微博主影响力评价指标体系的科学构建_陈明亮
基于HRank的微博用户影响力评价
基于HRank的微博用户影响力评价贾冲冲;王名扬;车鑫【摘要】针对微博社交网络平台中的用户影响力评价问题,提出了一种基于HRank 的评价算法.该算法将评价科学家科研绩效影响力的判定参数H指数引入进来,构造出能反映用户影响覆盖度的粉丝H指数和用户微博受追捧程度的微博被转发H指数,以分别表征用户的静态特征和在微博平台上的动态行为特征.在此基础上,结合粉丝H指数和微博被转发H指数构建出对用户影响力进行综合评价的HRank模型.粉丝数与用户影响力的相关性不是很强,同样数据集下相对PageRank,HRank用户影响力模型与新浪用户影响力官方排名更为接近,可有效实现对微博用户影响力的客观评判.【期刊名称】《计算机应用》【年(卷),期】2015(035)004【总页数】4页(P1017-1020)【关键词】用户影响力;微博;PageRank;H指数【作者】贾冲冲;王名扬;车鑫【作者单位】东北林业大学信息与计算机工程学院,哈尔滨150040;东北林业大学信息与计算机工程学院,哈尔滨150040;东北林业大学信息与计算机工程学院,哈尔滨150040【正文语种】中文【中图分类】TP301.6Web2.0技术的发展带领大家走进了社交网络交互时代,新技术催生了微博并使之成为新的信息互动和传播的社会化媒体,网络与用户间的关系已由用户被动接受网络呈现的信息转变为用户主动参与的模式。
用户通过发布微博、参与讨论以及分享转载等行为使得互联网的形态更加主动和丰富。
随着微博用户群体的迅速增长,数据呈现出增长海量化、类型多样化、传播即时化等特征,信息技术在提供便利的同时也考验着人们对海量数据的分析和驾驭能力。
在微博平台经常会有这样一种现象,一些尚未得到足够关注的微博在被“大V”转发或评论之后,突然就成为了热点话题。
这些“大V”就是微博网络中的高传播影响力用户,他们拥有更多的关注度和话语权,很大程度上影响着消息的传播、话题的形成,甚至舆论的走势。
微博评论信息的聚类分析
微博评论信息的聚类分析随着等社交媒体的快速发展，人们对于评论信息的分析越来越受到。
其中，聚类分析是一种重要的数据分析方法，可以对大量的评论数据进行分类和整理，从而帮助人们更好地理解和掌握用户对于某个主题或事件的观点和态度。
对于评论信息的聚类分析，我们可以从数据预处理阶段开始。
由于评论数据量庞大，且存在大量的重复和无用的信息，因此需要进行数据清洗和去重处理，以便提高聚类分析的准确性和效率。
在数据预处理之后，我们可以采用文本挖掘技术对评论数据进行主题建模。
文本挖掘是一种从大量文本数据中提取有用的信息和知识的过程，可以对于文本数据进行深入的分析和挖掘。
在评论聚类分析中，我们可以通过文本挖掘技术提取出评论中的关键词和主题，并将它们进行分类和聚类。
常用的聚类算法包括K-means、DBSCAN、层次聚类等。
其中，K-means 是一种常见的聚类算法，它通过将数据点分配到不同的簇中，以使得每个簇内的距离最小化。
DBSCAN则是一种基于密度的聚类算法，它可以发现任意形状的聚类，并去除噪声点。
层次聚类则是一种自上而下的聚类方法，可以发现不同层次的聚类。
在评论聚类分析中，我们可以通过选择适合的聚类算法，将评论数据分成不同的类别。
每个类别代表了一种观点或态度，这样就可以对于大量的评论数据进行分类和整理。
在聚类分析之后，我们还可以采用一些可视化技术将聚类结果进行可视化展示。
这样可以让人们更加直观地了解用户对于某个主题或事件的观点和态度。
评论信息的聚类分析可以帮助人们更好地理解和掌握用户对于某个主题或事件的观点和态度。
通过对大量评论数据进行分类和整理，可以更好地把握市场动态、了解用户需求和提高服务质量。
近年来，热门话题事件的主题聚类分析变得越来越热门。
本文将介绍一种基于文本聚类分析的方法，用于对热门话题事件进行主题聚类分析。
收集一定数量的热门话题事件，可以使用网络爬虫或者API接口来获得数据。
然后，对每个事件进行预处理，包括分词、去除停用词、去除特殊符号等。
微博社交网络舆情监测指标体系构建
微博社交网络舆情监测指标体系构建
李保秀
【期刊名称】《科技广场》
【年(卷),期】2012(000)004
【摘要】在研究微博信息传播模式的基础上,借鉴网络传播中采用的信息空间模型构建了微博舆情的三维空间,对微博舆情的主客体进行分析,建立了微博舆情监测指标体系。
该指标体系充分考虑了主客体的不同特点和关系,并提出体系中不同指标的量化方法,为管理者对微博舆情进行疏导提供了决策上的支持。
【总页数】5页(P148-152)
【作者】李保秀
【作者单位】九江学院信息科学与技术学院,江西九江332005
【正文语种】中文
【中图分类】G202
【相关文献】
1.涉军网络舆情监测指标体系构建 [J], 刘晓亮
2.人民网舆情监测室发布《2012年新浪媒体微博报告》媒体微博促两个舆论场良性互动 [J],
3.教育考试网络舆情监测指标体系构建研究 [J], 叶坤燚
4.网络舆情监测及预警指标体系构建与研究 [J], 王宝智;黄萍萍;叶坤燚
5.网络舆情监测及预警指标体系构建与研究 [J], 王宝智;黄萍萍;叶坤燚
因版权原因，仅展示原文概要，查看原文内容请购买。
微博舆情信息传播效果评价指标体系构建研究——基于模糊数据包络分析法
Research on the Evaluation Index System Construction of the Effect of Micro-blog Public Opinion Information Dissemination 作者： 刘健;毕强;李瑞
作者机构： 吉林大学管理学院,吉林长春130022
出版物刊名： 情报理论与实践
页码： 31-38页
年卷期： 2016年 第12期
主题词： 数据包络分析 信息传播 评价指标 微博舆情
