、社交媒體搜索、社會(huì)化推薦等方面的效果。

2 社交媒體信息研究

社交媒體（Social Media）是通過Web2.0技術(shù)實(shí)現(xiàn)的一類支持用戶自主創(chuàng)造和交換內(nèi)容的媒體，如Twitter、Facebook、Youtube、LinkedIn、Wiki、微博、微信、QQ、論壇、人人網(wǎng)等。自1973年Lipkin、Szpakowski和Felsenstein 3人在美國(guó)加州伯克利市建立全球第一個(gè)公共電子公告牌系統(tǒng) Community Memory后，BBS以及網(wǎng)絡(luò)社區(qū)等早期的社交媒體開始映入人們的眼簾。《2015年全球社會(huì)化媒體、數(shù)字和移動(dòng)業(yè)務(wù)數(shù)字統(tǒng)計(jì)趨勢(shì)》報(bào)告表明：全球社交媒體活躍用戶約占全球人口的29%。

2.1 國(guó)外研究

社交媒體的相關(guān)研究從20世紀(jì)80年代開始，在2005年左右開始進(jìn)入快速發(fā)展階段，發(fā)文量有逐年增加的趨勢(shì)。在國(guó)際期刊中，發(fā)表社交媒體論文較多的要屬《Computers in Human Behavior》。近兩年，關(guān)于社交媒體的國(guó)際會(huì)議主要有ASONAM、SMP、MISNC、SMAP、SCSM。國(guó)外學(xué)者研究?jī)?nèi)容主要集中在以下4個(gè)方面：

2.1.1 社交媒體信息利用研究

社交媒體在商業(yè)領(lǐng)域、教育領(lǐng)域、公共管理領(lǐng)域等都有廣泛的應(yīng)用[1]。如在營(yíng)銷領(lǐng)域，利用社交媒體信息，可以獲知消費(fèi)者態(tài)度和行為[2]，可以獲知客戶交流和推薦對(duì)營(yíng)銷的影響[3-4]，可以獲知社交媒體信息對(duì)營(yíng)銷管理功能的影響[5]。

2.1.2 社交媒體信息檢索與信息推薦研究

側(cè)重于社交媒體信息檢索與信息推薦方法的研究。社交媒體信息的檢索采用主題模型[6]、社會(huì)網(wǎng)絡(luò)[7]、本體[8]等檢索方法。比如，Hong和Davison（2010）使用標(biāo)準(zhǔn)主題模型進(jìn)行社交媒體Twitter信息的檢索。社交媒體信息的推薦采用內(nèi)容推薦[9]、協(xié)同過濾[10]、時(shí)序推薦[11]、位置推薦[12]、社會(huì)化推薦[13]等方法。比如，Levandoski等（2012）提出位置感知推薦系統(tǒng)（LARS）[12]。

2.1.3 社交媒體信息傳播研究

側(cè)重于反映信息傳播傳播規(guī)律的社交媒體信息傳播模型的構(gòu)建以及通過模型的構(gòu)建對(duì)實(shí)際問題進(jìn)行預(yù)測(cè)等方面的研究。如Galuba等（2010）通過研究1 500萬URL在不同Twitter用戶之間的300小時(shí)傳播，提出了基于內(nèi)容流行度、用戶影響力和傳播速度的線性閾值模型[14]。Adar和Adamic（2005）通過研究信息在博客中傳播的模式和動(dòng)力學(xué)特性，提出用傳染病模型來描繪信息傳播的機(jī)理[15]。Asur和Huberman（2010）采用來自的聊天數(shù)據(jù)通過簡(jiǎn)單的線性回歸模型預(yù)測(cè)電影票房的收入[16]。

2.1.4 社交媒體用戶隱私研究

在探討社交媒體用戶隱私現(xiàn)存問題的基礎(chǔ)上，提出了相應(yīng)的隱私保護(hù)方法。如Viswanath等（2010）首先研究Sybil防御的缺陷，在其基礎(chǔ)上探討了替代Sybil防御的方法[17]。Conti等（2011）采用FaceVPSN解決社交媒體用戶隱私問題[18]。

