文摘

平台根据用户的关系获取、分享和传播知识,微信的发展非常迅速,成为传播知识的重要渠道。这个新方法从传统媒体传播知识是完全不同的方式使知识传播令人惊讶的是在微信。基于复杂网络理论和影响因素进行分析,在微信的知识传播,本文总结了微信用户的行为偏好知识传播和建立一个微信知识传播模型。通过仿真实验,本文测试模型建立和发现一些重要的阈值在微信的知识传播。研究结果为进一步研究是有价值的知识传播在微信并提供理论证据预测知识传播的规模和影响力。

1。介绍

1990年代以来,全球信息技术的飞速发展,全球经济具有信息化、网络化,负责管理知识的特性。这些特性把全球经济从材料经济活动以知识为基础的经济活动(1]。因此,知识管理成为管理理论和实践的热点问题专家自2001年(2]。在快速变化的新经济环境中,知识的快速采集和创建和利用知识的能力是毫无疑问的钥匙一个组织获得可持续的竞争优势。传统的组织形式和管理模式出现的劳动部门,层次结构和清晰的功能边界正面临巨大的挑战。组织建立在知识的网络正逐渐成为新的经济和管理领域的实践。在知识经济时代,员工的社交网络不仅改变了传统的生产方式和组织也不断重塑内部和外部环境,组织生活。所有这些管理者和研究人员的构成严峻挑战。员工知识被认为是发展一个组织的基础。知识就是力量,知识的传播是这种权力的延伸。基于理论研究和管理实践,发现员工的员工知识嵌入连接(3- - - - - -6]。员工知识的共享和传播是一个复杂的活动过程7,8]。在当前的“社交网络”的趋势,这些特征不可避免地对传统知识造就伟大的影响员工的知识管理和员工知识的共享带来全新的要求在复杂的社会网络。

从实用角度来看知识传播给经理始终是一个问题。由于不同文化背景的员工知识共享的因素是不同的(很多9,10]。基本知识传播的过程意味着个人教其他个人,团队,用自己的专业知识和知识基地,想法,或经验,这样接收器就可以掌握知识最大程度。通常这个过程发生在特定的组织环境和嵌入在一个巨大的社会网络。作为社会关系的集成系统和技术需求,通过个人的序列和主观动机机制、复杂的社会网络可以影响个人的行为选择。在这样的现实背景下,有效地解决问题的员工知识共享和充分利用社交网络来降低知识共享和成本进一步提高知识利用效率,这是非常必要的澄清员工背后的行为逻辑知识传播在复杂社会网络和掌握战略的法律选择的复杂的社会网络影响员工知识传播行为。这成为当前知识管理中的实际问题有待解决。

知识传播是知识创新和知识利用的前提。如果没有知识传播、知识的效用只会局限于个人(11,12]。因此,知识需要不断流动和转移,然后它可以显示它的最大效用13]。知识管理可以产生价值主要通过收购、创建、分类、存储、传播、和更新知识。在连续过程中,最困难的问题是知识的传播。因此,知识的传播是知识管理的一个非常重要的问题。

直到现在没有协议知识传播的定义。不同领域的学者提出不同意见知识传播行为:从沟通的角度来看,知识的传播是一个沟通的过程(14),这是不可避免的参与双方沟通的认知。因此,知识传播有两个主题,即知识拥有者和知识接收者。通常的所有者和接收器有共同经历成功转移的关键因素。此外,一些学者试图解释知识传播的知识市场的角度来看。他们认为知识本身是影响供给和需求。知识被认为是交易对象就像商品一样。存在供给和需求之间的一种关系,即知识卖方和买方的知识。他们交易来获得他们所需要的东西。这样的交易是成功的,因为双方的交易认为他们可以受益于它。这是知识共享的电源。 Thereby, in practice enterprises should fully understand and make use of knowledge market mechanism and provide incentives to encourage knowledge sharing. In these ways knowledge transaction can be greatly promoted [15,16]。从市场扩展视图的视图作为知识传播的社会交换机制。一些学者认为知识传播行为是一种社会交换。经济交换取决于双方之间的正式合同,制定详细的事务数量和责任。不同的经济交流,社会交换理论认为双方互利、互信的知识转移是影响知识共享的主要因素。尽管知识共享是类似于商品和服务的交易,更认为双方在知识传播的社会交换的心态比的知识传播具有事务特性(17- - - - - -19]。除了交流观点,市场看来,社会交换理论,都有学者认为知识传播为一体的学习模式。知识传播是能够帮助别人开发有效的行为和学习事物的原因。知识传播是知识的“教学”活动的主人。的知识需求者,知识传播是一种“学习”活动(20.- - - - - -22]。

