張衛(wèi) 朱曉峰 王昊 吳志祥

摘?要：[目的/意義]開(kāi)放政府是新時(shí)代下支撐社會(huì)管理的重要元素，從用戶參與行為的視角剖析開(kāi)放政府的認(rèn)同度、互動(dòng)力以及傳播力，對(duì)消除政府與用戶間數(shù)字鴻溝、提高用戶參與度具有重要研究意義。[方法/過(guò)程]本文融合Logistic方程與Markov模型探索并預(yù)測(cè)了開(kāi)放政府的用戶參與行為隨時(shí)間變化的趨勢(shì)，并以“思想火炬”為樣本官微實(shí)證了用戶的參與度水平。[結(jié)果/結(jié)論]研究表明：用戶參與行為間具備相互作用關(guān)系，轉(zhuǎn)發(fā)行為更易受到點(diǎn)贊行為與評(píng)論行為的影響;融合模型能夠預(yù)測(cè)用戶參與行為的發(fā)展脈絡(luò)，進(jìn)而指導(dǎo)官微進(jìn)行實(shí)時(shí)預(yù)警;當(dāng)信息資源聚焦國(guó)際關(guān)系時(shí)，公眾參與度顯著提升。

關(guān)鍵詞：Logistic方程;Markov模型;開(kāi)放政府;用戶參與行為;社會(huì)管理;信息資源;參與度

DOI：10.3969/j.issn.1008-0821.2020.03.008

〔中圖分類號(hào)〕G203?〔文獻(xiàn)標(biāo)識(shí)碼〕A?〔文章編號(hào)〕1008-0821（2020）03-0074-14

Abstract：[Purpose/Significance]Open government is an important element of supporting social management in the new era.Analyzing the recognition，interaction and communication of open government from the perspective of user participation behavior is of great significance for eliminating the digital divide between government and users and improving user participation degree.[Method/Process]Logistic equation and Markov model were combined in this paper to explore and predict the trend of user participation behavior of open government over time，and“thought torch”was taken as a sample government officials to verify the level of user participation degree.[Result/Conclusion]The results showed that there was interaction between user participation behavior and forwarding behavior was more vulnerable to praise behavior and comment behavior;the development of user participation behavior could be predicted by the integration model，and then the government official could be guided to carry out real-time early warning;when information resources focus on international relations，public participation degree would significantly increase.

Key words：open government;user participation behavior;social management;information resources;participation degree

開(kāi)放政府是以民主為基石的政府治理理念，通過(guò)賦予公民政府信息、數(shù)據(jù)、文件等方式推動(dòng)公眾參與和社會(huì)合作繼而有效地支撐社會(huì)管理效率。近代社會(huì)對(duì)開(kāi)放政府理念的探索可以追溯到20世紀(jì)60年代由美國(guó)政府所頒布的《信息自由法》[1]，這是政府信息公開(kāi)首次得到法律形式的記載。2009年，時(shí)任美國(guó)總統(tǒng)的奧巴馬更是率先公布了《開(kāi)放政府指令》[2]，使得政府?dāng)?shù)據(jù)開(kāi)放在大數(shù)據(jù)時(shí)代備受矚目。自此，開(kāi)放政府透明、參與、合作的三大理念深入人心[3]。近年來(lái)，對(duì)開(kāi)放政府的透明建設(shè)已初見(jiàn)成效，而用戶對(duì)于開(kāi)放資源表達(dá)態(tài)度、觀點(diǎn)以及反饋的需求與日俱增[4]，這就使得開(kāi)放政府的用戶參與行為顯得尤為重要。

