属性信息探索和挖掘消费者社区网络:华为的花粉俱乐部

文摘

巨大的变化发生在消费者的供应链的作用随着实践的发展。他们成为产品的创造者从消费者的价值观。越来越多的消费者表达他们的消费经验发布在网络社区。消费者社区网络是一个重要的地方反馈产品经验和促进产品创新的未来。制造商可以促进产品的改进和创新探索有效的信息在消费者社区网络,从而提高消费者的经验水平。因此,如何探索信息主题(职位)和他们的关系就变得非常重要。有可能描述消费者社区网络的复杂网络的结构和探索信息产品和消费者?有重要积极意义研究的供应链中的合作创新消费者参与。摘要消费者社区网络是由布尔检索编程和讨论的方法和经验方法基于社区华为P10 / P10 +的数据。在方法论、交互的区别和一致性消费者社区内被孤立节点的密度和探索广义方差的程度的网络。 In empirical studies, community network users were divided into ordinary user group, intermediary user group, and enterprise user group according to empirical data, and corresponding interaction networks were constructed. A contrastive analysis on the interaction of these three groups was carried out by combining the existing properties and innovative properties. Topics in each network were put in the order according to significance. Research conclusions have important significance to enrich the network analysis methods, explore the effective information in consumer community network, facilitate product improvement and innovations, and improve the experience level of consumers.

1。介绍

社会、生物、物理和技术网络通常包含一些互动的个体,使复杂网络图论的扩展,一个小幅的工具来分析这些网络的内部结构和动态退化1- - - - - -3]。例如,布尔网络的结合与网络结构布尔运算解决困难的问题在生物学领域(4- - - - - -6]。然而,研究系统的交互的个体社会化网络服务(SNS) (7)已成为一个重要的组件快速高效传播的信息和发现学习网络中关键节点的8]。学术界往往抽象相应的“节点”和“边缘”从网络数据(9,10),然后构建网络模型分析其拓扑特性,包括平均程度(11),密度图(12),直径图(13),特征向量中心(14),平均聚类系数(15)等。这种网络模型不仅有利于探索深层信息,如关键信息传播(16,17和群落结构18,19),但也有助于企业在消费者服务管理(20.,21]。

然而,随着网络的飞速发展,“网络+”技术,结合信息技术激发消费者市场上的重大影响22,23]。越来越多的消费者开始活跃在表达他们的经历有些购买产品或提供购买建议(24,25在消费社会形成的不同的媒体,包括手机,电脑,或垫(26]。制造商探讨这些意见或建议深深为目的的产品更新或改进27]。因此,消费者在供应链的作用大幅改变。他们从产品价值的消费者转移到创造者(28]。在结构上,这些消费群体更像是社交网络的派生结构(29日]。因此,网络社区已经成为了企业与消费者之间沟通的重要方式和信息挖掘(30.]。因此,企业应当了解消费者在消费社会的直接意见,这是非常重要的开发潜在的产品。

消费电子产品中,手机已经成为了移动电脑在人们的日常生活和各种有关生活方面的用户(31日]。此外,手机的生命周期将缩短为不到2年,这是由于高替代率和频繁使用32]。随着信息化的进展,相应的品牌社区和消费者社区开发。消费者体验和其他信息在这些消费者社区促进手机的持续改进的一些观点33]。目前,华为是中国智能手机市场的领导者,其次是小米和相对应的人。这些品牌的市场份额在2017年第四季度达到10.2%,7.2%,和6.9%,分别为(34]。他们都建立了自己的官方消费者社区展示他们的产品设计理念和接受来自消费者的建议。例如,到2018年5月,发表文章的数量在华为花粉俱乐部P10 / P10 + 1556433 (35华为P20)上发表文章的数量达到261691人(36,华为Mate10上发表文章的数量达到1293712人(37]。这些职位覆盖巨大的产品信息和经验的消费者(38]。

考虑消费者的极端重要性,制造商,消费者的网络社区的结构是什么?什么手机主题社区中不同的用户关心的吗?之间连接有不同的主题和多强这样的连接?特点有什么主题的变化随着时间的推移?

在此基础上,本文将从华为P10探索数据/ P10 +社区解决以上问题主要从方法论和实证研究。在方法论、交互的区别和一致性不同消费者之间的社会网络以及网络动力学的关键时间点被孤立节点的密度,探讨广义网络和节点度的方差序列确定系数出现。在实证研究中,社区网络用户分为普通用户组(OUG),中介用户组(IUG)和企业用户组(EUG)根据经验数据,和相应的交互网络构造。对比分析了这三个群体的互动进行了结合现有的属性和创新的属性。主题在每个网络是按照重要性的顺序。其次,手机主题的出现规律分析了生命周期结合产品生命周期理论与节点顺序确定系数出现。

本文的其余部分组织如下。部分2现有的研究方法是文献综述。部分3提取主题和分类用户发布的数据显示,华为P10 / P10 +用户。部分4结构的复杂网络模型三种类型的用户,分别。一些新的特性,如孤立节点的密度,广义方差的程度的网络和节点顺序出现确定系数,提出了。统计分析进行结合这些新特性与传统的统计特性。部分5进一步分析在网络和探索“领导人”信息,如亲密和意义的话题。部分6阐述了企业管理启示获得的实证分析。最后,相应的素描的方法显示在图中1。

2。文献综述

更有文献报道关于消费者互动从4方面探索其背后的法律,这说明如下。

2.1。消费者互动

全球已有许多研究消费者互动。格奥尔基和貂皮(2013)探讨了互动的积极影响电子(在线)消费者对性能的创新企业(39]。Smaliukiene et al。(2015)分析了消费者的在线论坛讨论的网络建设由供应商提供他们研究了在线旅游服务时,发现消费者互动有利于分析程序在全球在线旅游服务部门有效(40]。Bruhn M et al。(2014)进行的在线调查三个虚拟B2B品牌社区和验证消费者互动的积极影响品牌忠诚度的实证研究[41]。文澜et al。(2016)分析了影响消费者的互动对职业满意度模糊定性方法,发现质量、力量、价值,和消费者互动的影响是重要的职业经验(条件42]。基于821个样本,魏et al。(2017)讨论了影响消费者的基本机制相互作用对参与者的经验。他们报告说,专业知识交流和社会情感支持在消费者互动活动的实施是至关重要的服务提供商(43]。陈et al。(2011)讨论了影响客户交互质量服务公司和客户之间的关系,构建概念模型,发现这种关系质量可以通过提高消费者提高交互的方法(44]。然而,很容易知道以上研究主要是宏观分析消费者的行为基于调查问卷但忽视不同消费者之间的社区网络的区别。一些学者已经讨论了交互内容的差异带来的社会产品生命周期的变化。

2.2。研究方法的消费者在线社区

从方法论的角度,研究主要有四种方法的客户互动行为包含统计方法,结构方程建模,实验和案例研究和复杂的网络分析,陈述如下。

在静力学方法,哦。,et al. (2015), classified the test subjects of 315 university students as three groups and conducted two-way ANOVA to test the hypotheses of the research model [45]。Zollet和(2015)收集的数据来自138年公司在瑞士和德国和分析与多元回归分析(46]。汗et al。(2016)分析了1922品牌文章从五个不同的三个不同国家品牌的一个产品类别和使用普通最小二乘法和分层适度回归测试假说(47]。Nourikhah和阿克巴里(2016)使用贝叶斯数据分析的广义线性模型(GLM)估计用户的整体满意度意见(后验分布的形式48]。Wan et al .(2016)介绍了最小二乘支持向量机(二)创新进入消费电子产品供应链研究[23]。这些研究把消费者作为一个整体,然后从供应链的角度或企业,分析消费者的互动影响供应链或他们的特性。然而,消费者网络并不是一个简单的整体,而是一个复杂的结构,满足一般复杂网络的结构,同时也有自己的特点。