摘要：通过选择指标建立模糊数据包络分析模型,并采用后退法计算剔除投入变量或产出变量时各评估单元的相对效率向量,利用欧氏距离最终选择出20个指标作为微博信息舆情传播效果的评估依据。
结果表明微博舆情信息传播者、受传者、信息内容、传播渠道、传播环境属性等指标对微博舆情信息传播效果具有显著影响。
微博用户影响力分析研究
Research on User 's Influence in MicrobloggingZhang Xun (Computer Science and Technology)Directed by Liu ZhaohuiAbstract:Socialnetworkingis a multi-functional platform for information exchange, multimedia, and e-commerce. Each user in the social network has the responsibility of sharing and collecting information. Because of the different position of each user in the social network, the influence of information transmission is also different.Microblogging is a typical representative of today's social network, Based on microblogging, the main research work in this paper is as follows:A model of influence evaluation based on user behavior and user information content is proposed.In this model, the measurement of user behavior mainly consists of two parts, that is, the communication frequency between users and the importance of users.The communication frequency between users reflects the users’ will of exchanging information will, is the foundation of information sharing.The importanceof users is composed of two parts,one part is the tightness, it shows the magnitude of the interaction force between users, the other one is betweenness,it indicates the users’ capability of providing the shortest possible routing for another users, the two parts reflect the connectivity of user nodes in the social network.At the same time, the user informationIIIcontent is included in the evaluation model of user influence，the user influence ultimately depends on the degree of communication between users，the greater the flow of information, the greater the impact the user has on the entire micro-blog network structure.The method used in this paper is compared with the PageRank algorithm,UIA algorithm based on PageRank algorithm and user behavior.The PageRank is a classical method to calculate the users’influence,and the UIA algorithm is one of the mature methods to evaluate the user's influencenow. It is proved by experiments that the applicability of the proposed method in this paper.In addition, because the method is simple to operate, it can reduce the operation time and storage cost.Keywords:s ocial network microblogginguser influenceIV目录摘要 (I)Abstract (III)目 录 (V)第1章绪论 (1)1.1研究背景及意义 (1)1.2国内外研究现状 (2)1.2.1 用户影响力研究现状 (5)1.3本文的主要工作 (6)1.4本文组织结构 (7)第2章 相关理论基础 (9)2.1理论基础 (9)2.1.1六度分隔理论 (9)2.1.2 150法则 (11)2.2社交网络的发展 (11)2.3社交网络的组成元素 (13)2.4社交网络的特点 (14)2.5微博社交网络的拓扑结构 (16)2.5.1 图的概述 (16)第3章 用户影响力模型构建 (19)3.1用户行为影响力计算 (19)V3.1.1 信任度问题 (19)3.1.2用户通信频率 (20)3.1.2 用户重要度 (22)3.2用户信息内容 (24)3.2.1相似性产生的信任度 (24)3.3模型构建 (26)第4章 实验及分析 (27)4.1数据获取与计算 (27)4.2实验对比及分析 (34)第5章 总结与展望 (37)5.1本论文的主要工作 (37)5.2进一步的研究工作 (38)参考文献 (41)作者攻读学位期间的科研成果 (47)致 谢 (49)VI第1章绪论1.1 研究背景及意义信息时代的到来给人们的日常生活和生产带来了极大的便利，网络已经无处不在，网民数量也正在大规模增长,有关资料显示[1]，2016年我国的网民数量为7.32亿，较2015的增长6.2%。