2.2 國(guó)內(nèi)研究

國(guó)內(nèi)學(xué)者的社交媒體研究最早可追溯至20世紀(jì)90年代末，但從2005年后起關(guān)于社交媒體的論文才逐漸表現(xiàn)出增長(zhǎng)態(tài)勢(shì)。國(guó)內(nèi)研究?jī)?nèi)容主要集中在：

2.2.1 社交媒體信息傳播研究

研究?jī)?nèi)容包括：①社交媒體信息傳播模式研究。如韓佳等（2013）提出了基于改進(jìn)SIR的在線社交網(wǎng)絡(luò)信息傳播模型[19]。姜景等（2015）構(gòu)建表征謠言信息與辟謠信息傳播機(jī)理的Lotka-Volterra競(jìng)爭(zhēng)模型[20]。②社交媒體信息傳播中存在的問題與對(duì)策研究。如閻俊（2015）探討微博傳播存在的問題及原因，并提出了加強(qiáng)微博內(nèi)容管理、增強(qiáng)把關(guān)意識(shí)、提高微博用戶的媒介素養(yǎng)等對(duì)策[21]。③社交媒體信息傳播效果研究。如陳遠(yuǎn)和袁艷紅（2012）以新浪微博作為數(shù)據(jù)來源，把信息覆蓋人數(shù)、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)作為微博信息傳播效果的量化指標(biāo)，從縱橫向兩個(gè)角度研究新浪微博信息傳播過程造成的效應(yīng)[22]。

2.2.2 社交媒體輿情分析與監(jiān)測(cè)研究

如張J等（2014）以打砸日系車系列突發(fā)公共事件為實(shí)例，探討其在新浪微博和新浪新聞平臺(tái)上輿情傳播的特征與規(guī)律[23]。張瑜等（2015）對(duì)新浪微博熱門話題“北京單雙號(hào)限行常態(tài)化”下的微博進(jìn)行了數(shù)據(jù)采集，將輿情演化劃分為潛伏、成長(zhǎng)、爆發(fā)、衰退、波動(dòng)、死亡6個(gè)階段，并對(duì)各階段進(jìn)行情感分析，為輿情治理提供了支持[24]。唐濤（2014）在分析網(wǎng)絡(luò)輿情五要素的基礎(chǔ)上，探討移動(dòng)互聯(lián)網(wǎng)輿情的新特征，指出面臨的新挑戰(zhàn)，并從信息分析、信息篩選、信息引導(dǎo)等方面提出對(duì)策[25]。

2.2.3 社交媒體營(yíng)銷研究

如唐興通（2012）的著作《社會(huì)化媒體營(yíng)銷大趨勢(shì)：策略與方法》系統(tǒng)總結(jié)了社交媒體營(yíng)銷，并對(duì)眾多社交媒體工具在實(shí)際工作中的應(yīng)用提供了具體的建議[26]。張淼（2014）提出了企業(yè)完善社交媒體營(yíng)銷策略的“9+3”模式[27]。劉曉燕和鄭維雄（2015）采用社會(huì)網(wǎng)絡(luò)分析方法研究企業(yè)微博營(yíng)銷傳播的效果[28]。

3 信息可信度研究

3.1 國(guó)外研究

信息可信度（Information Credibility）是指人們對(duì)信息可相信程度的認(rèn)識(shí)。它由值得信賴（Trustworthiness）和專業(yè)性（Expertise）兩個(gè)關(guān)鍵要素組成[29]。信息可信度比較系統(tǒng)的研究始于20世紀(jì)50年代的傳播領(lǐng)域。Hovland和同事的工作具有里程碑的意義[30]。信息可信度最初關(guān)注的是傳播者的可信度。國(guó)外對(duì)傳統(tǒng)媒體信息可信度的研究主要是從信源可信度、內(nèi)容可信度、渠道可信度三方面展開的。隨著互聯(lián)網(wǎng)的出現(xiàn)，網(wǎng)絡(luò)信息可信度的評(píng)估被提上了議事日程。研究情況可歸納如下：