许多学者介绍结构方程建模方法研究消费者行为在网络社区。Shobeiri et al。(2014)使用结构方程建模基于方程式6.1评估测量和结构模型(49]。Liou et al。(2015)采用结构方程模式探讨因素影响用户的使用意图关于宽带电视(50]。伊斯兰教和拉赫曼(2017)使用结构方程模型分析数据通过430 Facebook用户的问卷调查51]。结构方程模型可以解释功能在客户互动网络;然而它也忽视了客户社区的结构会遗漏一些重要的话题和客户的详细信息。

实验和个案研究法,Kilgour et al。(2015)采用深度访谈一开始,紧随其后的是调查问卷,然后计算机辅助内容分析上执行723年网络媒体文章有关社交媒体营销识别语义和概念关系(52]。麦肯尼和纳(2016)探讨了这个问题在网上浏览实验273例4网站提供一样的产品但是水平变量的交互性和个性化特征(53]。楚et al。(2017)进行了两个实验来确定一个有效的沟通策略促进社交媒体营销使用的通信频率等方面,方向,形式和内容(54]。首先,在这些论文,实验和案例研究进行了在一个限制条件,这意味着参与者很容易被一些其他原因中断。其次,参与者和案例研究不能代表整个交互式网络在某种程度上。

在复杂网络分析方法中,蒋介石和王(2015)扩展研究产品评论网络的互动功能,考虑到集中程度,产品评论网络的密度、微观结构(55]。李和顾(2015)提出了一个OSN链接模型从用户行为的角度,形成了度分布、聚类和程度的相关性OSN [56]。安徒生和Mørch(2016)分类用户通过社交网络类型统计分析和构造“user-topic”混合网络与用户交互的分析用户的帖子(57]。费利克斯和Peiper(2017)扩展方法称为随机块建模获得社区的大麻消费者作为复杂社会网络的一部分,在Twitter上(58]。刘et al。(2017)提出了一个复杂的网络模型与评价节点通过计算评论主题与潜在狄利克雷分配模型和主题之间的相似性评价与皮尔森相似(59]。这些研究从复杂网络视角考虑,忽略了统计特征之间的不同时期的同一类型的网络。

在我们的论文中,数据从club.huawei.com潦草,这使我们能够避免面试的影响(60)和其他一些可能的负面影响伴随调查研究[61年,62年]。以后我们将清洁和构建复杂模型的数据。

3所示。数据抓取和预处理

3.1。数据源

主题类型,华为社区,小米社区,和同僚社区强调在不同的主题。例如,朋友社区关注相机手机的性能。华为P10 / P10 +社区相对更多的话题,涉及硬件、软件、系统、外观设计,甚至价格。更重要的是,社区具有较强的数据完整性和可访问性。尽管小米社区有很多话题,它只显示最新的数据,而不是全面的华为P10 / P10 +社区2017年2月以来。因此,在华为P10 / P10 +社区post数据收集本文通过复杂的网络信息挖掘。

摘要post数据在华为花粉俱乐部(HPC),消费者社区由华为P10 / P10 + 2月 ,2017年11月 ,2017年,收集(35]。俱乐部的成员参与沟通相关产品的注册。在这个俱乐部,消费者可以通过回复提出问题并与他人互动,从而增加了解华为的产品。另一方面,华为可以使反应时间,帮助他们解决棘手的问题,探索问题,根据消费者的消费者高度关注社区的信息反馈,从而使改进的产品升级和增加企业的利润。

3.2。初始数据筛选

共有125163个数据是最初收集的,包括文章的标题和内容(不含回复),用户名,用户级和发布时间。因为用户浏览或回复更新动态和不断生成的数据采集期间,不可避免的产生一些重复数据。本文的最新状态相同的邮件应用。选择操作后,78320年的数据被保留。之后,824年禁止发布的无效数据,禁止登录和保护数据,因为广告和无关的信息进一步消除。最后,77496个有效数据。

3.3。数据分析和处理

在本节中,数据分析提取的热点话题和用户分类,准备建设的加权网络模型的部分4。

3.3.1。提取的话题

首先,核心主题提取的用户考虑。大多数的用户在网站上提供的数据形式的文章。有必要从文章中提取主题为了学习用户的需求。

通过计算的频率主题结合手机的特点通过编程与布尔运算来判断是否主题发生后,100年选择主题(见附录A)。更高频率的排序后,他们被分成三个部分包括系统,软件,硬件,根据他们的功能,显示在表1。


类型	主题

系统	系统升级,锁屏,解锁,黑色屏幕,字体、分辨率、更新、轻盈,颜色,屏幕截图,地点,电话,网络,模式,模糊,数据,无线网络,关机,β,主题,戒指,语音助理,热量,墙纸,桌面,NFC,根,4 g网络速度、GPS、位置
软件	微信、指纹、换位卡、消费信息,游戏,Flash,程序代码、备份、音乐、支付、视频、国王的荣耀,京东,Vmall,微博,QQ
硬件	生活,拍照,功耗,充电时,内存,拾音器,相机,光线,Anti-fingerprint疏油的涂料、电池,家里的钥匙

3.3.2。用户分类

为了指定交互和不同的主题集中在社区中,用户的HPC可分为三组根据功能和角色(63年- - - - - -68年),即OUG、IUG EUG。OUG指的是用户购买华为产品和在HPC注册。IUG指用户收到正式培训的华为和其他用户愿意回答的问题。EUG指官方的企业员工,包括技术人员、销售人员、公关人员。标签和每个小组都列在表的意义2。


组名称	级别名称	水平的意义

OUG	新来的	OUG一级
	初学者	OUG级别2
	初步的学习	OUG三级
	小的成功	OUG四级
	进一步的进展	OUG 5级
	主	OUG 6级
	专用的	OUG 7级
	的独立的	OUG 8级
	巨大的成功	OUG水平9
	顶峰	OUG 10级
	魔术大师	OUG水平11
	了无比的	OUG 12级
	有限的成员	有限使用长注销或其他原因造成的

IUG	热的球迷	激活区域大气和渴望回答问题的其他用户
	专家的粉丝	愿意体验最新产品和罗,积极反馈问题在使用过程中具有良好的语言组织,有足够的时间来参与产品评估,并享受拍照和阅读体验
	女粉丝	特殊的女性成员致力于女性的话题
	内部管理器	花粉的基础上所有成员,一个独立的特殊用户组的管理权限
	内部专家	申请内部测试,一个独立的特殊用户组,与内部测试核心小组的成员
	花粉的城市	区域的核心环节花粉球迷和参与华为的深度营销决策
	花粉的大学	华为大学俱乐部管理,帮助华为在宣传和人员招聘
	特种部队的HPC	一群由华为技术掌握训练研究手机,分享信息和为别人解决问题
	主持人的HPC	论坛管理各种文章,促进论坛的健康发展
	主持人的华为Sub-club花粉	在一群论坛管理
	主持人的游戏中心	管理游戏论坛
	激素替代治疗团队	提供第三方的经验Rom版本基于官方Rom或其他供应商
	HPC Super-circle主任	维持循环顺序,激活圈讨论和讨论的氛围,为花粉成员建立良好的沟通环境
	主题的粉丝	为了得到所有的花粉有更好的经验,修改主题,使自定义主题等等