基于微博信息热度评价与预测分析
基于微博信息热度评价与预测分析基于微博的信息热度评价与预测分析摘要微博已成为时下非常热门的社交媒体平台，是一个庞大的关于信息分享和话题交流的平台，在人们线上社交活动中发挥着不可替代的作用，由于网络信息鱼龙混杂，所以本文通过了解微博的热度机制进而研究微博热度和预测微博的热门程度，本文研究内容对于监控预测微博舆情有重要的借鉴意义。
本文主要以新浪微博作为研究对象，首先进行爬取工具的选取，随后通过分析信息传播特征，从微博的用户、内容与传播三个方面提炼影响微博热度的主要因素，并提取关键指标建立热度体系评价指标，运用因子分析法建立微博热度评估模型，得到各微博信息维度表达式以及热度计算公式，对数据进行整理分析，最终对其结果进行排序和对比，发现模型比较符合实际情况，表明本模型具有较高的准确性。
随后又提出了基于PSO优化BP神经网络的话题热门程度预测模型。
构建出话题热门程度的时间序列模型作为预测模型的输入，依照优化后的预测模型，完成了对话题热门程度值的预测。
实验结果表明基于PSO优化BP神经网络的话题热门程度预测模型能够很好的模拟话题热门程度的变化趋势，对现实具有一定的指导意义。
在微博平台中，任何用户都可以自由发布内容，还可以对其他用户发送的内容发表自己的评论并转发，另外由于近些年视频信息传播愈发火热，图像处理技术也变得更加成熟，传播信息鱼龙混杂，可靠程度有待考量，于是了解微博的热度机制并对微博热度进行评估与预测,对于监控预测微博舆情，推动传播真实有效信息，营造活跃健康的社交平台具有重要作用。
1.1.2研究意义在微博信息热度评估中，曝光度高、阅读数量或者互动数较高的内容信息比较容易成为热门微博，平台中包括“热搜排行榜”和“热门话题”等对每位用户进行推送，还会根据热度大小对热门微博的内容进行排序。
本文在分析了影响热门微博传播的一些因素之后，拟建立热度评价模型与热门微博预测模型，通过计算热门微博的热度与热门程度的变化趋势，来对话题热度的监控与预测，从而可以更加有效的缩小平台的负面信息与虚假信息的传播范围，使大众浏览到更多真实可靠的时政信息。
高校官方微博影响力评价与比较实证研究
第11卷第4期Vol.11 No.4235高校官方微博影响力评价与比较实证研究王梦珠（中国传媒大学，北京 100024）摘 要：本文以36家985高校的官方微博（后简称为“官微”）为研究对象，选取“粉丝”数、微博数、原创微博数、多媒体微博数、转发数、评论数、点赞数、“粉丝”参与率和关注转化内容率为指标，通过因子分析对我国985高校官微影响力进行评价和比较研究。
因子分析提取了985高校官微影响力评价的3个公因子，即互动因子、官微发布因子和人气因子。
研究发现，985高校官微的影响力水平分布不均衡，多数高校微博的影响力偏低，影响力较高的高校微博数量偏少。
关键词：高校官方微博；影响力；因子分析中图分类号：G647 文献标志码：A 文章编号：1674-8883（2020）04-0235-01随着互联网的发展和移动终端的普及，微博的传播价值越来越受到关注。
作为社会新思想的摇篮，高校也不例外地开始重视自己在微博上的传播影响力。
在知网上以“高校”和“微博”为关键词进行检索，发现少有评估其影响力的文献。
本文力图通过爬虫软件直接爬取微博相关数据，以更科学地评估高校官微的影响力，并提出相应的发展建议。
一、构建指标体系根据Malcolm Gladwell 提出的流行三法则，本文从微博传播者、微博传播内容、受众和传播特征这4个维度选取博主活跃度、微博内容、“粉丝”参与度、微博传播度4个要素构建高校官微影响力评价指标体系。
［1］以下逐一阐述其含义。
博主活跃度是指微博用户在微博上的活跃程度。
博主通过发微博才能吸引其他用户的眼球，以此吸引“粉丝”，扩大自身影响。
因此，本文选取微博数这一指标来量化博主活跃度，从发布微博的频率来评价高校官微的活跃度。
微博内容是指用户原创或转发的微博内容。
本文选取原创微博数、多媒体微博数和关注转化内容率这3项指标进行量化。
原创微博反映了创新程度，其所占比例越多，越容易形成自身影响力和品牌效应；［2］多媒体微博数是指包含图片、视频和音乐的微博总数，此类微博比纯文字的微博内容更能吸引用户的眼球；关注转化内容率是指转发微博数与关注数之间的比例，关注转化内容率越高，其转发所关注用户的微博数量也越多。
高校图书馆微信公众号影响力多维度评价及效果分析