3.1.1 網(wǎng)絡(luò)信息可信度評(píng)估的理論模型

主要有Fogg（2003）的P-I理論模型、Wathen和Burkell（2002）的評(píng)判模型、Sundar（2008）的MAIN Model、Hilligoss和Rieh（2008）的統(tǒng)一模型、Metzger（2007）的雙處理模型以及Lucassen等（2013）的3S模型（修訂版）。以上理論模型是由情境、用戶特征、操作性、處理過程這些側(cè)面的若干部分構(gòu)建而成的。

3.1.2 網(wǎng)絡(luò)信息可信度研究?jī)?nèi)容

主要有對(duì)網(wǎng)絡(luò)新聞的可信度研究、對(duì)搜索引擎結(jié)果的可信度研究以及對(duì)維基百科內(nèi)容的可信度研究。比如，Nagura等（2006）通過比較關(guān)于同一主題不同網(wǎng)頁(yè)的相似度來計(jì)算每個(gè)網(wǎng)頁(yè)的可信度[31]。Yamamoto和Tanaka（2011）利用用戶可信度評(píng)判模型對(duì)網(wǎng)頁(yè)搜索結(jié)果進(jìn)行重新排序，以便從Web搜索結(jié)果的列表中用戶可以更高效的找到可信的網(wǎng)頁(yè)[32]。Adler等（2008）以文章長(zhǎng)度、版本數(shù)量和基于貢獻(xiàn)數(shù)量的作者聲譽(yù)建立模型，計(jì)算出維基百科文章的可信度[33]。

3.1.3 網(wǎng)絡(luò)信息可信度研究方法

主要采用定量研究法。比如，Olteanu等（2013）在調(diào)查網(wǎng)頁(yè)的各種特征（文本內(nèi)容、鏈接結(jié)構(gòu)、網(wǎng)頁(yè)設(shè)計(jì)等）的基礎(chǔ)上，經(jīng)過統(tǒng)計(jì)分析方法篩選出關(guān)鍵的特征，采用監(jiān)督學(xué)習(xí)算法來推斷網(wǎng)頁(yè)內(nèi)容的可信度[34]。與網(wǎng)絡(luò)信息可信度有關(guān)的典型系統(tǒng)有日本的WISDOM和Honto？Search。

3.1.4 影響力較大的項(xiàng)目和國(guó)際會(huì)議

影響力較大的項(xiàng)目有互聯(lián)網(wǎng)可信度研究（The Web Credibility Research）項(xiàng)目，影響力較大的國(guó)際會(huì)議有WICOW（Workshop on Information Credibility on the Web）。

3.2 國(guó)內(nèi)研究

1993年的《鑒別虛假信息五法》是國(guó)內(nèi)發(fā)表的早期論文。2004年至今，相關(guān)研究進(jìn)入快速發(fā)展期。相對(duì)于國(guó)外較多研究評(píng)估算法和評(píng)估系統(tǒng)，國(guó)內(nèi)研究重點(diǎn)在于定性分析上，大多采用問卷調(diào)查及專家訪談法等進(jìn)行人工評(píng)估。國(guó)內(nèi)研究?jī)?nèi)容主要有：

3.2.1 側(cè)重于信息可信度影響因素研究

比如，龔思蘭等（2013）針對(duì)評(píng)論信息的文本內(nèi)容、長(zhǎng)度、情感傾向、時(shí)效性、者、商家活動(dòng)等特征，通過問卷調(diào)查方式對(duì)大學(xué)生消費(fèi)群體進(jìn)行在線商品評(píng)論信息可信度影響因素實(shí)證分析[35]。蔣洪梅（2013）運(yùn)用理論分析輔以實(shí)證研究的方法，從宏觀的社會(huì)系統(tǒng)、中觀的政策法規(guī)、微觀的媒介與受眾3個(gè)視角分析網(wǎng)絡(luò)新聞信息可信度的影響因素[36]。