从上面的文献综述中,作者发现知识传播的研究主要是基于三个理论观点。

(1)沟通的角度来看。这个角度看打算探索知识传播的一般规律下macrosocial背景。这些研究大多参与讨论问题,如速度,障碍,知识传播的特征。病毒传播模型是经典的传播动力学模型。它的基本思想是个体按照一定的规则进行分类,然后根据不同个体的转变类型的相互作用所造成的知识传播建立数学模型(23- - - - - -25]。病毒传播模型主要集中在知识传播的速度和程度。经典的传播模型包括SI,先生,和SIS模型。

(2)组织的视角。这个观点集中于问题,如动机和传播知识的意愿。它认为有两种因素可能导致知识传播的发生:从心理因素、社会和技术方面和行为方面的因素。前者包括组织激励,互惠互利,地位的提高,愿意帮助别人,组织气氛、工具、和技术;后者包括对知识共享的态度、主观规范、和行为控制。知识传播行为是受到力的三组:成本和效益之间的平衡,共享的分配结果的需求差异,和结构化知识接收者的关系26- - - - - -28]。

(3)复杂网络视角。复杂网络理论用于解释现实世界的复杂性问题。目前只有很少的学者试图利用复杂网络模型分析了网络结构和功能知识的传播和创新扩散。最具影响力的应用是研究由罗杰斯创新扩散(29日]。考恩等人研究了网络结构的影响,如常规的网络,随机网络,小世界网络知识是个体之间的扩散。他们发现,小世界网络中知识扩散是最快的30.,31日]。马龙和泰勒(2004)提出了一种规则一般面对面的测试知识传播网络(32]。Jianxun考恩(2006)修改了模型和考虑了未知的问题33]。分别从宏观和微观方面的结构动力学和行为动力学的知识传播,他构建了一个知识基于复杂网络传播动力学模型系统地讨论了基于复杂网络的动态演化问题的知识传播。针对知识在知识合作网络的传播特点,结合复杂网络理论,李和太阳(2006)提出了一个知识传播模型在复杂网络。他们认为在一组的增加个人的知识依赖于个人的努力和最近的个人带来的知识溢出效应在附近(34]。运用复杂网络理论和组织模拟,苍白地(2008)发现,知识传播知识的传播速度密切相关的组织,成功概率,知识所有者的态度(35]。

目前研究复杂网络的知识传播是基于网络连接和网络结构的观点。

学者把复杂的网络连接分为强连接和弱连接。此外,他们检查的影响不同的连接知识传播和之间的交互强连接和弱连接。实证研究表明当知识不复杂,弱连接可以加快知识获取。如果知识是复杂的,弱连接可以减少传输。个体往往有很强的连接或他们会与人分享的知识被认为与良好的关系(36,37]。知识传播的一个组织的内部网络,学者认为组织的员工无关的关系并不好,知识传播的速度和规模的组织。然而,几个重复弱连接组织可以促进员工之间的知识传播的速度和扩大规模的知识传播通过“中间”连接38]。

其他一些学者重点研究社交网络的结构。他们认为与社会网络连接相比,社交网络结构可以更好地解释社会网络的知识共享功能。组织的个人愿意把时间和精力放在知识共享影响社会凝聚力。为不同类型的知识,个人和团体之间的知识共享也受网络规模的影响。从网络结构维度如网络密度、中心,和结构洞学者探讨网络结构质量的影响,知识传播的时间、和规模39,40]。

根据上述文献回顾,我们可以发现社会网络视角的讨论社交网络的影响对个人或组织知识传播是独立于社会网络连接方面(如连接强度、网络密度和网络规模和网络结构方面(如桥接和结构洞)。这些研究的知识传播领域做出了巨大的贡献,同时也为未来的研究打下了坚实的基础。然而,因为它是一个新的研究领域,发展非常迅速,不可避免地存在一些缺点如下。(1)目前大多数基于复杂网络的知识传播等研究都是建立在经典流行模型在社区微博谣言传播的模拟研究41]。通过相似的传播谣言的优点与病毒,研究探索从macroaspect在网络谣言的传播机制。然而,对于知识传播,不仅传播活动将随时间衰减很快,因为不同的连接有不同的传播能力和传播模式也知识传播影响的传播内容。在这些问题上的研究仍然是罕见的。(2)在复杂网络的知识传播可以归因于知识的传输行为。但知识主体多元化及其传输行为相关历史行为。目前大多数研究只分析知识传播从网络结构和联系的观点,很少考虑知识主体的异质性。这为本文提供了进一步研究的空间。