收稿日期：２０２１－０３－２０作者简介：简义瀚（２０００ ），男，２０１８级本科生，研究方向为计量㊁统计；范国斌（１９８２ ），男，博士，副教授，研究方向为金融计量㊂高校图书馆微信公众号影响力多维度评价及效果分析简义瀚㊀范国斌（西南财经大学统计学院㊀四川成都㊀６１１１３０）摘㊀要：［目的／意义］为高校图书馆管理微信公众号和监控数据提供参考㊂［方法／过程］通过采用主成分分析法，建立基于发布㊁阅读㊁在看㊁点赞等多维度的高校图书馆微信公众号影响力评价体系，对高校图书馆微信公众号的活跃度㊁传播度㊁互动度进行评价，并根据方差累计贡献率选取主成分并确定权重，计算主成分综合得分㊂［结果／结论］最终选取的３个主成分分别命名为读者喜爱绝对指标㊁发布数量指标和读者喜爱相对指标㊂使用主成分分析进行多维度评价能更好地反映客观情况，也更加具有科学性，值得推广使用㊂关键词：高校图书馆；微信公众号；主成分分析；多维度评价中图分类号：Ｇ２０６㊀㊀㊀㊀文献标识码：Ａ㊀㊀㊀㊀ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００５－８０９５．２０２１．０６．０１５Ｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌＥｖａｌｕａｔｉｏｎａｎｄＥｆｆｅｃｔＡｎａｌｙｓｉｓｏｎｔｈｅＩｎｆｌｕｅｎｃｅｏｆＷｅＣｈａｔＯｆｆｉｃｉａｌＡｃｃｏｕｎｔｓｉｎＵｎｉｖｅｒｓｉｔｙＬｉｂｒａｒｙＪｉａｎＹｉｈａｎ㊀ＦａｎＧｕｏｂｉｎ（ＳｃｈｏｏｌｏｆＳｔａｔｉｓｔｉｃｓ ＳｏｕｔｈｗｅｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ ＣｈｅｎｇｄｕＳｉｃｈｕａｎ６１１１３０）Ａｂｓｔｒａｃｔ：［Ｐｕｒｐｏｓｅ／ｓｉｇｎｉｆｉｃａｎｃｅ］ＴｈｅｐａｐｅｒａｉｍｓｔｏｐｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｓｆｏｒｔｈｅｍａｎａｇｅｍｅｎｔｏｆｔｈｅＷｅＣｈａｔｏｆｆｉｃｉａｌａｃｃｏｕｎｔｓａｎｄｍｏｎｉｔｏｒｉｎｇｄａｔａｏｆｕｎｉｖｅｒｓｉｔｙｌｉｂｒａｒｉｅｓ．［Ｍｅｔｈｏｄ／ｐｒｏｃｅｓｓ］Ｗｉｔｈｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ） ｔｈｅｐａｐｅｒｅｓｔａｂｌｉｓｈｅｓａｍｕｌｔｉ－ｄｉ⁃ｍｅｎｓｉｏｎａｌｅｖａｌｕａｔｉｏｎｓｙｓｔｅｍｆｏｒｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅＷｅＣｈａｔｏｆｆｉｃｉａｌａｃｃｏｕｎｔｓｏｆｕｎｉｖｅｒｓｉｔｙｌｉｂｒａｒｉｅｓｉｎｔｈｅｐｅｒｓｐｅｃｔｉｖｅｓｏｆｐｕｂｌｉｓｈｉｎｇ ｒｅａｄｉｎｇ ｗａｔｃｈｉｎｇａｎｄｕｐｖｏｔｅ ｃａｒｒｉｅｓｏｕｔａｎｅｖａｌｕａｔｉｏｎｏｎｔｈｅｉｒａｃｔｉｖｅｎｅｓｓ ｄｉｓｓｅｍｉｎａｔｉｏｎ ａｎｄｉｎｔｅｒａｃｔｉｏｎ ｓｅｌｅｃｔｓｔｈｅｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎｄｄｅｔｅｒｍｉｎｅｔｈｅｗｅｉｇｈｔａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｕｍｕｌａｔｉｖｅｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅｏｆｖａｒｉａｎｃｅ ａｎｄｃａｌｃｕｌａｔｅｓｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｓｃｏｒｅｏｆｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ．［Ｒｅｓｕｌｔ／ｃｏｎｃｌｕｓｉｏｎ］Ｆｉｎａｌｌｙｉｔｓｅｌｅｃｔｓｔｈｒｅｅｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｓｎａｍｅｄｔｈｅｒｅａｄｅｒｐｒｅｆｅｒｅｎｃｅａｂｓｏｌｕｔｅｉｎ⁃ｄｅｘ ｐｕｂｌｉｃａｔｉｏｎｑｕａｎｔｉｔｙｉｎｄｅｘａｎｄｔｈｅｒｅａｄｅｒｐｒｅｆｅｒｅｎｃｅｒｅｌａｔｉｖｅｉｎｄｅｘ．Ｔｈｅｕｓｅｏｆｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｆｏｒｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌｅ⁃ｖａｌｕａｔｉｏｎｃａｎｒｅｆｌｅｃｔｔｈｅｏｂｊｅｃｔｉｖｅｓｉｔｕａｔｉｏｎｂｅｔｔｅｒ ａｎｄｉｓｍｏｒｅｓｃｉｅｎｔｉｆｉｃ ａｎｄｗｏｒｔｈｙｏｆｐｏｐｕｌａｒｉｚａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｕｎｉｖｅｒｓｉｔｙｌｉｂｒａｒｙ；ＷｅＣｈａｔｐｕｂｌｉｃａｃｃｏｕｎｔｓ；ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ；ｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌｅｖａｌｕａｔｉｏｎ０㊀引言随着互联网与信息技术的发展，微信已不再是一个简单的聊天工具，而是许多人工作㊁学习㊁生活中获取信息的重要途径㊂微信公众号更是成为了一种主流互动营销方式㊂２０２１年微信的月活跃账户数已超１２亿个，覆盖了中国超过９５％的智能手机，微信公众号数量超过２０００万个㊂许多高校图书馆也建立了自己的微信公众号平台，与学生进行信息推送和互动㊂目前研究学者对高校图书馆微信公众号的研究可分为定性和定量两类㊂定性方面，主要对定位模式㊁信息推送情况㊁平台建设等进行分析㊂崔薇等认为高校图书馆微信公众号定位包括功能定位㊁目标定位㊁文化定位㊁用户定位和主题定位五个方面［１］㊂徐春等对高校图书馆开通使用微信公众号的情况调研，发现开通认证服务号的信息推送量较小，开通订阅号的信息推送量较大［２］㊂官凤婷从受众思维的视角提出高校图书馆微信公众号平台建设的策略［３］㊂定量方面，主要是使用已有的影响力评价体系分析㊂吴锦辉对ＷＣＩ指数排名靠前的高校图书馆微信推文内容进行分析得出高校图书馆服务创新的三个途径［４］㊂赵乃瑄等基于ＤＭ和ＥＣＭ－ＩＴ构建模型从信息质量㊁系统质量㊁感知价值㊁正向情感因素及用户满意度五个维度评价图书馆公众号领域的用户持续３０１２０２１年６月Ｊｕｎ．