3.2.2 側(cè)重于信息可信度指標(biāo)體系的構(gòu)建

比如，胡紅亮（2013）按照信息源、信息加工、信息傳播和信息應(yīng)用等方面采用德爾菲專家調(diào)查法建立了學(xué)術(shù)著作可信度的基本評(píng)價(jià)模型[37]。潘勇和孔棟（2007）基于第三方認(rèn)證機(jī)構(gòu)的視角，構(gòu)建了電子商務(wù)網(wǎng)站的信用評(píng)價(jià)指標(biāo)體系及評(píng)價(jià)因素集，并建立灰色關(guān)聯(lián)信用評(píng)估模型[38]。當(dāng)然，也有少量基于機(jī)器學(xué)習(xí)的信息可信度自動(dòng)化評(píng)估實(shí)驗(yàn)研究，比如，馬偉瑜（2011）提出一種采用改進(jìn)的PageRank算法評(píng)估網(wǎng)頁(yè)信息可信度的方法[39]。

4 社交媒體信息可信度評(píng)估研究

4.1 國(guó)外研究

國(guó)外相關(guān)研究較早。社交媒體信息可信度的相關(guān)研究隨著BBS的出現(xiàn)隨之展開，最早可追溯到20世紀(jì)80年代。目前可以說，研究處于繁榮期。國(guó)外研究情況可歸納如下：

4.1.1 社交媒體信息可信度評(píng)估研究?jī)?nèi)容

研究?jī)?nèi)容主要包括：①不實(shí)信息的判斷識(shí)別。如Qazvinian等（2011）提取Twitter信息的文本特征、網(wǎng)絡(luò)特征和微博元素特征，構(gòu)建貝葉斯分類器甄別謠言[40]。Zhao等（2015）通過研究查詢帖以便及早識(shí)別社交媒體謠言[41]。②話題新聞的可信度評(píng)估。如Castillo等（2011）選取了有關(guān)用戶特征、文本特征、主題特征、信息傳播特征，采用J48決策樹評(píng)估Twitter中話題新聞的可信度[42]。

4.1.2 社交媒體信息可信度評(píng)估方法

評(píng)估方法主要有監(jiān)督學(xué)習(xí)[43]，統(tǒng)計(jì)分析[44]，與可信信息來源的相似性比較[45-46]，社交網(wǎng)絡(luò)的鏈接結(jié)構(gòu)分析與主題模型的利用[47]等。它們主要采用自動(dòng)評(píng)估，具體來說：①選取的特征：選取的特征主要是用戶特征、文本特征、信息傳播特征。比如，西班牙的Castillo和智利的Mendoza、Poblete（2011）選取用戶特征（如注冊(cè)時(shí)間、粉絲量、好友量），文本特征（如是否包含#標(biāo)簽、是否包含問號(hào)、Tweet中包含的URL數(shù)量、是否轉(zhuǎn)發(fā)），主題特征（如帶#標(biāo)簽Tweet的比例、Tweet數(shù)量、Tweet的平均長(zhǎng)度、Tweet的平均情感分值、積極情緒或消極情緒的比例），以及信息傳播特征（如傳播樹的深度），采用J48決策樹評(píng)估Twitter信息的可信度[42]。②評(píng)估的方法：大多通過構(gòu)建SVM分類器、Bayesian分類器、Decision Tree分類器等方法，并對(duì)結(jié)果進(jìn)行分類，以達(dá)到評(píng)估社交媒體信息可信度的目的。上例Castillo等采用J48決策樹構(gòu)建分類器，并對(duì)結(jié)果進(jìn)行分類，從而評(píng)估Twitter信息的可信度[42]。當(dāng)然，也有通過對(duì)結(jié)果進(jìn)行排序的實(shí)例，從而達(dá)到評(píng)估社交媒體信息可信度的目的。比如，Gupta和Kumaraguru（2012）采用Rank-SVM與PRF相結(jié)合的方法，按照可信度得分對(duì)Twitter信息進(jìn)行排序[43]。