腾讯微信是一款免费的应用程序发起的企业在1月21日,2011年,为智能手机提供即时通讯服务。根据百度百科的统计数据,直到2013年4月15日的注册用户数量微信(国外版)已突破1000万。就在一个月之内,用户增加了300万人。直到2013年10月24日,腾讯微信的用户数量已经超过6000万,每天的活跃用户约为1000万(来自百度百科)。

什么微信传播很私人,即时传播。微信的社交圈是主要由亲戚,朋友,同事。由于在发送方和接收方之间的特殊关系,传播在微信很私人。在微信上,球迷们可以看到他们之后的用户发布的相关信息。微信信息发送方和接收方的移动终端上,只有他们两人能看到或听到。其他用户无法获得自己的信息。更重要的是,微信有QQ和微博的功能集成。它的即时发布信息。只要用户,他们可以很快地接收和反馈信息。此外,微信可以支持QQ脱机消息的接收。 It is swift in message sending and receiving. Apart from that, the users of Wechat even can show their present state or make comments by Chinese characters, pictures, or display of geographical location. Other users in the friend circle can instantly release their comments. In these ways, Wechat can satisfy people’s personal expression in the personalized Era. Some of the content propagated on Wechat is just describing personal state and emotional information (such as traveling places, pictures of eating, or personal feelings). The probability of this information being retweeted is small; some of the content is about know what, know how, know who, and know why. The probability of being retweeted is relatively big. What this paper focuses on is knowledge propagation on Wechat.

依靠微信网络平台,本文研究了知识知识传播行为不同的人有不同的偏好。基于速度的分析,规模和范围的知识传播,本文总结了知识传播路径和法律。

摘要收益如下:第二部分分析微信用户的偏好;第三部分建立了知识传播模型;第四部分进行了仿真实验和分析结果。在此基础上,本部分做了一个结论。

2。分析知识传播主体的偏好

偏好是人工智能的一个重要问题。近年来的研究偏好吸引了大量的注意力从国内和国外期刊。目前基于CP-nets偏好描述。通过讨论的因素,影响用户的知识传播行为在微信,本文应用CP-nets偏好表达工具建立偏好模型用户的传输行为。

2.1。影响因素的知识传播

通过文献综述,因素影响知识传播网络通常包括用户活跃度,内容的重要性,用户的利益,和用户之间的共同利益42,43]。

用户活跃度反映了个体用户的行为特征。用户可以选择转发的知识他们感兴趣或不只是阅读和传播知识。杨等人发现统计上,大多数用户的转发频率很低。只有很少的用户热衷于转发消息。除此之外,用户活跃度也与用户的发布和回复的行为。通过计算用户的转发数量在一定的时间内我们可以判断用户是否转发的粉丝,因此有助于预测用户的转发决策。如果用户转发的粉丝,用户将相当程度上转发消息,而不关心这些消息的内容和发送者。如果用户只是一个常见的用户,我们需要使用更多的因素来衡量他或她是否会转发。

消息的内容可以被视为驱动力源于知识的内部信息传播在微信的社区。一般来说,热门话题更通常被认为在社区,而只有少数利益讨论特定的用户。这一现象显示了消息内容的重要性。通过计算用户使用的频率的单词在特定时间内他或她的微信,我们可以评估微信的原创内容的重要性。我们使用的总和TF-IDF原创内容中的每个关键字的价值来表示原始内容的重要性。

从用户的兴趣微信的内容,我们可以看到,用户的兴趣信息的程度可以清楚地表明他们是否会转发或忽略该消息。它可以施加很大的影响用户的决策。作为个人发布的微信消息,人与信息之间的关系比任何传播算子和消息之间更紧密。当用户更感兴趣的是微信的内容信息,用户的共同利益和发布消息的人可以积极因素影响用户的转发决策。

用户的选择也受到知识繁殖专家谁有相同的利益。用户的共同利益主要包括用户之间的共同利益和人发布消息,用户和最近的繁殖专家之间的共同利益,以及用户之间的共同利益和其他繁殖专家。研究显示虽然用户可以从nonneighbor转发知识传播者,用户仍然主要是获取知识和retweet知识从他们最近的繁殖专家。