２０２１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀情报探索ＩｎｆｏｒｍａｔｉｏｎＲｅｓｅａｒｃｈ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第６期（总２８４期）Ｎｏ．６（ＳｅｒｉａｌＮｏ．２８４）使用意愿［５］㊂刘佳静等利用因子分析法，发现可从用户反馈㊁后台运营㊁微博影响力㊁点赞率４个方面评价高校图书馆微信公众号传播力［６］㊂谭海兵调查发现高校图书馆微信公众号的传播影响力与其发文的数量并不完全成正比［７］㊂本文通过主成分分析方法，借助清博大数据平台获取的相关指标数据，建立高校图书馆微信公众号影响力多维度评价体系，为相关数据监控和公众号管理等提供理论依据，并根据结果提出相关建议㊂１ 微信公众号影响力指标选取１．１㊀指标选取国内外有很多学者对指标的选取进行了研究㊂杨颖等选取了３个一级指标和１１个二级指标，覆盖了传播主体㊁传播媒介和传播内容三个方面［８］㊂张海涛等建立了信息影响力和情境影响力两个维度含１３个指标要素的信息熵评价模型［９］㊂张思怡等对微信公众号影响力的四个层次９个指标进行层次分析［１０］㊂基于以上文献的研究成果和前文论述，本文对指标的选择继续加以改进，删除关注数这一类用户指标，理由在于很多公众号具有大量的无效关注，这部分关注仅仅提供关注数量，但不参与互动和传播，故本文不选取关注数这类 假 指标，选取更能真实反应影响力的因素㊂在此基础上，为了尽可能保证全面㊁科学，以及指标数据的可获取性，对高校图书馆微信公众号的活跃度㊁传播度㊁互动度三个维度进行评价，最终选取了发布指标㊁阅读指标㊁在看指标和点赞指标四类影响力指标，如图１所示㊂图１㊀影响力指标体系１．２㊀数据获取本文使用的数据主要来自清博大数据平台，清博大数据作为一个全域覆盖的新媒体大数据平台，通过整合微信㊁微博㊁今日头条㊁抖音等多家新媒体平台信息为用户提供服务和数据［１１］㊂本文选取了２０２１年１月１日至２０２１年１月３１日一个月内，清博大数据平台高校图书馆榜的１７２２个微信公众号作为总体数据，并通过抽样选取样本进行研究㊂１．３㊀样本选取因为总体单位较多，且不同高校之间差距较大，４０１２０２１年６月情报探索第６期（总２８４期）如果直接使用简单随机抽样往往效果不好，抽出来的样本不一定具有代表性，故使用分层抽样，先对这１７２２个总体单位按照某个特征进行分类分成若干子总体，再在每个子总体中抽取少量样本，这样就能较好地代表子总体的特征，从而提高精度㊂对于高校图书馆的分类，可以根据其院校的性质分为重点大学㊁普通大学㊁独立学院和高等专科院校［１２］㊂从这四类中每类随机抽取５个样本，总共得到２０个样本，具体数据如表１所示㊂表１㊀原始数据表类别公众号Ｘ１／篇Ｘ２／次Ｘ３／次Ｘ４／次Ｘ５／次Ｘ６／个Ｘ７／个Ｘ８／个Ｘ９／％Ｘ１０／个Ｘ１１／个Ｘ１２／个重点大学武汉大学图书馆２８２５９０４０９３２２９８８９４９３６２１３３５００．００４１０８３１０５３３８．７重点大学南京大学图书馆１３１３２７９０９２１４７２７９０９１７０１３１７００．００６２９６２９６２２．８重点大学东南大学图书馆１６１６２６４６８１６５４２６４６８１０１６１０１０．００４３４３３４３２１．４重点大学重庆大学图书馆３３９８８７３２９６９８８７５９２０５９０．００６１８１１８１６０．３重点大学中国地质大学图书馆１１５４００５４００５４００３３３０．００１２３２３２３．０普通大学浙江树人大学图书馆１７１７１１２４５６６６２５１１２４５６９６５５７９６５０．００９１４５８１４５８８５．８普通大学西北政法大学图书馆１８１８９６００２５３３３９６００２８５７４８８５７０．００９１６２０１６２０９０．０普通大学三亚学院图书馆１９１９１９８５０１０４５１９８５０１２６７１２６０．００６３４３３４３１８．１普通大学杭州师范大学图书馆１３１０１４１１８１０８６１３０９６３３３３００．００２１５０１４５１１．５普通大学湖南农业大学图书馆４２７９１３１９７８５８８２４５１１３２０．００６１０８７９２７．０独立学院厦门大学嘉庚学院图书馆３３２５９８２１９２９７６８１２３２４９１１５４２８０．００５１５５５１４３２４７．１独立学院四川大学锦江学院图书馆１９１８４９９０９２６２７４８７０５２２７１２２２６０．００４７２１７１５３７．９独立学院中山大学南方学院图书馆１８１５３０６１８１７０１２７８９２６３４６００．００２２４７２３１１３．７独立学院北京科技大学天津学院图书馆１５１３１７８０４１１８７１７３６９９４６９３０．００５３８１３７９２５．４独立学院西安理工大学高科学院图书馆５４１０７６２１５１０１６５１４０．００５１９１８３．８专科院校金华职业技术学院图书馆１９１７１２１０２３６６３３１２１０２３１３４５７１１３０１０．０１１１７３３１６６６９１．２专科院校浙江建设职业技术学院图书馆３７２５９８６０２６７７４５１１５５４１１４０．０１６２０６１５６５．６专科院校广东科学技术职业学院图书馆５４６１５５１２３１６０５４８２８０．００１３９３８７．８专科院校长沙民政职业技术学院图书馆１４４４３９５３３１４０３４５８６８９５６４３３２０．０２０２０１０７８０１４３．６专科院校顺德职业技术学院图书馆１０４１６９６８１６９７１０９１６１０９１１５６０．００６２３１１３５２３．１２ 基于主成分分析的评价体系构建对于微信公众号影响力的评价本质上是一个综合指标的计算，现有的ＷＣＩ指数便是对公众号的各个指标经过复杂的计算而得的综合指标㊂本文使用的主成分分析法，不再人为规定综合指标的各个单项权重，而是利用主成分，从实际数据中获取客观的信息，利用方差贡献率让数据自己 说话 ㊂２．１㊀数据标准化由于不同的变量存在不同的量纲，故直接用协方差矩阵进行主成分计算时，不同的变量之间不具有可比性，因此应对变量数据进行无量纲化处理，常用的无量纲化处理方法有标准化㊁归一化㊁极差正规化等，本文采用最常用的标准化处理，用样本数据减去样本均值后除以样本方差，具体公式如下：ｚ＝ｘ－ｘ－Ｓｘ．