4.1.3 有較大影響的在研項(xiàng)目與系統(tǒng)

由歐盟資助七國(guó)科研人員聯(lián)合攻關(guān)的PHEME項(xiàng)目研究的重點(diǎn)是社交媒體信息的真實(shí)性，該項(xiàng)目在國(guó)際上有較大影響。Jacob Ratkiewicz等（2011）開發(fā)出可實(shí)時(shí)追蹤Twitter上政治謠言的Truthy系統(tǒng)[48]。Gupta等（2014）、Lorek等（2015）分別開發(fā)出一款可自動(dòng)評(píng)估推文可信度的工具TweetCred、TwitterBOT[49-50]。

4.2 國(guó)內(nèi)研究

2007年《博客信息“可信度不亞于紐約時(shí)報(bào)”？》拉開了國(guó)內(nèi)探討社交媒體信息可信度評(píng)估的序幕。目前研究還處于發(fā)展的初期。社交媒體信息可信度評(píng)估研究主要有：

4.2.1 社交媒體信息可信度影響因素研究

如劉雪艷和閆強(qiáng)（2013）探討政府微博中的熱點(diǎn)事件信息可信度的影響因素[51]。丁科芝（2015）從信息傳播者、渠道、信息內(nèi)容和用戶基本信任觀念4個(gè)方面構(gòu)建社交網(wǎng)絡(luò)可信度影響因素模型[52]。薛傳業(yè)等（2015）從信息來源可信度、信息傳播渠道可信度、信息內(nèi)容可信度以及信息評(píng)論反饋多維度探討了突發(fā)事件中社交媒體信息可信度的影響因素[53]。

4.2.2 構(gòu)建社交媒體信息可信度指標(biāo)體系研究

它大多采用問卷調(diào)查及專家訪談法進(jìn)行人工評(píng)估。屈文建和謝冬（2013）從站點(diǎn)層次、版塊層次、主題層次、內(nèi)容層次4方面，采用模糊綜合信用評(píng)估模型對(duì)網(wǎng)絡(luò)學(xué)術(shù)論壇信息可信度進(jìn)行評(píng)估[54]。莫祖英等（2013）從微博信息量、信息內(nèi)容質(zhì)量、信息來源質(zhì)量和信息利用情況等方面進(jìn)行問卷調(diào)查，采用層次分析法構(gòu)建微博信息質(zhì)量評(píng)估模型[55]。當(dāng)然國(guó)內(nèi)也有少量自動(dòng)化評(píng)估的例子。比如，賀剛等（2013）引入關(guān)鍵詞分布特征和時(shí)間差等新特征，基于SVM算法來預(yù)測(cè)新浪微博信息是否為謠言[56]。程亮等（2013）提出基于BP神經(jīng)網(wǎng)絡(luò)模型及改進(jìn)其激發(fā)函數(shù)，同時(shí)引入沖量項(xiàng)，對(duì)微博話題在傳播過程中演變?yōu)橹{言進(jìn)行檢測(cè)[57]。路同強(qiáng)（2015）采用半監(jiān)督學(xué)習(xí)算法檢測(cè)微博謠言，但不足之處在于未考慮信息的深層特征[58]。

4.3 存在的問題

對(duì)比國(guó)內(nèi)外研究情況，可發(fā)現(xiàn)國(guó)內(nèi)研究存在如下問題：

4.3.1 研究?jī)?nèi)容

關(guān)于社交媒體信息可信度研究，國(guó)內(nèi)外目前以微博研究較多。與國(guó)外豐富的研究?jī)?nèi)容相比，國(guó)內(nèi)在該領(lǐng)域的研究還主要集中于對(duì)影響因素以及特征的探討上。

