基于信息特征的微博健康信息采纳研究  

Research on the Forecast of Health Information Adoption on Sina Micro-blog Basing on Information Characteristics

作　　者：孙竹梅 汪志兵[1,3] Sun Zhumei

机构地区：[1]江苏科技大学经济管理学院,江苏镇江212003 [2]南京大学信息管理学院,江苏南京210023 [3]江苏科技大学图书馆,江苏镇江212003

出　　处：《情报理论与实践》2019年第3期146-152,共7页Information Studies:Theory & Application

基　　金：江苏科技大学科研启动基金资助项目"社交媒体环境下大众健康信息采纳预测研究";江苏科技大学人文社会科学研究项目"高校图书馆社会化服务的若干关键问题研究"(项目编号:2012QT085J)和江苏科技大学人文社会科学研究(应用学科)项目"海研全球科研项目数据库萃智理论应用研究"(项目编号:2017QT018F)的成果

摘　　要：[目的/意义]文章以微博健康信息的信息特征为依据提取预测指标,采用支持向量机方法对微博健康信息的采纳水平进行预测研究。[方法/过程]根据"垂直V影响力榜"选取了10个微博账号进行数据采集,从信息的形式、内容和来源三个方面提取了10个预测特征指标,并制定相关的编码规则生成样本数据集,利用支持向量机进行预测模型的训练,并对预测模型的效果进行检验。[结果/结论]研究结果显示以微博健康信息的信息特征作为预测指标能够有效地实现其采纳水平的预测,且准确率较高。同时,10个预测指标在微博健康信息点赞和转发采纳水平预测中的贡献率各有异同。[Purposes/significance] The article uses the support vector machine method to predict the information adoption level of the health information on Sina Micro-blog basing on the information characteristics.[Method/process] According to the "Vertical V Influence List",10 micro-blog accounts are selected for data collection.Ten predictive indicators are extracted from three aspects of the information which are form,content and source.Related coding rules are formulated to generate the sample data sets.Support Vector Machine is used to train the prediction model and the effect of the model is examined subsequently.[Result/conclusion] The results show that the information adoption level can be predicted effectively by using the information characteristics,and the accuracy is high.At the same time,the contribution rates of 10 predictive indicators in the prediction of two different information adoption levels are different.

关 键 词：微博 健康信息 信息采纳 信息预测 信息特征 支持向量机 

分 类 号：G201[文化科学—传播学]