誠(chéng)如王本剛等[5]在開(kāi)放政府概念模型中所述，信息公開(kāi)和數(shù)據(jù)開(kāi)放是開(kāi)放政府同一維度的兩個(gè)方面，而用戶參與則是開(kāi)放政府最為本質(zhì)的內(nèi)容[6]。因此，對(duì)用戶參與行為進(jìn)行研究需要考慮二者在當(dāng)下的發(fā)展背景。就前者來(lái)說(shuō)，移動(dòng)社交媒體與Web2.0的興起[7]催生出以政府官微（Twitter、微博、微信）為代表的信息公開(kāi)模式。如Mergel I等[8]強(qiáng)調(diào)政府官微能夠充分發(fā)揮社交媒體平臺(tái)作為用戶參與的官方溝通機(jī)制的角色，其靈活性和拓展性能夠較好適應(yīng)新的發(fā)展趨勢(shì)。陳強(qiáng)[9]則指出政府官微已經(jīng)成為各國(guó)政府公眾訴求回應(yīng)的重要工具。而趙玲等[10]則將這種參與行為具體化，認(rèn)為參與行為就是指用戶借助微博信息交互平臺(tái)，通過(guò)關(guān)注、被關(guān)注、評(píng)論和轉(zhuǎn)發(fā)等方式獲取信息、傳播信息、分享信息，以實(shí)現(xiàn)個(gè)人信息需求和價(jià)值滿足。就后者而言，互聯(lián)網(wǎng)技術(shù)的深化形成了以政府?dāng)?shù)據(jù)平臺(tái)為代表的數(shù)據(jù)開(kāi)放模式[11]，該模式下用戶的參與方式主要包括瀏覽、下載、在線提問(wèn)、評(píng)論或分享數(shù)據(jù)鏈接至Twitter、Facebook等社交網(wǎng)站[12]。但是，瀏覽、下載等屬于淺層參與行為[13]且需要用戶保持網(wǎng)頁(yè)在線，而分享等深層次參與行為則需要進(jìn)一步訴諸于社交網(wǎng)絡(luò)。此外，政府?dāng)?shù)據(jù)開(kāi)放在我國(guó)尚未建成統(tǒng)一平臺(tái)[14]，用戶表達(dá)態(tài)度、觀點(diǎn)難免受到不同平臺(tái)間的分隔，信息交互大多也只能局限于網(wǎng)站內(nèi)部，加之信息分享等個(gè)性化參與功能至今尚不成熟[15]，這都使得用戶參與性較為有限。為此，本文工作將以政府官微為切入點(diǎn)探討開(kāi)放政府建設(shè)過(guò)程中用戶的參與行為。

隨著政府開(kāi)放與社會(huì)化媒體的推動(dòng)[16]，用戶參與行為正逐漸演變?yōu)橐环N對(duì)信息資源價(jià)值表達(dá)的反饋行為[17]，正如在社交媒體中，用戶開(kāi)展信息發(fā)布、轉(zhuǎn)發(fā)、瀏覽、點(diǎn)贊、評(píng)論和回復(fù)等信息行為一樣[18]，而此種反饋行為的深入能夠有效反映公眾在一定時(shí)間內(nèi)對(duì)開(kāi)放政府態(tài)度、期望與訴求的表達(dá)[19]，這就使得用戶參與行為在時(shí)間脈絡(luò)下的變化趨勢(shì)成為衡量信息資源價(jià)值的指標(biāo)[20]。然而，已有研究大多拘泥于對(duì)用戶參與意愿的影響因素上（Brighton L J等[21];沙勇忠等[22];李潔等[23]），忽略了公眾與政府之間交互的變化過(guò)程，這也使得用戶參與行為的變化趨勢(shì)難以得到精準(zhǔn)刻畫(huà)。