4.3.2 研究方法

國(guó)外定量研究較多，很多涉及自動(dòng)化評(píng)估，而國(guó)內(nèi)定性研究較多，大多采用問卷調(diào)查法、專家訪談法等進(jìn)行人工評(píng)估。

總之，現(xiàn)有研究大多是針對(duì)Twitter等英文社交媒體，其研究成果大多不能直接應(yīng)用于中文社交媒體。盡管也有少量研究是面向中文社交媒體的，但研究成果零散，還缺乏系統(tǒng)性。另外，在特征選擇上，選擇范圍面較窄，考慮社交媒體深層的隱含特征較少。

5 結(jié) 語

為了解決中文社交媒體的可信度評(píng)估問題，在吸收前人研究的基礎(chǔ)上[59-63]，很有必要對(duì)中文社交媒體信息可信度進(jìn)行系統(tǒng)研究，特別是在參考國(guó)外信息可信度評(píng)估系統(tǒng)的基礎(chǔ)上，很有必要研制開發(fā)中文社交媒體信息可信度評(píng)估系統(tǒng)，實(shí)現(xiàn)中文社交媒體信息可信度的自動(dòng)評(píng)估。在進(jìn)行中文社交媒體信息可信度評(píng)估中，應(yīng)注意下列問題：

1）評(píng)估要在對(duì)信息資源分類的基礎(chǔ)上，對(duì)不同的類別采用不同的評(píng)估指標(biāo)體系，以提高評(píng)估工作的科學(xué)性和合理性。

2）評(píng)估既要重視定性評(píng)估，也要重視定量評(píng)估，尤其是自動(dòng)化評(píng)估。特別是在大數(shù)據(jù)環(huán)境下，應(yīng)針對(duì)評(píng)估的實(shí)際需求，制定科學(xué)的評(píng)估方案，選擇恰當(dāng)?shù)脑u(píng)估方法，構(gòu)建適合評(píng)估工作需要的自動(dòng)化評(píng)估系統(tǒng)。

3）評(píng)估指標(biāo)、評(píng)估模型的選取以及參數(shù)的訓(xùn)練，既要考慮研究結(jié)果的精確度，又要考慮系統(tǒng)的運(yùn)算時(shí)間。

4）評(píng)估模型構(gòu)建后，不僅要進(jìn)行實(shí)驗(yàn)室評(píng)估，還應(yīng)進(jìn)行實(shí)際效果評(píng)估。

參考文獻(xiàn)

[1]Ngai，E.W.T.，Moon，K.K.，Lam，S.S.，Chin，E.S.K.and Tao，S.S.C..Social media models，technologies，and applications[J].Industrial Management and Data Systems，2015，115（5）：769-802.

[2]Gamboa，A.M.and Gonalves，H.M..Customer loyalty through social networks：lessons from Zara on Facebook[J].Business Horizons，2014，57（6）：709-717.

[3]Jin，S-A.A.and Phua，J.Following celebrities tweets about brands：the impact of Twitter-based electronic word-of-mouth on consumers source credibility perception，buying intention，and social identification with celebrities[J].Journal of Advertising，2014，43（2）：181-195.

[4]Colliander，J.and Dahlén，M.Following the fashionable friend：the power of social media[J].Journal of Advertising Research，2011，51（1）：313-320.

[5]Moncrief，W.C.，Marshall，G.W.and Rudd，J.M..Social media and related technology：drivers of change in managing the contemporary sales force[J].Business Horizons，2015，58（1）：45-55.

[6]Hong，Liangjie and Davison，B.D..Empirical study of topic modeling in twitter[C]∥Proceedings of the First Workshop on Social Media Analytics（SOMA10）.ACM，New York，NY，USA，2010：80-88.

[7]Kleinberg，J.M..Authoritative sources in a hyperlinked environment[J].Journal of the ACM，1999，46（5）：604-632.

[8]Tobar，C.M.，Germer，A.S.，Adan-Coello，J.M.，and De Freitas，R.L..Information retrieval in Wikis using an ontology[J].Computational Science and Engineering，2009：826-831.