其中ｘ－㊁Ｓｘ分别表示ｘ变量的样本均值和样本标准差㊂２．２㊀主成分分析为了全面衡量高校图书馆微信公众号的影响力，本文使用的指标个数较多，造成很多数据信息的重叠㊂主成分分析法可以在损失最少信息的前提下将多个指标转化为几个综合指标，转化生成的综合指标之间互不相关，保持了原指标变量的主要信息量［１３］，以达到降维的目的，既能简化复杂的变量研究，又能尽可能地保证精确度㊂主成分分析一共分为三步：（１）计算协方差矩阵Ｘ，由于已经进行了标准化，所以此时的协方差矩阵实际上是相关系数矩阵Ｒ㊂（２）计算Ｒ矩阵的特征值并从大到小排序，λ１，λ２， ，λｎ及相应的特征向量ｅ１，ｅ２， ，ｅｎ，由此得到主成分Ｔｉ㊂（３）选取ｑ个大于１的特征值或者选取使累计方差贡献率大于８５％的前ｑ个主成分，将原先ｎ个变量降维至ｑ个变量㊂本文使用ＳＰＳＳ２５对表１的数据进行主成分分析，计算相关系数矩阵如表２㊂５０１２０２１年６月简义瀚等：高校图书馆微信公众号影响力多维度评价及效果分析第６期（总２８４期）表２㊀相关系数矩阵表相关系数Ｘ１Ｘ２Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７Ｘ８Ｘ９Ｘ１０Ｘ１１Ｘ１２Ｘ１１．００００．９３２０．５１１－０．０２７０．４７８０．３２４０．１１１０．３３４０．３５７０．４４４０．５０２０．０７５Ｘ２０．９３２１．００００．５９７０．０８２０．５９００．３２４０．０９５０．４２００．１４９０．４０９０．５７６０．０１９Ｘ３０．５１１０．５９７１．００００．７３９０．９９４０．８６３０．７２６０．９１１０．２５８０．８７００．９７９０．６３１Ｘ４－０．０２７０．０８２０．７３９１．００００．７５９０．７５９０．７５８０．８０２０．１７３０．６５２０．７２８０．６８９Ｘ５０．４７８０．５９００．９９４０．７５９１．００００．８６１０．７２９０．９２７０．２３６０．８４１０．９７１０．６１６Ｘ６０．３２４０．３２４０．８６３０．７５９０．８６１１．００００．９５６０．９４９０．６０００．９２３０．８９１０．８５１Ｘ７０．１１１０．０９５０．７２６０．７５８０．７２９０．９５６１．００００．８６４０．６５７０．８６２０．７６７０．９３３Ｘ８０．３３４０．４２００．９１１０．８０２０．９２７０．９４９０．８６４１．００００．４０５０．８１９０．９１８０．６９２Ｘ９０．３５７０．１４９０．２５８０．１７３０．２３６０．６０００．６５７０．４０５１．００００．５７６０．３４００．６６３Ｘ１００．４４４０．４０９０．８７００．６５２０．８４１０．９２３０．８６２０．８１９０．５７６１．００００．９１５０．８７７Ｘ１１０．５０２０．５７６０．９７９０．７２８０．９７１０．８９１０．７６７０．９１８０．３４００．９１５１．００００．７００Ｘ１２０．０７５０．０１９０．６３１０．６８９０．６１６０．８５１０．９３３０．６９２０．６６３０．８７７０．７００１．０００㊀㊀根据相关系数矩阵，变量之间存在相关性，故可以使用主成分分析降维㊂如表３所示，前３个主成分特征值均大于１，且累计方差贡献率高达９５％，说明前３个主成分能够含有总体的绝大部分信息㊂由图２碎石图也可以发现，第４个主成分出现了明显的拐点，从第３个主成分到第４个主成分特征值迅速下降，且从第４个主成分后特征值全部较小㊂表３㊀总方差解释表成分初始特征值总计方差百分比累积％提取载荷平方和总计方差百分比累积％１８．２１４６８．４４７６８．４４７８．２１４６８．４４７６８．４４７２２．０５３１７．１１２８５．５５９２．０５３１７．１１２８５．５５９３１．２１２１０．０９８９５．６５７１．２１２１０．０９８９５．６５７４０．２４９２．０７５９７．７３２５０．１６３１．３６０９９．０９２６０．０４７０．３９３９９．４８５７０．０２６０．２１４９９．６９９８０．０２５０．２０６９９．９０６９０．０１００．０８１９９．９８６１００．００１０．０１１９９．９９７１１０．００００．００３１００．０００１２５．８９２Ｅ－０６４．９１０Ｅ－０５１００．０００图２㊀碎石图㊀㊀综上，最终选取前３个主成分，载荷矩阵如表４所示㊂表４结果表明，阅读总数㊁平均阅读数㊁头条文章阅读数㊁在看总数㊁平均在看数㊁头条文章在看数㊁点赞总数㊁头条文章点赞数㊁平均点赞数在主成分１中作用明显，这说明阅读指标㊁在看指标和点赞指标这三类反馈指标对高校图书馆微信公众号影响力的提高作用明显，而阅读㊁在看和点赞都是读者喜爱文章的表现，故主成分１可以命名为读者喜爱绝对指标㊂在主成分２中占比较大的是文章总数和发布次数，这说明微信公众号影响力与其发布更新推文的数量密切相关，主成分２可以命名为发布数量指标㊂另外在主成分３中，在看率占据绝对的影响地位，主成分３可以命名为读者喜爱相对指标㊂６０１２０２１年６月情报探索第６期（总２８４期）表４㊀载荷矩阵表变量主成分１主成分２主成分３文章总数０．１５６５２５０．５７５４３９０．２８４６７９发布次数０．１６５８８４０．６０２５３８０．０３７２６９阅读总数０．３２８４６４０．１４００７３－０．２２０７４平均阅读数０．２７０１４２－０．２３７０９－０．３６８８４头条文章阅读数０．３２６５０６０．１２９４６１－０．２５５５４在看总数０．３３９０６１－０．１０９５２０．０６３５８３平均在看数０．３１２７４７－０．２７７８０．１２９５３２头条文章在看数０．３３０６－０．０２３４４－０．１４５９３在看率０．１８３９８９－０．１１５２１０．７３７１６９点赞总数０．３３１４４４－０．０２３２８０．１２６２８２头条文章点赞数０．３３５６３０．１０７８９－０．１４２０８平均点赞数０．２８６４２７－０．３１３４８０．２１３７０９㊀㊀综合结果表明，由文章质量和吸引度决定的读者喜爱指标是对高校图书馆微信公众号影响力的关键影响因素，其次是文章的数量和更新频率以及在看率㊂２．