2.2。偏好表达知识的传播

基于上述分析,本文应用对偶比较法来分析微信用户的偏好。我们设计成对比较尺度并选择800微信用户从50微信群在江西财经大学本科生填写调查问卷。我们收到了178份有效问卷。通过处理数据,我们有以下结果。(1)接受新知识时,84%的学生更重视知识的内容而不是传播路径。(2)很多关注学生知识内容,91%的人更关注与自己的利益内容的相似性。(3)学生很多关注传播路径,81%的人更加注重知识的相似繁殖专家有自己的利益。(4)学生大量的关注内容和自己的利益,78%的人更关注相似的人发布消息和他们自己的利益。(5)很多关注学生知识传播者和他们自己的利益,87%的人更加注意他们最近的知识传播者的相似性和他们自己的利益。

根据上述结果,我们可以建立CP-nets表达知识传播的微信用户的偏好。首选项表达式CPT ()对应于(1);CPT ()对应于(2)和(3);CPT ()对应于(4)和(5)。表示知识,表示知识内容,表示传播路径;表示兴趣,表示感兴趣的内容,在繁殖专家表示利益;表示用户之间的共同利益,表示人的共同利益发布消息,表示最近的繁殖专家的共同利益;基于偏好的关系我们可以得到用户的偏好表达地图。

从偏好表达地图我们可以推断出以下四个偏好序列:

从中我们可以看到最好的输出。也就是说,当用户更喜欢原始的消息内容,我们选择原创内容的重要性,Jaccard用户之间相似性的利益和内容,Jaccard相似用户的利益和个人的利益作为关键因素来评估是否用户发布消息将收到消息后转发决策。在此基础上,评估的决定时,我们只需要使用三个功能项的特征值。

3所示。微信知识传播模型

作为典型的网络应用程序在Web 2.0中,主要是通过大量的知识产生的微信用户的行为可以吸引更多的用户体验。本研究在微信社区知识传播主要集中在用户发布的词汇知识。

3.1。分析用户的传播决策

在微信的社区研究的知识传播机制,本文定义了微信的用户社区和知识传播代理。基于“朋友圈”的关系网络在社区,用户根据个人的属性和互动规则我们构建的知识传播网络。利用用户的历史行为信息和偏好我们可以预测知识传播的趋势和分析仿真结果。假设用户接收知识从用户转发。然后用户如何转发这个知识吗?如何衡量用户的转发行为?我们将分析决策过程。

学者们把个人根据他们的行为在一个社交网络。基本上在微信的用户社区可以分为三种类型:读者打算读,作家想写和编辑们打算传播。此外,知识的传播在网络密切相关内容:一些事件发生突然如新闻主题有很强的时间性,等事件不断讨论一些技术或生活相关的话题。因此,我们将事件所涉及的内容划分为两种类型:突然事件和公共事件。

判断用户是否将转发的知识,首先,我们需要知道类型的用户吗。根据他们的行为,我们可以在微信的用户划分为读者只浏览和评论和转发消息;作家通常释放原始微信知识而不是转发收到的微信知识;编辑器谁喜欢转发消息。如果用户是读者还是一个作家,通常用户吗不转发的知识吗。否则,如果用户是一个编辑,他或她将需要做出判断事件的类型。当它是一个重要的突发事件而不是一个公共事件、用户将转发微信消息。否则,我们需要做出进一步的判断。

基于上述分析的因素影响用户的决策,我们可以考虑所有的因素,如原创内容的重要性(Infor_importance) Jaccard相似用户的兴趣和内容(Jaccard_user_infor) Jaccard相似用户的利益和个人的利益谁发布消息(Jaccard_user_ini)和Jaccard相似用户的利益和最近的繁殖专家的兴趣(Jaccard_user_con)。这些因素相互影响。上面的部分分析了他们基于偏好。通过选择最佳的功能项,我们简化复杂性计算特征值影响用户的决策行为。所示的具体过程的算法1。

算法的基本思想是首先处理等极端条件下突发事件或极度活跃用户,然后测量用户的转发行为共同的条件。它概括整个决策过程的个人用户转发知识。在下面的部分我们将主要讨论知识传播网络的形成过程基于单个用户的转发行为。