在政府開(kāi)放的每個(gè)周期內(nèi)，用戶參與行為會(huì)隨著信息資源價(jià)值水平的提高而逐漸上升[24]，且往往會(huì)在前期產(chǎn)生“集聚效應(yīng)”[25]后趨于平穩(wěn)，故可看作種群在信息資源條件下發(fā)展的過(guò)程。眾所周知，Logistic方程具有很強(qiáng)的隨時(shí)間脈絡(luò)發(fā)展的特性[26]，這就使其為處理此類問(wèn)題提供了研究思路。黃煒等[27]基于Logistic方程構(gòu)建了微信消息轉(zhuǎn)發(fā)模型，通過(guò)驗(yàn)證微信消息轉(zhuǎn)發(fā)的影響因素為引導(dǎo)微信輿情提供決策參考。朱曉峰等[28]將黃煒構(gòu)建的模型進(jìn)行改進(jìn)，通過(guò)博文與粉絲種群探索了我國(guó)政府與公眾在不同領(lǐng)域內(nèi)協(xié)同發(fā)展的現(xiàn)實(shí)。不難發(fā)現(xiàn)，按照上述研究思路為用戶參與行為建立Logistic方程能夠驗(yàn)證種群發(fā)展過(guò)程，而基于驗(yàn)證規(guī)律對(duì)用戶參與行為進(jìn)行預(yù)測(cè)，則可進(jìn)一步挖掘政府開(kāi)放信息資源的價(jià)值。當(dāng)下，Markov模型被廣泛應(yīng)用于時(shí)間序列的預(yù)測(cè)問(wèn)題[29-31]，具有代表性的如張和平等[32]基于改進(jìn)的Markov模型分析了“羅一笑事件”，對(duì)網(wǎng)絡(luò)輿情發(fā)展趨勢(shì)做出準(zhǔn)確預(yù)測(cè)。因此，融合Logistic方程與Markov模型，可以刻畫(huà)種群隨時(shí)間從一個(gè)狀態(tài)發(fā)展至另一個(gè)狀態(tài)的過(guò)程[33]，也可以精準(zhǔn)刻畫(huà)政府官微的用戶參與行為種群狀態(tài)的變化趨勢(shì)。

綜上，本文擬將Logistic方程與Markov模型融合，通過(guò)兩階段建模將Logistic方程的種群飽和度作為Markov模型的狀態(tài)轉(zhuǎn)移指標(biāo)，探索開(kāi)放政府的用戶參與行為隨時(shí)間發(fā)展的脈絡(luò)，并以“思想火炬”為案例展開(kāi)實(shí)證，為開(kāi)放政府在面向用戶過(guò)程中強(qiáng)化其各方能力水平進(jìn)而有效提高用戶參與度提供實(shí)踐參考。

1?開(kāi)放政府用戶參與行為模型解析

對(duì)開(kāi)放政府用戶參與行為進(jìn)行模型解析，是通過(guò)種群映射、兩階段模型融合以及關(guān)聯(lián)行為討論探索用戶參與行為表現(xiàn)的過(guò)程，研究框架具體如圖1所示。

如圖1所示，研究框架分為以下幾個(gè)步驟：第一階段的核心是通過(guò)種群映射，對(duì)用戶參與行為建立Logistic方程，結(jié)合Logistic曲線從時(shí)間序列角度探索用戶參與行為并計(jì)算參與行為的種群飽和度;第二階段的任務(wù)是將Logistic方程與Markov模型進(jìn)行融合，將用戶參與行為的種群飽和度作為狀態(tài)轉(zhuǎn)移指標(biāo)建立轉(zhuǎn)移矩陣，對(duì)用戶參與行為進(jìn)行驗(yàn)證和預(yù)測(cè)。最后，構(gòu)建用戶參與行為的關(guān)聯(lián)函數(shù)，并結(jié)合已有數(shù)據(jù)對(duì)新建函數(shù)進(jìn)行曲面擬合，從而討論用戶不同參與行為之間的關(guān)聯(lián)。

1.1?基于Logistic方程的開(kāi)放政府用戶參與行為分析

開(kāi)放政府的用戶參與行為是一個(gè)不斷增強(qiáng)政府信息資源認(rèn)可度、互動(dòng)力以及傳播效能的過(guò)程。其中，點(diǎn)贊行為可以視作用戶表達(dá)認(rèn)同與支持度的行為方式，反映用戶的認(rèn)可度水平;評(píng)論行為視為用戶發(fā)表觀點(diǎn)的行為方式，反映政府與用戶的互動(dòng)力水平;轉(zhuǎn)發(fā)行為視為用戶傳播并擴(kuò)散信息價(jià)值的行為方式，反映政府信息的傳播力水平[34]。因此，本文通過(guò)點(diǎn)贊種群、評(píng)論種群以及轉(zhuǎn)發(fā)種群構(gòu)建Logistic方程量化用戶參與行為，從而探索開(kāi)放政府認(rèn)可度、互動(dòng)力以及傳播力的發(fā)展水平。