３㊀计算主成分综合得分并排序根据载荷矩阵中各个主成分的特征向量及各变量的标准化数据，可以计算出每个公众号的３个主成分得分，公式如下：Ｆｉ＝ａｉ１ˑＸ１＋ ＋ａｉｎˑＸｎ．再根据３个主成分的特征值计算权重［１４］，公式如下：ωｉ＝λｉð３ｊ＝１λｊ，λ＝１，２，３．最终将主成分得分利用权重进行加权求和计算得主成分综合得分㊂由于原始数据进行过标准化，如果综合得分为正，表明主成分得分在平均水平以上，且得分越高，意味着该公众号的影响力越高；反之，若综合得分为负，表明主成分得分在平均水平以下，得分越低，说明该公众号的影响力越低㊂根据主成分综合得分进行排序，最终排序结果如表５所示㊂表５㊀综合得分表公众号主成分１得分主成分２得分主成分３得分综合得分排名金华职业技术学院图书馆６．４０６－０．７７６－０．６１１４．３８０１浙江树人大学图书馆５．０２２－０．５８６－０．９１５３．３９２２西北政法大学图书馆４．４９５－０．２６８－０．４４８３．１２１３厦门大学嘉庚学院图书馆２．６４７２．３７２－０．３５２２．２８１４长沙民政职业技术学院图书馆３．２２４－２．７３６３．０７８２．１４３５武汉大学图书馆１．８３１２．１４６－０．７５６１．６１４６四川大学锦江学院图书馆０．１６１０．８９９－０．４２２０．２３１７浙江建设职业技术学院图书馆－１．０５３２．５３７２．７７７－０．００７８三亚学院图书馆－１．２５８１．１２６０．４４７－０．６５２９南京大学图书馆－１．０４３０．１０４－０．０１１－０．７２９１０东南大学图书馆－１．２８４０．７３６－０．１４１－０．８０２１１北京科技大学天津学院图书馆－１．４７７０．４０００．１８９－０．９６６１２中山大学南方学院图书馆－１．５６８０．９３０－０．４７３－１．００５１３重庆大学图书馆－１．４７９－１．８８８－０．０６２－１．４０３１４顺德职业技术学院图书馆－１．８７９－０．７６３０．１６９－１．４６３１５杭州师范大学图书馆－２．２７９０．２５６－０．３４９－１．６２２１６湖南农业大学图书馆－２．２３６－１．３７５０．０２４－１．８４３１７中国地质大学图书馆－２．３２９－１．７９６－１．５４２－２．１５０１８广东科学技术职业学院图书馆－２．８７７－０．６７７－０．７２３－２．２５６１９西安理工大学高科学院图书馆－３．０２１－０．６４００．１２２－２．２６４２０３ 评价体系对比目前常用的微信公众号影响力评价体系是清博大数据的ＷＣＩ算法体系，官网最新的ＷＣＩＶ１４．２计算公式如表６所示［１５］㊂表６㊀ＷＣＩ公式表一级指标二级指标指标权重／％标准化方法整体传播力Ｏ（６０％）日均阅读数Ｒ／ｄ日均在看数Ｚ／ｄ日均点赞数Ｌ／ｄ８５９６Ｏ＝０．８５ｌｎ（Ｒ／ｄ＋１）＋０．０９ｌｎ（Ｚ／ｄˑ１０＋１）＋０．０６ｌｎ（Ｌ／ｄˑ１０＋１）篇均传播力Ａ（２０％）篇均阅读数Ｒ／ｎ篇均在看数Ｚ／ｎ篇均点赞数Ｌ／ｎ８５９６Ａ＝０．８５ｌｎ（Ｒ／ｎ＋１）＋０．０９ｌｎ（Ｚ／ｎˑ１０＋１）＋０．０６ｌｎ（Ｌ／ｎˑ１０＋１）头条传播力Ｈ（１０％）头条阅读数Ｒｔ／ｄ头条在看数Ｚｔ／ｄ头条点赞数Ｌｔ／ｄ８５９６Ｈ＝０．８５ｌｎ（Ｒｔ／ｄ＋１）＋０．０９ｌｎ（Ｚｔ／ｄˑ１０＋１）＋０．０６ｌｎ（Ｌｔ／ｄˑ１０＋１）７０１２０２１年６月简义瀚等：高校图书馆微信公众号影响力多维度评价及效果分析第６期（总２８４期）表６（续）一级指标二级指标指标权重／％标准化方法峰值传播力Ｐ（１０％）最高阅读数Ｒｍａｘ最高在看数Ｚｍａｘ最高点赞数Ｌｍａｘ８５９６Ｐ＝０．８５ｌｎ（Ｒｍａｘ＋１）＋０．０９ｌｎ（Ｚｍａｘˑ１０＋１）＋０．０６ｌｎ（Ｌｍａｘˑ１０＋１）ＷＣＩ＝｛０．６ˑ［０．８５ＬＮ（Ｒ／ｄ＋１）＋０．０９ＬＮ（Ｚ／ｄˑ１０＋１）＋０．０６ＬＮ（Ｌ／ｄˑ１０＋１）］＋０．２ˑ［０．８５ＬＮ（Ｒ／ｎ＋１）＋０．０９ＬＮ（Ｚ／ｎˑ１０＋１）＋０．０６ＬＮ（Ｌ／ｎˑ１０＋１）］＋０．１ˑ［０．８５ＬＮ（Ｒｔ／ｄ＋１）＋０．０９ＬＮ（Ｚｔ／ｄˑ１０＋１）＋０．０６ＬＮ（Ｌｔ／ｄˑ１０＋１）］＋０．１ˑ［０．８５ＬＮ（Ｒｍａｘ＋１）＋０．０９ＬＮ（Ｚｍａｘˑ１０＋１）＋０．０６ＬＮ（Ｌｍａｘˑ１０＋１）］｝２ˑ１．２ˑ１０㊀㊀从表６可以看出，清博指数ＷＣＩ有４个一级指标，每个一级指标下含有３个二级指标，ＷＣＩ将日均的阅读数㊁在看数和点赞数赋予了高达６０％的权重，而将这三者的篇均数㊁头条数和最高数赋予相对较小的权重，同时在阅读数㊁在看数和点赞数中，阅读指标的权重为８５％，远高于在看指标的９％和点赞指标的６％㊂本文使用的主成分分析多维度评价体系使用了三个主成分，其中主成分１主要包含阅读数㊁在看数和点赞数的综合，并未将总数㊁平均数和头条数进行较大的区分，且主成分１的权重同样高达６０％，而主成分２和主成分３主要包含的文章总数㊁发布次数和在看率这些指数ＷＣＩ体系并未使用㊂使用以上２种算法计算完成后，对本文所选取的２０个高校图书馆样本排序结果对比，如表７所示㊂表７㊀２０个高校图书馆微信公众号综合排序表排名主成分分析多维度评价体系清博ＷＣＩ体系１金华职业技术学院图书馆金华职业技术学院图书馆２浙江树人大学图书馆浙江树人大学图书馆３西北政法大学图书馆西北政法大学图书馆４厦门大学嘉庚学院图书馆厦门大学嘉庚学院图书馆５长沙民政职业技术学院图书馆武汉大学图书馆６武汉大学图书馆长沙民政职业技术学院图书馆７四川大学锦江学院图书馆四川大学锦江学院图书馆８浙江建设职业技术学院图书馆南京大学图书馆９三亚学院图书馆中山大学南方学院图书馆１０南京大学图书馆东南大学图书馆１１东南大学图书馆三亚学院图书馆１２北京科技大学天津学院图书馆顺德职业技术学院图书馆１３中山大学南方学院图书馆北京科技大学天津学院图书馆１４重庆大学图书馆重庆大学图书馆１５顺德职业技术学院图书馆杭州师范大学图书馆１６杭州师范大学图书馆湖南农业大学图书馆１７湖南农业大学图书馆中国地质大学图书馆１８中国地质大学图书馆浙江建设职业技术学院图书馆１９广东科学技术职业学院图书馆广东科学技术职业学院图书馆２０西安理工大学高科学院图书馆西安理工大学高科学院