目前大多数的研究知识传播是建立在经典的传染病模型。和他们中的大多数是泊松模型或临界值模型。然而,不仅传播知识传播活动也将随时间减弱,但不同类型的传播有不同的传播能力和传播模式。此外,知识传播是影响很大的内容。不同的知识将激活不同的传播网络。在微信的知识传播是由于用户的转发行为。和微信有很多不确定性和知识传播与用户的历史行为。因此,我们不能采用纯自底向上的方法建立的知识传播模型。

基于自然分工复杂目标系统在一定程度上,基于主体建模可以建立相应的代理模型。通过自下而上的方式和个人行为的研究,建立了系统的宏模型基于代理的相互作用和相互影响。基于主体建模主要是通过可替换主体交互描述的复杂性知识传播网络和用户之间的相互作用的不确定性。

本文使用NetLogo建立模型的知识传播在微信。的决策过程分析的基础上微信用户和他们的知识传播行为,本文采用基于主体的建模方法建立关系的用户行为特征与代理的属性和行为特征。通过构造假说和简单的交互规则,它探讨了关键因素可能影响微信知识传播。这种建模方法主要是建立在当地的个体之间的相互作用而非宏观、系统的基础。

3.2。代理模型描述

微信的知识传播主要包括两种类型的代理:代理和用户代理的知识的个人属性和互动规则定义如下。

定义1。定义个人知识产权代理Information-Attributes = (Id、Infor_type重要性、Num_read Num_retweet),在那里Id:独特的识别号码的知识。Infor_type:知识的类型,Infor_type = 0意味着公共事件,Infor_type: 1意味着突然事件。重要性:知识内容的重要性,我们使用TF-IDF值来衡量。Num_read:浏览知识的数量。Num_retweet:转发的数量的知识。

定义2。定义用户代理用户属性的个人财产= (User_id、User_type User_activity, Jaccard_user_infor, Jaccard_user_ini, Jaccard_user_con,状态),如下所示。

User_Id。个人用户的独特的识别号码,整数。

User_Type。用户的类型,User_type = 0表示主要行为是浏览知识的读者接受;User_type = 1表示作者的主要行为是释放原始知识;User_type = 2表示编辑器的主要行为是转发的知识他或她浏览。

User_Activity。用户的活跃程度,User_activity = 0表示用户极度不活跃,User_activity = 1表示用户通常是活跃,User_activity = 2表示用户极度活跃。

Jaccard_User_Infor。Jaccard相似用户的兴趣和知识内容,一个实数区间。

Jaccard_User_Ini。Jaccard距离用户的兴趣和发布知识的人。

Jaccard_User_Con。Jaccard距离用户最近的知识传播者。

状态。描述用户的状态,状态= 0表示用户没有转发任何知识,状态= 1表示用户转发一些知识和用户从一个接收器变成一个宣传者。

用户的偏好策略不是一组规则。有时甚至用户不确定对他的偏好策略。所以我们需要判断用户的偏好策略根据用户的历史行为信息以及他的静态信息,因此制定一个合适的用户偏好决策模型可以满足不同用户的需求。

代理是指任何互动行为的交互的代理在任何形式和在任何深度。代理是一个stimulus-reflection对象。然而,由于在微信用户的行为和偏好很难描述,我们只能基于某些简化假设。根据上面的决策算法,我们定义代理的转发行为的规则如下。

规则1。定义规则的用户的转发行为(1)假设,用户,用户代理吗发送的知识的一个朋友,接收知识用户,最近的宣传者的用户,知识的重要性内容重要性=;(2)如果用户的活动User_activity = 0,那么用户的概率系统的知识是;(3)如果用户的活动是User_activity = 1User_activity = 2,用户的类型User_type = 0,知识的类型Infor_type = 1,用户的概率系统的知识是;(4)如果用户的活动是User_activity = 1User_activity = 2,当User_type = 0Infor_type = 0,如果Jaccard_user_con > 0.01,用户的概率系统的知识是。否则,该值是。其他的价值是 (5)如果用户的活动是User_activity = 1User_activity = 2,当User_type = 1User_type = 2,用户的概率系统的知识是。

规则2。革命的定义规则知识的传播(1)我们使用User_type定义的类型,我们使用User_activity定义用户的活动中,我们使用Infor_type,重要性定义知识的状态。我们使用Jaccard_user_infor, Jaccard_user_ini Jaccard_user_con定义用户的状态客观知识,我们使用规则1来定义用户的概率转发客观知识;(2)当用户进行交互、Num_read = Num_read + 1、状态= 0;(3)当用户进行交互Num_read = Num_read + 1, Num_retweet = Num_retweet + 1、状态= 1。