[9]Kim，Y.and Shim，K.TWILITE：A recommendation system for Twitter using a probabilistic model based on latent Dirichlet allocation[J].Information Systems，2014：59-77.

[10]Ramesh，A.，Anusha J.，Clarence，J.M.T..A novel，generalized recommender system for social media using the collaborative-filtering technique[J].ACM SIGSOFT Software Engineering Notes，2014：1-4.

[11]Zimdars，A.，Chickering，D.M.，and Meek，C.Using Temporal Data for Making Recommendations[C]∥Proceedings of the Seventeenth conference on Uncertainty in artificial intelligence（UAI01），Jack Breese and Daphne Koller（Eds.）.Morgan Kaufmann Publishers Inc.，San Francisco，CA，USA，2001：580-588.

[12]Levandoski，J.J.，Sarwat，M.，Eldawy，A.and Mokbel，M.F..LARS：A Location-Aware Recommender System[C]∥IEEE 28th International Conference on Data Engineering，Washington，DC，2012：450-461.

[13]Jamali，M.and Ester，M.Trust Walker：a random walk model for combining trust-based and item-based recommendation[C]∥Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining（KDD09）.ACM，New York，NY，USA，2009：397-406.

[14]Galuba W，Aberer K，Chakraborty D，Despotovic Z，Kellerer W.Outtweeting the twitterers-predicting information cascades in microblogs[C]∥Proceedings of the 3rd Workshop on Online Social Networks，USENIX Association，Boston，MA，USA，2010：1-9.

[15]Adar，E.and Adamic，L.A..Tracking Information Epidemics in Blogspace[C]∥Proceedings of the 2005 IEEE/WIC/ACM International Conference on Web Intelligence（WI05）.IEEE Computer Society，Washington，DC，USA，2005：207-214.

[16]Asur，S and Huberman，B.A..Predicting the Future with Social Media[C]∥2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT），Toronto，2010：492-499.

[17]Viswanath，B.，Post，A.，Gummadi，K.P.，and Mislove，A.An analysis of social network-based Sybil defenses[J].Acm Sigcomm Computer Communication Review，2010，40（4）：363-374.

[18]Conti，M.，Hasani，A.，and Crispo，B.Virtual Private Social Networks[C]∥Proceedings of the 1st ACM Conference on Data and Application Security and Privacy（ACM SIGSAC CODASPY 2011），San Antonio，TX，USA，2011：39-50.

[19]韓佳，肖如良，胡耀，等.在線社交網(wǎng)絡(luò)中信息傳播模式的特征分析[J].計(jì)算機(jī)應(yīng)用，2013，（1）：105-107，111.

[20]姜景，李丁，劉怡君.基于競(jìng)爭(zhēng)模型的微博謠言信息與辟謠信息傳播機(jī)理研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2015，（1）：182-191.

[21]閻俊.微博傳播的問題與對(duì)策研究[D].錦州：渤海大學(xué)，2015：1-38.

[22]陳遠(yuǎn)，袁艷紅.微博信息傳播效果實(shí)證研究[J].信息資源管理學(xué)報(bào)，2012，（3）：28-34.

[23]張，孫霄凌，朱慶華.突發(fā)公共事件輿情傳播特征與規(guī)律研究――以新浪微博和新浪新聞平臺(tái)為例[J].情報(bào)雜志，2014，（4）：90-95.

[24]張瑜，李兵，劉晨.面向主題的微博熱門話題輿情監(jiān)測(cè)研究――以“北京單雙號(hào)限行常態(tài)化”輿情分析為例[J].中文信息學(xué)報(bào)，2015，（5）：143-151，159.

[25]唐濤.移動(dòng)互聯(lián)網(wǎng)輿情新特征、新挑戰(zhàn)與對(duì)策[J].情報(bào)雜志，2014，（3）：113-117.