EUG	花粉组	关注华为手机的评价和指导,解决常见问题,提高交互的花粉
	花粉组	关注华为手机的评价和指导,解决常见问题,提高交互的花粉
	HPC团队	俱乐部的官方的管理团队
	官方团队	华为官方团队
	EMIUI产品经理	官方产品经理EMIUI系统
	EMIUI官方团队	的官方团队开发EMIUI系统
	产品经理	华为产品经理

统计计算每一层的所有用户发布的频率显示在表2(见附录B),获得文章的三个用户组的比例在图吗2。

从图可以看出2,99%的帖子被普通用户发表,表明OUG是主要的力量。然而,它仍然无法取代的关键作用在社区其余两组。因此,不同的模型被构建到OUG, IUG, EUG,分别。

4所示。加权网络分析

在本部分中,介绍了复杂网络分析方法。节点表示61年主题表1,如果一个用户提到两个主题和 ,在文章标题和文本的同时,这表明这两个主题之间存在着密切的关系,对应节点之间的边和。这一步是通过布尔检索在编程。边的权重表示用户的数量。形成无向加权网络。因为网络中不同的用户组有不同的位置,他们扮演着不同的角色。因此,本文建立了网络根据用户的组。

4.1。网络建模

通过使用Gephi软件,得到三组用户的交互网络,分别在数字3,4,5。图中,节点相同的颜色代表同样的社区(69年,70年]。节点的大小代表了特征向量中心,也就是说,控制其他话题。边缘的颜色代表的人数同时关注两个主题。颜色越深(紫色),更多的人关注这两个话题,这表明这两个话题有强烈的相关性。

OUG如图的交互网络3主题分为五个社区:“拍照”,“系统更新和电池,”“指纹解锁,”“应用”和“互联网速度”,反映了系统问题,软件问题和硬件问题用户有关。然而,“系统”和“更新”之间的联系有最深的颜色在所有主题的边缘,表明高频同时提及这两个主题的用户。这意味着手机系统更新可能带来的问题。此外,“微信”是密切相关的“应用程序”社区和其他社区的主题,表明“微信”是OUG的核心应用程序。

很容易注意到网络中的边缘相对统一的颜色,这意味着用户广泛关注的问题。此外,OUG经常提出他们的问题在社区发帖,使部分或完整有效的其他用户回答问题。他们有很强的不确定性。

IUG如图的交互网络4。网络分为两个社区:“系统”和“硬件。“虽然问题还涉及系统、软件和硬件的手机,系统和应用程序分为一个社区,表明IUG可以有效地分类主题。与OUG相比,IUG知道OUG没有注意到的问题。例如,“模式”只是一个OUG交互网络的外围话题,但这是一个核心主题的互动网络IUG和高度相关的其他主题。

与交互OUG网络相比,边缘颜色IUG交互网络的不均匀。许多边缘有很深的颜色,尤其是在“系统”社区。IUG associates关键主题,用户正在讨论有效地根据用户的问题,并提供相应的答案。他们履行的责任回答问题华为授权的社区。

在图5的交互网络EUG也分为3社区:“系统更新”“拍照”,和“软件应用程序。”“拍照”社区,任何两个主题之间的边缘相对更深的颜色,表明华为官员要关注传播的相机手机的性能。这是因为华为官员经常鼓励OUG展示自己的照片。此外,主题“系统”与其他主题有着密不可分的关系。

显然,IUG回答问题的用户和总结主题。基于IUG,华为相关官员回答问题“升级”和“系统更新。“他们还回答了“微信”用户关心的问题。换句话说,EUG不仅可以指导讨论主题社区中通过观察OUG和IUG还OUG准确回答的问题。

通过比较这三个网络,是公认的三个特点:

热点的核心主题的数量逐渐增加。在网络节点的大小代表意义。交互网络的节点规模OUG制服比IUG交互网络,表明OUG更多的问题在数量和复杂性。然而,IUG和EUG可以解释主题特别的经历,从而增加的数量相对核心主题。也存在目标差异的有关问题。

不同社区之间存在显著的差异。的区别体现在不同的用户群体的数量和社区的成员。IUG的定义一样,它主要OUG分类问题,给出具体的答案。因此,它只涉及两个社区。EUG将配合有关点的OUG并作出相应的指导。因此,这两个组织同样数量的社区。然而,这些社区的成员,两组有一定的差异,是由于不同的认知程度上相关程度的问题。

主题的相关性是显著不同的。OUG关注手机的各个方面,因为他们有可怜的知识手机问题的根源。因此,边缘有相对统一的颜色。相比之下,IUG了解手机的相关问题。它突出了连接不同类型的问题在合理的标准化问题。EUG主要是回答大部分问题的OUG和传播系统和独特的相机手机的性能。因此,只有在这些边缘两个社区相对较深。

4.2。统计分析的网络

前三个网络的描述性分析,它们之间的差异将量化利用复杂网络特性:让G (V, E, W)是一个非空的加权图和。是G的邻接矩阵,在吗1如果节点我和节点j连接和0。同样的, ,是G的加权邻接矩阵,表示节点之间的边我的重量和节点j。代表重量之和g .通过比较边缘的构造网络之间的统计特性和相对零模型,其中包括学位,平均密度图,平均聚类系数、直径图,模块化、和主动性,包含孤立节点密度、广义方差的程度的网络,我们可以指定的信息价值网络中零模型表示与和。是他的重量之和零模型的边缘。

本文使用以下统计特性(69年]:平均度:平均程度,表示 ,描述了网络中所有节点的意思。在本文中它代表主题的平均值的相对的话题。图:密度密度图, ,的比例是现有数量的边缘到边缘的最大数量。我们用它来检测网络的密度主题。直径图:图的直径,用 ,被定义为最大的距离图。较小的是,更稳定的网络。这个属性可以描述亲密的话题。平均聚类系数:如果有每两个节点之间的边我,j,和k,然后形成一个三角形。因此,平均聚类系数C的比例被定义为这样的三角形图g .它能描述网络的局部稳定性。模块化是一个衡量一个网络的水平或程度的社区可能被分离和重组,这是一个常用的准则来确定网络的质量分区。它可以分类主题根据他们的协会。虽然他们可以描述不同网络的一般特征,它仍然是必要测量网络的以下特点。

孤立的主题和判断的定量描述规则加权网络的“领导人”网络的节点具有特殊重要的地位被称为“领袖”。OUG网络没有孤立的主题;然而,不同的情况发生在IUG和EUG,这意味着主题有不同的三组之间的状态。更重要的是,有一些研究“领袖”的判断规则加权网络中网络在未加权的网络,但没有一个像主题网络。挖掘“领导人”可以指导EUG关注重要的话题。如果公司能及时解决,其他问题也会被修改。

由于这些研究的需求,本文提出了以下属性挖掘网络的属性。

4.2.1。准备孤立节点的密度

也就是说,单独的节点我满足

因此,孤立节点的密度被定义为孤立节点的数量的比例n。也就是说,

测量网络的连通性,这意味着连接网络越多,越小这将是。传统的基于图的连通性好,网络分析缺乏这个性质。它可以探索用户组之间的交互水平的差异;由于一些话题成为孤立的。

4.2.2。广义方差的程度的网络

考虑到节点的无向网络,每个节点的通用程度是重量的总和他们的邻居之间的联系。所以的方差图广义学位程度的网络的广义方差。它可以判断G相比,“领导人”零模型。我们可以用它来检测网络是否有“领导人”与否,以及重量分布的均匀性。一想到它的定义来自于方差无向图未加权的程度(71年):如果节点的程度我表示 ,平均程度的期望 ,所以差异程度