4所示。仿真实验和结果分析

基于以上设计,我们使用可替换主体NetLogo模拟仿真平台在微信的知识传播。

算法3。用户的关系网络和个人代理的属性的初始化(1)首先,确定起点。每一个知识都有一个相应的发布人,个人知识的属性代理初始化;(2)根据释放之间的关系的人,在不同层次上的分布函数数据的基础上微信社区,建立起点之间的关系和第一级的粉丝。然后建立一级球迷之间的关系及其二级粉丝;(3)重复步骤2,直到所有用户建立关系;(4)初始化用户的个人属性和知识代理;确定每个数据的初始值根据定义。

算法4。知识传播仿真模型(1)生产知识传播网络的拓扑结构算法1;(2)从起始点开始,与所有用户指出,从最初的点。根据互动规则1判断用户转发的概率知识。根据规则1和规则2、更新代理的相关属性;(3)步骤2处理所有单独的粉丝。更新所有的个人属性;(4)为所有用户转发知识,重复步骤2、3,直到满足结束条件。

仿真参数主要包括的内容客观信息的重要性,事件的类型,Jaccard相似类型的用户和他们的利益。我们选择800微信用户50本科微信群江西财经大学。我们使用模拟和10倍的平均值得到结果如图2和3。

图的横轴1是时间和天纵轴的单位在图吗1是阅读的数量或转发。我们选择健康知识的公共事件和MH370事件突发事件。从上面的实验,我们可以看到突发事件和公共事件的传播规则有很大的不同。突发事件已经达到高峰在前几天在公共事件的第一传播缓慢,然后变得更快。然而,在一般的突然事件超过普通事件无论在阅读或转发的数量的数量。这两个事件将不会引起关注后10天。

图的横轴4是价值和纵轴图4是阅读的数量或转发。我们可以发现,当值大于0.3,阅读和转发的数量突然增加,转发率达到50%,阅读速度达到75%。当继续增加价值,阅读和转发的数量也会增加,但增长将逐渐放缓。当值接近1,几乎所有用户将阅读和转发的知识。

水平轴的数字5,6,7兴趣相似而垂直轴的数据吗5,6,7是阅读的数量或转发。有一个普通法在上面的三个数字。也就是说,相似度大于0.01时,知识阅读和转发的数量将急剧增加。

5。结论

如今,社交媒体已经成为知识传播的主要载体。尤其是对年轻人来说,它是一种时尚和retweet知识通过手机阅读。作为一个主要的社会媒体,微信才推出了3年,但它的发展非常迅速。微信网络是一个典型的复杂网络。学习知识传播的微信是一个有趣的和有价值的工作。

本文首先对微信社区的因素进行定性分析影响用户的转发行为和偏好的概念介绍。通过使用CP-nets偏好表达工具建立偏好模型和选择最好的功能项组合通过推理和查询方式。最后本文建立了代理知识传播预测模型。通过分析用户的决策,本文摘要微信的用户社区和知识传播代理。通过应用NetLogo和基于网络用户在社区之间“关注”关系,本文构造了一个知识传播网络根据个人特点和交互规则。本文使用用户的历史信息和他们的偏好预测知识传播的趋势和模拟和分析结果。

我们发现仿真结果与实际法律知识的传播,影响因素,验证本文的分析知识传播的微信用户。这表明用户的偏好是一个重要因素,帮助用户决定是否传播知识。在实验中,我们发现有一些重要的阈值:当知识的重要性的价值大于0.3,知识读或转发的数量将大幅增加。当知识的重要性不断增加,阅读和转发的数量的增长将会放缓。值大于0.6时,增长将达到饱和状态。这一发现具有重要意义在微信的知识传播,为预测提供证据的规模和影响知识传播。

考虑大多数微信用户是大学生,本文只选择了800微信大学生用户作为实验对象,它有一定的限制。在未来的工作中,我们应该选择更具代表性的网络。此外,因为它没有达到要求的数据,本文没有测试用户的偏好序列在实验中,我们将采取下一步工作。

利益冲突

作者宣称没有利益冲突。作者没有金融和个人关系与他人或组织不当影响的工作。

确认

这项工作是由中国国家自然科学基金支持下批准号。(71361013,71361013,71361013,71163014);中国博士后科学基金批准号(2013 m541867);江西省教育部科学技术研究项目批准号(11728)。