[26]唐興通.社會(huì)化媒體營(yíng)銷大趨勢(shì)：策略與方法（第2版）[M].北京：清華大學(xué)出版社，2012：1-235.

[27]張淼.社會(huì)化媒體在市場(chǎng)營(yíng)銷中的應(yīng)用研究[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2014：1-47.

[28]劉曉燕，鄭維雄.企業(yè)社會(huì)化媒體營(yíng)銷傳播的效果分析――以微博擴(kuò)散網(wǎng)絡(luò)為例[J].新聞與傳播研究，2015，（2）：89-102，128.

[29]Fogg，B.J.，and Tseng，H.The elements of computer credibility[C]∥Proceedings of the SIGCHI conference on Human Factors in Computing Systems，Pittsburgh，Pennsylvania，USA，1999：80-87.

[30]Rieh，S and Danielson，D.Credibility：A Multidisciplinary Framework[J].Annual Review of Information Science and Technology，2007：307-364.

[31]Nagura，R.，Seki，Y.，Kando，N and Aono，M.A method of rating the credibility of news documents on the web[C]∥Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval（SIGIR06）.ACM，New York，NY，USA，2006：683-684.

[48]Ratkiewicz，J.，Conover，M.，Meiss，M.，Gonalves，B.，Patil，S.，F(xiàn)lammini，A.and Menczer，F(xiàn).Truthy：mapping the spread of astroturf in microblog streams[C]∥Proceedings of the 20th international conference companion on World wide web（WWW11）.ACM，New York，NY，USA，2011：249-252.

[49]Gupta，A.，Kumaraguru，P.，Castillo，C.，and Meier，P.TweetCred：Real-Time Credibility Assessment of Content on Twitter[C]∥Social Informatics.Springer International Publishing，2014：228-243.

[50]Krzysztof，L.，Jacek，S.W.，Michal，J.L.，and Amit，G.Automated Credibility Assessment on Twitter[J].Computer Science，2015，（2）：157-168.

[51]劉雪艷，閆強(qiáng).政府微博中的熱點(diǎn)事件信息可信度研究[J].北京郵電大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2013，（2）：6-12.

[52]丁科芝.社交網(wǎng)絡(luò)信息可信度研究[D].武漢：華中師范大學(xué)，2015：1-61.

[53]薛傳業(yè)，夏志杰，張志花，等.突發(fā)事件中社交媒體信息可信度研究[J].現(xiàn)代情報(bào)，2015，（4）：12-16.

[54]屈文建，謝冬.網(wǎng)絡(luò)學(xué)術(shù)論壇信息可信度的灰度分析[J].圖書情報(bào)知識(shí)，2013，（2）：112-118.

[55]莫祖英，馬費(fèi)成，羅毅.微博信息質(zhì)量評(píng)價(jià)模型構(gòu)建研究[J].信息資源管理學(xué)報(bào)，2013，（2）：12-18.

[56]賀剛，呂學(xué)強(qiáng)，李卓，等.微博謠言識(shí)別研究[J].圖書情報(bào)工作，2013，（23）：114-120.

[57]程亮，邱云飛，孫魯.微博謠言檢測(cè)方法研究[J].計(jì)算機(jī)應(yīng)用與軟件，2013，（2）：226-228，262.

[58]路同強(qiáng)，石冰，閆中敏，等.一種用于微博謠言檢測(cè)的半監(jiān)督學(xué)習(xí)算法[J].計(jì)算機(jī)應(yīng)用研究，2016，（3）：744-748.

[59]Ginsca，A.L.，Popescu，A.，and Lupu，M.Credibility in Information Retrieval[J].Foundations and Trends in Information Retrieval，2015：355-475.

[60]Lazar，J.Meiselwitz，G.and Feng，J.Understanding Web Credibility：A Synthesis of the Research Literature[M].Now Publishers Inc，2007：1-80.

[61]Zafarani，R.Abbasi，M.A.，and Liu，H.社會(huì)媒體挖掘[M].北京：人民郵電出版社，2015：1-240.