然而,如果G是一个无向加权图,方差程度忽略边缘的重量的影响的一致性G .因此,本文定义了广义方差的程度:如果节点的邻居表示 ,

在哪里节点之间的联系的重量吗我和它的广义的邻居节点,同样的期望平均程度 ,和学位网络的广义方差可以计算如下:

这个属性的一般形式是程度的方差,如果G是无向图未加权的广义方差的退化程度程度的方差,通过计算(3)和(5)。

此外其相对空度模型的广义方差是和标准差是。因为广义方差的程度与Z分布匹配,在附录中CZ分布近似正态分布。在本文中,“领袖”网络定义如下:如果广义方差的G度大于” “零模型的优势 ;也就是说, ,或“自治”网络。从这个定义,“领袖”网络重要节点名为“领导人”控制其他节点和广义方差的影响程度,然而“自治”网络相对的重要性。

可能会改变每次随机构造的不同结果。如果广义方差的程度随机的结果是 ,有N个随机图;然后下面的形式

从这个方程,它表明,大量的随机网络的广义方差可以计算得到的期望。当N相对大,广义的均值方差的随机网络N的随机图可以近似。

4.3。比较分析

5节传统属性显示的数值结果4所示。2 和主动的是显示在表23:


组名称	平均度	密度图	直径图	平均聚类系数	模块化	孤立节点的密度	广义方差的程度的网络

OUG	57.705	0.962	2	0.971	0.150	0.00%	7620144.613
IUG	33.902	0.565	3	0.840	0.083	1.64%	265766.736
EUG	32.492	0.542	3	0.827	0.140	4.92%	15014.359

从OUG IUG EUG,平均程度而言,主题之间的关系逐渐减少。他们的密度变化大密度稀疏。特别是从孤立的主题和人物的比例3- - - - - -5在OUG没有孤立的主题,但一个孤立的主题“GPS”IUG和三个EUG包括“国王的荣耀,”“Anti-fingerprint防油涂层,”和“闪回。“这表明,普通用户通过交互的IUG解决三个问题,所以三个主题成为EUG孤立网络。然而,IUG并不能解决“GPS,”所以EUG相关解释。直径图而言,OUG更紧凑与其他两个网络相比,建议用户在OUG同样关注主题的关系没有一个清晰的头脑。三个网络的平均聚类系数说明了微观结构,因为IUG和EUG内容知识,减少不必要的接触的话题。模块化显示了三个网络的社区的划分的合理性。程度的网络的广义方差表明所有三组有挑衅意见之间的关系的话题,一些主题持有更多的关注与他人相比。这些主题与重要的地位在部分开采5。

5。“领导人”的信息挖掘

傅et al。(2016)表明节点,这非常重要,拥有强大的网络中与他人的关系,被称为“领袖”(72年]。本文还法官是否有“领导人”三个网络通过计算结果分别与相应的零模型属性。此外,“领导人”和亲密的话题进行了分析通过特征向量中心的方法。

5.1。“领导人”的存在

首先,判断网络是否有“领导人”:1000年建立的随机网络Matlab编程分别根据每个零模型结构。6 1000个随机网络的属性如下。

因为它显示在表4,因为在这篇文章中构建的网络的特点: ,结果在均值平均程度的随机网络对应三组都是60。通过比较结果表之间3和4,发现它们的属性有显著差异。


组名称	平均度	密度图	直径图	平均聚类系数	孤立节点的密度	广义方差的程度的网络

OUG	60	1	1	1	0.00%	2977.656
IUG	60	1	1	1	0.00%	566.147
EUG	60	1	1	1	0.00%	136.826

如果OUG度网络的广义方差,IUG网络,和EUG网络表示,分别和相应的边际价值零模型用 ,从计算得出以下结果: 。这表明三度网络的广义方差大于” “他们的零模型的边界。所以OUG网络,IUG网络,EUG网络与重大”领导人“领袖”网络。”“领导人”在这些网络将下面的探索。

5.2。发现在某些网络“领导人”

认证网络后“领导人”,本节将他们挖出来并分析特征向量知识的亲密的话题。

Iranzo(2016)分析了村庄的经济能力(73年),所以主题的重要性也计算了该方法在这一节中。特征向量的概念中心是每个节点在网络中的重要性与邻国的数量和质量(重要性)节点。

最大特征值的特征向量的结果三个网络由Matlab计算和归一化,表示 ,附件所示D。傅et al。(2016)提出,10%的所有节点都“领导人”的重要性72年),有61个在这个研究主题,所以三个网络表的“领导人”5。


组名称	主题

OUG	系统,传感器,微信、升级、功耗、语音助理
IUG	系统、数据、内存、壁纸、位置,解锁
EUG	内存,系统、拍照、分辨率、数据更新

从附录D和表5,很明显,有一定的差异的重要性排名三个网络主题和“领导人”,这意味着用户在网站的交互水平不同而引起的差异的核心主题。肯德尔系数测试在非参数统计计算表6是否三组排名的主题的重要性是不同的。


比较组	OUG vs IUG	IUG vs EUG	OUG vs EUG	整体

肯德尔系数	0.694	0.723	0.797	0.651
P值	0.025	0.013	0.002	0.001

从肯德尔系数的结果,整体一致性相对较低。此外,在比较两个其中,排名“OUG vs IUG”的一致性与其他两组相比最低。和最高的一致性对“OUG vs EUG。“从P值在表的结果6,肯德尔系数5%显著水平下是可靠的。

作为分析的前一部分,EUG需要结合IUG的反馈,例如,系统版本测试和解决问题,有品位的OUG问题内容,所以它有一个相对较高的一致性与OUG排名。然而,主题的分类IUG使它与众不同。

在计算特征向量中心进展,我们也可以获得最大的特征值相应的网络,这意味着网络的相互作用强度。如果OUG网络的最大特征值,IUG网络,和EUG,分别用 ,他们的值计算: 。从三个网络的最大特征值,结果表明,最大特征值逐渐下降从OUG IUG EUG然后。因为OUG 99%有效数据,网络的最大特征值自然大。然而,IUG网络的交互效果优于EUG网络。这也证明了中介用户EUG为骨干的压力减少。

5.3。基于多路网络排名主题

主题在所有组中的重要性进行了分析。然而,三个网络重叠的主题。让所有用户关心的话题,也就是说,发现整个“领导人”三个网络重叠有效地在这一节和从多元的角度分析。

首先,多路网络设计如下。OUG的底层交互网络,中间层是IUG交互网络,和最上面一层是交互EUG网络。相同主题的两个相邻层连接,得到图6。

在图6,粉红色的节点代表孤立的主题在相应的层和灰色节点互动话题。大的节点(主题名称)反映更高的学位。显然,IUG未能解决“全球定位系统”,从而产生孤立的主题。然而,这些主题缺席EUG交互网络的孤立的主题,表明EUG OUG和IUG能力之外的解决问题。同样,三个孤立的主题互动网络交互网络IUG EUG缺席的,这反映了这三个主题解决IUG和EUG不需要解释。总之,IUG, OUG之间的桥梁和EUG作为“问题过滤器”。他们提高用户通过交互来解决问题的能力和缓解压力的企业客户服务。这也反映出刺激IUG之间的交互和OUG能让消费者快速更新的产品体验。