图书馆㊀㊀对比二者的结果可以发现，大多数高校图书馆微信公众号的排名都有些许变化，其中浙江建设职业技术学院图书馆的排名差距非常大，分别是第８名和第１８名，在分析原始数据后发现其发布文章的数量和在看率非常高，由于数量多导致平均阅读㊁在看点赞数较小，按照ＷＣＩ的公式计算其ＷＣＩ指数很低，但同时在看率高说明其读者黏性较好，从多维度评价的角度来看将其排在第８名更为合适㊂使用主成分分析进行多维度评价相比常用的ＷＣＩ体系具有如下优势：（１）ＷＣＩ指数的定义是清博大数据团队人员主观确立的，其模型的客观性有待考证，并且其本身也在不断修改优化，而主成分分析法根据指标之间的相关系数矩阵，使用方差贡献率的大小来定权重，几乎不含有人为因素，因此更具有可靠性㊂（２）ＷＣＩ指数只考虑阅读数㊁点赞数和在看数，不能完全反映公众号的影响力，而本文在此基础上增加了文章总数㊁发布次数和在看率等多维度指标，相对更加全面㊂（３）ＷＣＩ指数对阅读指标赋予的权重远高于点赞指标和在看指标，意味着如果阅读很多点赞和在看很少，ＷＣＩ指数会很高，然而这种情况却意味着读者对文章的认可度并不高，影响力应该偏低才对，本文的主成分分析法在数据的基础上，对阅读㊁点赞和８０１２０２１年６月情报探索第６期（总２８４期）在看赋予的权重差距不大，可以一定程度上弥补该缺陷㊂４㊀评价结果分析及建议由表５和表７的结果分析可以发现，综合得分排名前三的分别是金华职业技术学院图书馆㊁浙江树人大学图书馆和西北政法大学图书馆，它们的读者喜爱绝对指标数值遥遥领先其他１７个公众号，但是发布数量指标和读者喜爱相对指标却低于平均水平，这说明它们虽然发布的文章不多但却很受读者喜爱，收获了很多用户的阅读㊁点赞和在看㊂排在中间的高校图书馆在读者喜爱绝对指标上并不明显，但是往往在发布数量指标或者读者喜爱相对指标上有较大的优势，排在末尾的图书馆则是在三个指标上几乎都低于平均水平㊂使用主成分分析法对高校图书馆微信公众号影响力建立的评价体系，能够合理地度量微信公众号真实综合影响力㊂根据上述分析结果，可以得出以下结论并以此对高校图书馆运营微信公众号提供参考㊂４．１㊀提高推文质量，促进心理认同基于阅读㊁点赞㊁在看数量的读者喜爱绝对指标在评价体系中占据了６０％的高额权重，为了提高文章的阅读点赞在看数，高校图书馆应该尽量提高推文的质量，使其更加贴近学生的生活，增加学生对文章的认同感，与时事热点相结合，更加具有创新性，吸引更多用户的注意力，才能增加影响力㊂４．２㊀提高更新频率，加大宣传力度占据２０％权重的发布数量指标也是一个重要因素，高校图书馆应尽量在保证文章质量的同时，增加发布文章的数量，提高更新频率，给予学生更多的优质产出，同时要扩大宣传途径，进行多样化宣传，以此提高推广度㊂当然保质保量兼得最好，若不能满足还是应该以保质为主，不能单纯为了发文章而发布一些低质内容㊂４．３㊀线上线下结合，增强互动交流高校图书馆在经营微信公众号时可以多听取读者的建议，增加与读者用户的交流沟通，其线上相比线下具有的优势也可以为学生们提供更多创新服务项目㊂５㊀结语相比已有的ＷＣＩ体系，使用主成分分析进行多维度评价是一个较为有效且合理的客观评价方法，具有一定的参考价值㊂由于主成分分析基于样本数据，当研究对象改变时，本文建立的多维度评价体系的载荷矩阵和主成分权重不能直接使用，所以在后续推广使用时，应根据实际情况对指标的选取进一步完善和改进，并依据数据重新计算主成分和权重，才能在不同的环境下合理地评估微信公众号的影响力㊂另外，本文仅仅通过抽样选取了２０个高校图书馆公众号，样本数量较少，未来的研究需要扩大样本量才能进一步提高模型的准确性㊂参考文献［１］㊀崔薇．高校图书馆微信公众号定位模式研究［Ｊ］．电脑知识与技术，２０２１，１７（６）：２４９－２５０，２６０．［２］㊀徐春，张静．高校图书馆微信公众号服务发展现状及对策研究：基于４２所 双一流 建设高校的调研［Ｊ］．图书馆学研究，２０１８（２４）：７１－７８．［３］㊀官凤婷．受众思维视角下的高校图书馆微信公众号内容建设［Ｊ］．图书馆建设，２０１９（５）：１３６－１４２．［４］㊀吴锦辉．基于微信公众号推文内容的高校图书馆服务创新分析［Ｊ］．情报探索，２０１８（１２）：１０３－１０８．［５］㊀赵乃瑄，刘佳静，金洁琴．高校图书馆微信公众号用户持续使用意愿研究［Ｊ］．图书馆论坛，２０１９，３９（３）：９７－１０３．［６］㊀刘佳静，金洁琴，赵乃瑄．高校图书馆微信公众号传播力评价研究：以 双一流 大学为例［Ｊ］．图书馆工作与研究，２０１９（２）：４０－４６．［７］㊀谭海兵．湖南省高校图书馆微信公众号服务调查分析［Ｊ］．图书馆学研究，２０１９（３）：２４－３０．［８］㊀杨颖，谢媛媛，李宇啸．高校官方微信公众号的影响力评价及实证研究［Ｊ］．合肥工业大学学报（社会科学版），２０２０，３４（６）：１１９－１２４．［９］㊀张海涛，张会然，魏萍，等．微信公众号影响力评价模型研究［Ｊ］．图书情报工作，２０１９，６３（４）：２３－３１．［１０］㊀张思怡，钟瑛．微信公众号影响力指数建构与量化评估［Ｊ］．重庆邮电大学学报（社会科学版），２０１９，３１（３）：７１－７９．［１１］㊀梁少怡．基于清博指数的 两微 用户心理及行为差异分析［Ｊ］．媒体融合新观察，２０１９（６）：５８－６１．［１２］㊀彭可美．地方普通本科分类研究［Ｊ］．科教文汇（中旬刊），２０１９（１２）：７－８．［１３］㊀秦杨杨．基于主成分分析和Ｋ－ｍｅａｎｓ聚类分析的地区经济发展研究［Ｊ］．中国商论，２０２０（４）：２１４－２１５．［１４］㊀杨青，刘敏榕，陈慧琪，等．基于期刊论文产出的科研机构影响力评价研究：以武夷山生物研究领域为例［Ｊ］．情报探索，２０２０（７）：９６－１０１．［１５］㊀清博智能．微信传播指数ＷＣＩＶ１４．２．［ＥＢ／ＯＬ］．［２０２１－０３－０１］．ｈｔｔｐ：／／ｗｗｗ．ｇｓｄａｔａ．ｃｎ／ｓｉｔｅ／ｕｓａｇｅ－１．９０１２０２１年６月简义瀚等：高校图书馆微信公众号影响力多维度评价及效果分析第６期（总２８４期）。