Boccaletti et al。(2014)介绍了基于多路网络节点重要性排名的方法。如果归一化特征向量中心OUG网络,IUG网络,EUG网络 ,然后节点重要性定义如下(74年]:

通过结合导致阑尾D和(7),主题的重要性和它的排名基于多路网络如附件所示E。“领导人”多路网络“系统”,“记忆”“相机”,“数据”,“更新”和“像素。”然而,“Anti-fingerprint疏油的涂料”、“国王的荣耀,”和“指纹”与其他不相关的话题,来显示他们的没有那么重要。这些主题的重要性有一定的差别。

6。结论

消费者社区网络是本文探索的方法和基于数据的实证研究华为P10 / P10 +社区。在方法论、交互的区别和一致性探讨消费者社区内孤立节点的密度和广义方差的程度的网络。在实证研究中,社区网络用户分为OUG IUG, EUG根据经验数据和相应的交互网络构造。对比分析了这三种相互作用网络进行通过结合现有的和创新的属性。主题在每个网络将按照重要性的顺序。

基于以上研究,我们得出这样的结论:消费者社区网络是反映产品经验的重要地位和促进产品创新在未来。制造商可以促进产品的改进和创新探索有效的信息在消费者社区网络,从而提高消费者的经验水平。在此基础上,三种策略来提高信息挖掘消费者提出了社区网络:

用户关心的问题被深度探索和完全理解文章的内容和主题以及手机的特点。问题可以分类合理(社区部门网络)和核心问题可以被多路复用网络,从而使解决和指导用户的问题。

IUG应当鼓励和指导改进总体性能在社区网络的交互。通过分析消费者群体的成员结构,OUG IUG作为桥梁的作用,EUG值得关注。企业鼓励IUG OUG相互作用和帮助他们解决问题。这不仅可以缓解压力的早期企业咨询和后期售后服务也引导用户提高自我管理。

此外,企业集团用户应使用IUG关键作用的新产品的开发和测试,收集有效的反馈迅速,缩短新产品的推出时间。

附录

答:初始Tocpics的频率

见表7。


序列号	主题	频率	序列号	主题	频率	序列号	主题	频率	序列号	主题	频率

1	系统	6569年	26	游戏	2810年	51	取钱	22	76年	主板	183年
2	生活	1408年	27	光	692年	52	支付	1218年	77年	触摸	97年
3	拍照	3162年	28	回想	695年	53	王的荣耀	1471年	78年	翻译	42
4	冬眠	204年	29日	记录	216年	54	β	425年	79年	剪贴板	3
5	电力消耗	2905年	30.	噪音	123年	55	京东	601年	80年	节电模式	318年
6	数据	1780年	31日	字体	499年	56	Vmall	468年	81年	墙纸	469年
7	无线网络	1992年	32	扬声器	130年	57	主题	850年	82年	3 d纸	15
8	升级	4133年	33	程序	1012年	58	Anti-fingerprint疏油的涂料	622年	83年	固件包	54
9	充电	2459年	34	代码	1007年	59	环	472年	84年	桌面	1066年
10	关机	934年	35	云服务	191年	60	电池	2094年	85年	广播	75年
11	解锁	1795年	36	锁定屏幕	1968年	61年	导航键	236年	86年	NFC	622年
12	微信	5569年	37	内存	1946年	62年	系统B172	228年	87年	开发人员选项	129年
13	视频	2574年	38	模式	2684年	63年	系统B213	231年	88年	自动旋转	56
14	清晰	83年	39	备份	421年	64年	系统B167	269年	89年	模糊的	975年
15	电话	2806年	40	决议	398年	65年	回家的关键	495年	90年	根	432年
16	净	1946年	41	触发	2	66年	Android8.0	95年	91年	记录版本	6
17	像素	349年	42	小的手	1719年	67年	日历	117年	92年	酷狗音乐	54
18	指纹	3241年	43	更新	6422年	68年	语音助理	454年	93年	兼容性	59
19	付款	219年	44	相机	1778年	69年	类型	217年	94年	全球定位系统(Gps)	330年
20.	块	172年	45	明度	781年	70年	红外遥控	46	95年	微博	709年
21	银行卡	139年	46	球员	137年	71年	手势操作	17	96年	QQ	2253年
22	交通卡	345年	47	音乐	841年	72年	应用宝	34	97年	位置	803年
23	消费	790年	48	屏幕截图	618年	73年	分屏	216年	98年	互联网的速度	443年
24	消息	1075年	49	颜色	774年	74年	热	2700年	99年	4 g	2277年
25	黑色的屏幕	591年	50	位置	600年	75年	芯片	279年	One hundred.	主导频率	33

b的数据有效职位相应的用户和组

见表8。


组名称	级别名称	数量的帖子	同一组的频率	整体频率

OUG	新来的	18556年	24.14%	23.94%
	初学者	12562年	16.34%	16.21%
	初步的学习	17743年	23.08%	22.90%
	小的成功	12578年	16.36%	16.23%
	进一步的进展	7546年	9.81%	9.74%
	主	4591年	5.97%	5.92%
	专用的	2575年	3.35%	3.32%
	的独立的	385年	0.50%	0.50%
	巨大的成功	291年	0.38%	0.38%
	顶峰	47	0.06%	0.06%
	魔术大师	8	0.01%	0.01%
	了无比的	1	0.00%	0.00%
	有限的成员	1	0.00%	0.00%

IUG	热的球迷	1	0.29%	0.00%
	专家的粉丝	81年	23.89%	0.10%
	女粉丝	1	0.29%	0.00%
	内部管理器	2	0.59%	0.00%
	内部专家	16	4.72%	0.02%
	花粉的城市	9	2.65%	0.01%
	花粉的大学	1	0.29%	0.00%
	特种部队的HPC	21	6.19%	0.03%
	主持人的HPC	117年	34.51%	0.15%
	主持人的华为Sub-club花粉	8	2.36%	0.01%
	主持人的游戏中心	1	0.29%	0.00%
	激素替代治疗团队	79年	28.94%	0.17%
	HPC Super-circle主任	1	0.37%	0.00%
	主题的粉丝	1	0.37%	0.01%

EUG	花粉组	134年	49.08%	0.00%
	HPC团队	11	4.03%	0.10%
	官方团队	111年	40.66%	0.14%
	EMIUI产品经理	3	1.10%	0.00%
	EMIUI官方团队	5	1.83%	0.01%
	产品经理	9	3.30%	0.01%

c . Z分布的标准特性

这里,我们分别建立零OUG网络模型,IUG网络,和EUG网络,根据1000随机生成图表。和Z统计量是建立一般的方差程度的网络,这是近似正态分布证明Kolmogorov-Smirnov测试方法,以便“领袖”网络是由“ “边界Mar。

首先,Z统计总体的方差度网络定义如下:

在哪里是一般的随机变量的方差的随机网络,标准偏差的和的平均值。

我们计算的总体方差度1000 OUG网络的随机图,IUG网络,EUG网络。数据7- - - - - -9显示频率分布直方图。

在数据7- - - - - -9、线代表正态分布曲线拟合的平均值和标准偏差程度的网络的总体方差的频率。和直方图的三组对应零模型是钟形。为了测试是否通用度零模型的方差的分布符合正态分布,钴测试方法结果如表9。


组名称	Kolmogorov-Smirnov价值	P值

OUG	1.202	0.111
IUG	0.927	0.356
EUG	1.019	0.250

从表9,我们可以看到,考虑标准曲线拟合的一般差异度的频率,其Kolmogorov-Smirnov值都显著大于0.05,表明总体方差的分布程度的随机网络可以近似正态分布;也就是说, 。此外,““边界G表示3月(G),可以计算通过以下形式: 基于“”原则在统计学中,有一个显著区别G和相应的零模型,如果。结果,网络G是一个“领袖”网络与不均匀的节点重要性。

d .主题三个网络的重要性

见表10。


热门话题	特征向量的OUG	排名OUG主题的重要性	特征向量IUG)	排名IUG主题的重要性	特征向量的EUG	排名EUG主题的重要性

系统	7.97%	1	4.66%	1	5.62%	2
生活	2.18%	19	0.19%	46	2.65%	13
拍照	2.89%	9	0.81%	35	5.12%	3
电力消耗	3.87%	5	2.87%	15	1.20%	32
数据	1.89%	21	4.26%	2	4.55%	5
无线网络	2.31%	14	3.72%	10	0.91%	38
升级	4.73%	4	1.15%	32	3.59%	8
充电	2.29%	16	0.38%	42	2.35%	15
关机	0.93%	30.	2.13%	24	0.52%	47
解锁	1.96%	20.	4.12%	6	1.31%	30.
微信	5.52%	3	0.76%	37	1.54%	27
视频	2.75%	10	0.18%	47	3.67%	7
电话	2.30%	15	1.88%	26	1.55%	26
净	2.24%	17	2.34%	20.	3.29%	10
指纹	3.17%	8	3.56%	11	2.31%	16
交通卡	0.12%	61年	0.04%	54	0.03%	58
消费	0.74%	38	0.30%	43	3.35%	9
消息	1.43%	28	0.06%	50	1.46%	29日
黑色的屏幕	0.66%	41	0.01%	57	0.06%	55
游戏	3.52%	7	3.42%	12	1.06%	34
光	0.66%	42	0.26%	45	0.56%	46
回想	0.72%	39	1.12%	33	0.00%	59
字体	0.32%	55	0.07%	49	0.08%	54
程序	1.26%	29日	3.00%	14	1.71%	23
代码	0.86%	33	3.31%	13	0.93%	36
锁定屏幕	1.85%	22	2.72%	17	1.74%	22
内存	1.59%	26	2.60%	18	1.97%	19
模式	2.64%	12	4.22%	3	5.71%	1
备份	0.40%	52	3.95%	9	1.88%	20.
决议	0.60%	44	2.52%	19	1.09%	33
小的手	1.51%	27	0.70%	39	4.81%	4
更新	6.64%	2	4.04%	7	1.75%	21
相机	1.73%	23	0.27%	44	4.09%	6
明度	0.88%	32	1.91%	25	1.97%	18
音乐	0.78%	36	0.77%	36	1.49%	28
屏幕截图	0.44%	49	2.31%	21	0.45%	48
颜色	0.61%	43	2.21%	23	3.10%	11
位置	0.70%	40	1.30%	29日	2.09%	17
支付	1.63%	25	1.31%	28	1.70%	25
王的荣耀	1.64%	24	0.50%	40	0.00%	59
β	0.32%	54	0.00%	60	0.04%	57
京东	0.43%	50	0.01%	58	0.27%	51
Vmall	0.24%	60	0.01%	58	0.22%	52
主题	0.43%	51	1.16%	31日	0.57%	45
Anti-fingerprint疏油的涂料	0.49%	47	0.05%	52	0.00%	59
环	0.32%	56	0.05%	51	0.06%	56
电池	2.64%	11	2.25%	22	2.63%	14
回家的关键	0.50%	46	0.42%	41	0.21%	53
语音助理	0.28%	58	1.83%	27	0.80%	40
热	3.54%	6	0.01%	55	0.66%	43
墙纸	0.28%	59	0.12%	48	0.31%	50
桌面	0.81%	35	4.17%	4	0.73%	42
NFC	0.36%	53	1.22%	30.	0.63%	44
模糊的	0.90%	31日	0.04%	53	0.92%	37
根	0.31%	57	4.02%	8	0.99%	35
全球定位系统(GPS)	0.45%	48	0.00%	61年	1.29%	31日
微博	0.82%	34	1.02%	34	0.80%	41
QQ	2.50%	13	0.74%	38	0.35%	49
位置	0.74%	37	4.16%	5	1.70%	24
互联网的速度	0.52%	45	0.01%	56	0.85%	39
4 g	2.18%	18	2.80%	16	2.76%	12

大肠在多路网络议题的重要性

见表11。


热门话题	主题在多路网络的重要性	排名的主题的重要性

系统	18.25%	1
内存	12.57%	2
小的手	12.43%	3
数据	10.70%	4
升级	9.46%	5
像素	9.04%	6
拍照	8.81%	7
黑色的屏幕	8.00%	8
电力消耗	7.95%	9
净	7.87%	10
微信	7.82%	11
4 g	7.74%	12
环	7.52%	13
解锁	7.39%	14
决议	7.02%	15
无线网络	6.94%	16
位置	6.60%	17
视频	6.60%	18
代码	6.31%	19
模式	6.22%	20.
锁定屏幕	6.16%	21
更新	6.09%	22
字体	5.98%	23
屏幕截图	5.93%	24
电话	5.72%	25
墙纸	5.70%	26
模糊的	5.31%	27
程序	5.10%	28
生活	5.02%	29日
充电	5.02%	30.
相机	4.76%	31日
位置	4.64%	32
交通卡	4.38%	33
语音助理	4.21%	34
备份	4.20%	35
颜色	4.10%	36
QQ	3.59%	37
关机	3.58%	38
音乐	3.20%	39
明度	3.03%	40
消费	2.96%	41
回家的关键	2.91%	42
微博	2.64%	43
桌面	2.21%	44
Vmall	2.15%	45
支付	2.14%	46
NFC	1.86%	47
光	1.84%	48
根	1.75%	49
游戏	1.49%	50
互联网的速度	1.38%	51
电池	1.13%	52
消息	0.73%	53
β	0.71%	54
热	0.70%	55
主题	0.54%	56
回想	0.47%	57
京东	0.46%	58
Anti-fingerprint疏油的涂料	0.42%	59
王的荣耀	0.36%	60
指纹	0.19%	61年

数据可用性

华为P10 / P10 +数据用于支持本研究的发现可以从相应的作者。

信息披露

(孟和张甄co-first作者在这工作。

的利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

(孟和张甄同样这项工作。

确认

这项研究是由中国国家自然科学基金会(国家自然科学基金委)(批准号71572096)。

引用

s . Boccaletti诉Latora y莫雷诺,m·查韦斯和d . w .黄”:复杂网络的结构和动力学,物理的报告,卷424,不。4 - 5,175 - 308年,2006页。视图:出版商的网站|谷歌学术搜索
m·e·j·纽曼,“复杂网络的结构和功能,暹罗审查,45卷,不。2、167 - 256年,2003页。视图:出版商的网站|谷歌学术搜索|MathSciNet
m·e·j·纽曼,网络:介绍英国牛津,牛津大学出版社,2010年。视图:出版商的网站|MathSciNet
美国定单、美国考夫曼和j . Socolar”建模途径分化的基因与布尔网络监管网络,”复杂性,11卷,不。1,52-60,2005页。视图:出版商的网站|谷歌学术搜索|MathSciNet
图卢兹t, p . Ao、i Shmulevich和美国考夫曼”噪声在小基因电路进行分岔,”复杂性,11卷,不。1,45-51,2005页。视图:出版商的网站|谷歌学术搜索|MathSciNet
m . Gherardi和p . Rotondo测量逻辑复杂性可以指导模式经验系统的发现,“复杂性,21卷,不。S2, 397 - 408年,2016页。视图:出版商的网站|谷歌学术搜索|MathSciNet
可以见到效果,美国走,住诉洛雷托,“统计物理学的社会动态,”现代物理学的评论,卷81,不。2、591 - 646年,2009页。视图:出版商的网站|谷歌学术搜索
d .沈多纳”,在一个在线社交网络的传播行为实验,”科学,卷329,不。5996年,第1197 - 1194页,2010年。视图:出版商的网站|谷歌学术搜索
j . k . Lewis考夫曼m·冈萨雷斯,A .威默和n·克里斯塔基斯,“品味、关系和时间:一个新的社交网络数据集使用Facebook.com,”社交网络,30卷,不。4、330 - 342年,2008页。视图:出版商的网站|谷歌学术搜索
s·g·b·罗伯茨r . i m·邓巴t . v . Pollet和t . Kuppens”探索有源网络的变化大小:约束和自我特点,“社交网络没有,卷。31日。2、138 - 146年,2009页。视图:出版商的网站|谷歌学术搜索
y . e . Riyanto x和y w·乔纳森,”导演的信任和诚信在一个社交网络:一个实验调查,“经济行为组织杂志》上卷,151年,第253 - 234页,2018年。视图:出版商的网站|谷歌学术搜索
j .垫片和j·金”,估计国家层面的社会网络密度和支持性环境的模拟,“杂志的商业冒险的见解卷。9日,24-31,2018页。视图:出版商的网站|谷歌学术搜索
n . Sumith b Annappa, s·巴塔查里亚,“社交网络修剪为构建最佳的社交网络:一个用户的角度来看,“以知识为基础的系统卷,117年,第110 - 101页,2017年。视图:出版商的网站|谷歌学术搜索
j·f·休斯顿,j·李,f . Suntheim“社交网络在全球银行业,”会计和经济学杂志》上,2017年。视图:谷歌学术搜索
邱z h .沈,“用户聚类模型在动态社会网络话题短流,”信息科学卷,414年,第116 - 102页,2017年。视图:出版商的网站|谷歌学术搜索
m·福·h·杨,j·冯et al .,“优惠信息”为在线社交网络动力学模型,自然史答:统计力学及其应用卷,506年,第1005 - 993页,2018年。视图:出版商的网站|谷歌学术搜索
a . Roper b Volker h .拍打,“社交网络和一个家:接触重要吗?”社交网络没有,卷。31日。1,40-51,2009页。视图:出版商的网站|谷歌学术搜索
胡y、m . Aiello和c·胡“在线社交网络中的信息扩散:编译、”计算机科学期刊28卷,第205 - 204页,2018年。视图:出版商的网站|谷歌学术搜索|MathSciNet
n .张和赵w .“保护隐私的数据挖掘系统,”电脑杂志,40卷,不。4,52-58,2007页。视图:出版商的网站|谷歌学术搜索
a . Cetto m . Klier a级,j . f . Zolitschka”“谢谢分享”识别用户的角色基于知识的贡献在企业社交网络,”计算机网络卷,135年,第288 - 275页,2018年。视图:出版商的网站|谷歌学术搜索
h . k . Crabb j·l·艾伦,j·m·德夫林s·m·费尔斯通·m·a·史蒂文森和j·r·Gilkerson”的使用社会网络分析研究沙门氏菌的传播种虫害在垂直整合肉用鸡企业”食品微生物学卷,71年,第81 - 73页,2018年。视图:出版商的网站|谷歌学术搜索
b·辛普森和t . McGrimmon“信任和嵌入式市场:多种调查消费者的交易,”社交网络,30卷,不。1、1 - 15,2008页。视图:出版商的网站|谷歌学术搜索
张x l . Wan z, x x荣,和孟问:c .,“探索交互式消费电子产品供应链的增值数据驱动模型基于最小二乘支持向量机,”科学的规划,卷2016,不。8篇文章ID 3717650, p。13日,2016年。视图:出版商的网站|谷歌学术搜索
答:加拉和a . Lapatinas”消费者网络公司的角色multi-characteristics竞争和市场份额不平等,”结构变化和经济动态,43卷,第86 - 76页,2017年。视图:出版商的网站|谷歌学术搜索
j·奥尔蒂斯,W.-H。池玉兰,F.-S。蔡,“信息隐私、消费异化和潜伏的行为在社交网站,“电脑在人类行为卷,80年,第157 - 143页,2018年。视图:出版商的网站|谷歌学术搜索
m . Alonso-Dos-Santos f . Rejon Guardia c·佩雷斯·坎波斯f . Calabuig-Moreno y . j . Ko,“虚拟品牌社区,参与体育”商业研究杂志》卷,89年,第279 - 273页,2018年。视图:谷歌学术搜索
e . y, z . Cheng梁,y,“积累机制意见领袖的虚拟社区的社会互动关系:来自中国的经验证据,”电脑在人类行为卷,82年,第93 - 81页,2018年。视图:出版商的网站|谷歌学术搜索
j·c·希利和p .议员”在品牌文化和价值共同创造消费者角色在虚拟社区中,“商业研究杂志》,卷66,不。9日,第1540 - 1528页,2013年。视图:出版商的网站|谷歌学术搜索
m . Katz, r·m·沃德,b . Heere”解释出席通过品牌社区三位一体:整合网络理论和团队识别、”体育管理评审,21卷,不。2、176 - 188年,2017页。视图:出版商的网站|谷歌学术搜索
匿名”的产品营销策略研究服装e-commercial企业根据客户的经验,“中国纺织领导人11卷,第91 - 89页,2014年。视图:谷歌学术搜索
M.-H。萧L.-C。陈,“智能手机需求:实证研究之间的关系电话手机,互联网接入和移动服务,“远程信息处理和信息,32卷,不。1,第168 - 158页,2014。视图:出版商的网站|谷歌学术搜索
A . Paiano g . Lagioia Cataldo A,“批判性分析的移动电话使用的可持续性,”资源保护和回收卷,73年,第171 - 162页,2013年。视图:出版商的网站|谷歌学术搜索
学术界。王”,将系统创新的概念纳入质量功能部署开发多功能的智能手机,“计算机与工业工程卷,107年,第375 - 367页,2017年。视图:出版商的网站|谷歌学术搜索
国际数据公司(IDC),IDC:智能手机厂商的市场份额IDC的数据,2018年,https://www.idc.com/promo/smartphone-market-share/vendor。
华为花粉俱乐部,华为花粉俱乐部论坛:华为P10 / P10 +区域,2018,https://cn.club.vmall.com/forum - 2827 - 1. - html。
华为花粉俱乐部,华为花粉俱乐部论坛:华为P20区域,2018,https://cn.club.vmall.com/forum - 3350 - 1. - html。
华为花粉俱乐部,华为花粉俱乐部论坛:华为的伴侣10区2018年,华为花粉俱乐部,https://cn.club.vmall.com/forum - 3065 - 1. - html。
n . Hajli m . Shanmugam s Papagiannidis d . Zahay, M.-O。理查德,”与网上品牌社区成员共同创造品牌”,商业研究杂志》卷,70年,第144 - 136页,2017年。视图:出版商的网站|谷歌学术搜索
d .格奥尔基和m .貂”ECCIq:电子顾客互动的质量,”杂志零售和消费者服务,20卷,不。1,11-19,2013页。视图:出版商的网站|谷歌学术搜索
r . Smaliukiene l . Chi-Shiun i Sizovaite,“消费者价值共同创造在线业务:全球旅游服务的情况下,“商业经济与管理》杂志上,16卷,不。2、325 - 339年,2015页。视图:出版商的网站|谷歌学术搜索
m . Bruhn s Schnebelen d·谢弗,“祖先和后果e-customer-to-customer交互质量的B2B品牌社区,”工业营销管理,43卷,不。1,第176 - 164页,2014。视图:出版商的网站|谷歌学术搜索
c . Llinares文澜,加尔松d和纳瓦罗,“C2C交互在圣地亚哥的路线,创造价值”商业研究杂志》,卷69,不。11日,第5455 - 5448页,2016年。视图:出版商的网站|谷歌学术搜索
w·魏,y, l .苗族洛杉矶Cai,彭译葶。王”,Customer-customer交互(CCIs)在会议上:身份的方法,”旅游管理59卷,第170 - 154页,2017年。视图:出版商的网站|谷歌学术搜索
y陈和h .张”的影响客户客户交互服务质量、公司客户关系”学报》第八届国际会议服务系统和服务管理,ICSSSM”11卷。11日,中国,2011年6月。视图:谷歌学术搜索
d . j . s .哦,j . i Shin y,和k·h·钟,“消息方向性和品牌形象的影响水平的消费态度,“ICIC表达字母,B部分:应用程序》第六卷,没有。4、1003 - 1008年,2015页。视图:谷歌学术搜索
r . Zollet和a的后背,“关键影响因素互动创新的传播在企业网站上,“IEEE专业沟通,卷。58岁的没有。1,三分之一,2015页。视图:出版商的网站|谷歌学术搜索
汗,h·东平,a·瓦哈卜”文化重要的社交媒体营销策略的有效性?一项调查品牌粉丝页面。”Aslib信息管理杂志》上,卷68,不。6,694 - 715年,2016页。视图:出版商的网站|谷歌学术搜索
h . Nourikhah和m·k·阿克巴里”,服务质量对用户满意度的影响:使用贝叶斯建模和估计的分布质量的经验数据分析,“电子商务研究与应用,17卷,第122 - 112页,2016年。视图:出版商的网站|谷歌学术搜索
美国Shobeiri、大肠Mazaheri和m . Laroche“客户如何应对电子零售商那里的辅助意图?”国际期刊的零售和分销管理,42卷,不。5,369 - 389年,2014页。视图:出版商的网站|谷歌学术搜索
D.-K。Liou L.-C。许,W.-H。池玉兰,“理解宽带电视用户的持续使用意图,”工业管理和数据系统,卷115,不。2、210 - 234年,2015页。视图:出版商的网站|谷歌学术搜索
j .伊斯兰教和z拉赫曼,”网上品牌社区的影响在客户互动特点:Stimulus-Organism-Response范式的应用程序,“远程信息处理和信息,34卷,不。4、96 - 109年,2017页。视图:出版商的网站|谷歌学术搜索
m . Kilgour, s . l .震荡波,r . Larke“社交媒体转换过程:策划内容策略,”企业沟通,20卷,不。3、326 - 343年,2015页。视图:出版商的网站|谷歌学术搜索
美国麦肯尼和p . Nath影响new-to-market商品特性在第一次浏览器,“国际人机研究杂志》上卷。90年,14日至26日,2016页。视图:出版商的网站|谷歌学术搜索
k .楚·d·李,g . y . Kim j.y.金,“并非所有的交流是平等的:一个调查的方式提高沟通质量在SNS,”韩国市场营销协会杂志》上,32卷,不。2、103 - 124年,2017页。视图:出版商的网站|谷歌学术搜索
学术界。蒋介石和J.-C。王”,交互网络的影响潜水者的行为在网上社区,”学报》第48届夏威夷国际会议系统科学,HICSS 2015,页1645 - 1656,美国2015年1月。视图:谷歌学术搜索
问:李和j .顾”活动驱动模型的在线社交网络,”系统工程学报,30卷,9 - 15,2015页。视图:谷歌学术搜索
r·安德森和ai Mørch,”共同发展大规模协作:识别交互模式在软件产品开发、customer-initiated”电脑在人类行为卷,65年,第91 - 77页,2016年。视图:出版商的网站|谷歌学术搜索
p·费利克斯和n . Peiper”,利用大数据和Twitter发现紧急大麻用户的在线社区,”滥用药物:研究和治疗2017年,卷。11日。视图:谷歌学术搜索
z . Narisa x j . Liu, x l .崔”复杂网络的建设和应用对消费者在线评论基于潜在狄利克雷分配模型,”系统工程,32卷,不。3、305 - 312年,2017页。视图:谷歌学术搜索
p . v .马斯登,“官效应测量网络大小使用单一名称生成器,”社交网络,25卷,不。1,硕士论文,2003页。视图:出版商的网站|谷歌学术搜索
h·r·伯纳德·凯尔沃兹d . Kronenfeld和l .帆船“线人准确性的问题:回顾性数据的真实性。”年度回顾人类学,第517 - 495页,1984年。视图:谷歌学术搜索
c . t .屁股,“网络推理,错误,和线人(在)准确性:贝叶斯方法,”社交网络,25卷,不。2、103 - 140年,2003页。视图:出版商的网站|谷歌学术搜索
华为花粉俱乐部,应用中心:应用的技术人才,2017,https://cn.club.vmall.com/thread - 11749795 - 1 - 1. - html。
华为花粉俱乐部,应用中心:应用的管理人才,2017,https://cn.club.vmall.com/thread - 11749629 - 1 - 1. - html。
华为花粉俱乐部,应用中心:花粉的应用人才,2017,https://cn.club.vmall.com/thread - 11748231 - 1 - 1. - html。
华为花粉俱乐部,应用中心:应用花粉的女孩,2017,https://cn.club.vmall.com/thread - 11747691 - 1 - 1. - html。
华为花粉俱乐部,应用中心:区域管理的规则,2017,https://cn.club.vmall.com/thread - 11747831 - 1 - 1. - html。
华为花粉俱乐部,应用中心:花粉俱乐部的申请表和格式,2017,https://cn.club.vmall.com/thread - 13295938 - 1 - 1. - html。
g·r·陈和李x, x f . Wang介绍复杂网络:模型、结构和动力学,高等教育出版社,北京,2012。
诉他们,j . Guillaume r . Lambiotte和e . Lefebvre“快速展开的大型网络社区,”杂志的统计力学:理论和实验,卷2008,不。10篇文章ID P10008 155 - 168年,2008页。视图:出版商的网站|谷歌学术搜索
c . j .刘在复杂网络社区ditection和分析应用(论文、论文),山东大学,2014。
c . j .傅j . Wu刘,j .徐“领导人在现实世界的网络社区,”自然史答:统计力学及其应用卷,444年,第441 - 428页,2016年。视图:出版商的网站|谷歌学术搜索
j . Iranzo j . m . Buldu, j . Aguirre”网络之间的竞争突出的力量弱,”自然通讯,7卷,p。13273年,2016年。视图:出版商的网站|谷歌学术搜索
s . Boccaletti g . Bianconi, r . Criado“多层网络的结构和动力学,物理的报告,卷544,不。1、1 - 122、2014页。视图:出版商的网站|谷歌学术搜索

复杂性