傳統(tǒng)Logistic方程的增長(zhǎng)曲線是一條S型遞增曲線[35]，其增長(zhǎng)規(guī)律難以滿足本文研究需求。這是因?yàn)閺纳鷳B(tài)理論上來(lái)說(shuō)，自然界中會(huì)出現(xiàn)階段性增長(zhǎng)、生態(tài)退化甚至種群滅絕的現(xiàn)象[36]，這就需要從增長(zhǎng)與衰退兩個(gè)維度描繪種群變化的趨勢(shì)[37-38]。而從現(xiàn)實(shí)意義上來(lái)說(shuō)，用戶的點(diǎn)贊、評(píng)論以及轉(zhuǎn)發(fā)等參與行為可能存在多個(gè)變化周期[39]且不會(huì)隨著時(shí)間無(wú)止境擴(kuò)大，難以通過(guò)一條Logistic曲線進(jìn)行描繪?；诖耍瑸榱烁_地描述開(kāi)放政府用戶參與行為，本文構(gòu)建了分時(shí)段疊加的雙向Logistic曲線，具體如圖2所示：

如圖2所示，分時(shí)段疊加的雙向Logistic曲線能夠反映開(kāi)放政府用戶參與行為種群變化的階段性和雙向性。Logistic曲線的階段性表現(xiàn)為用戶參與行為種群的整體變化軌跡是由若干個(gè)Logistic曲線組合而成。其中，上一階段種群發(fā)展的末值將會(huì)是下一階段種群發(fā)展的初值。Logistic曲線的雙向性能夠反映從上一階段過(guò)渡到下一階段是正向增長(zhǎng)還是反向減少，此時(shí)需要引入種群飽和度的重要概念加以闡釋。

種群飽和度是指在一定時(shí)區(qū)內(nèi)實(shí)際種群數(shù)量占最大環(huán)境承受容量（政府所開(kāi)放的信息資源可產(chǎn)生的最大影響價(jià)值）的比重[28]?？紤]到Logistic曲線雙向性的特征，本文種群飽和度的取值范圍為[-100%，100%]。其中，正負(fù)號(hào)代表的是種群變化方向，數(shù)值大小代表種群飽和水平。當(dāng)Logistic曲線處于遞增狀態(tài)時(shí)，種群飽和度由0～100%，飽和水平正向提高，種群增長(zhǎng)趨勢(shì)由快至慢，曲線的頭部與尾部分別為種群數(shù)量的局部極小值和局部極大值;當(dāng)Logistic曲線處于遞減狀態(tài)時(shí)，飽和度由0～-100%，種群飽和水平反向提高，種群衰退趨勢(shì)由快至慢，曲線的頭部與尾部分別為種群數(shù)量的局部極大值和局部極小值。

例如，當(dāng)t∈（t0，t1）時(shí)，用戶點(diǎn)贊行為的種群飽和度在t1時(shí)刻內(nèi)達(dá)到最大，此時(shí)點(diǎn)贊種群數(shù)量達(dá)到局部極大值N1，能夠反映開(kāi)放政府在（t0，t1）內(nèi)所達(dá)到的最大認(rèn)可度水平。如果信息資源的認(rèn)可度在t1之后進(jìn)一步上升，用戶點(diǎn)贊行為的種群飽和水平將在（t1，t2）區(qū)間內(nèi)的t1時(shí)刻降為正向最小，種群數(shù)量開(kāi)啟新一輪快速增長(zhǎng)（如實(shí)線所示）。反之，若t1之后信息資源的認(rèn)可度開(kāi)始下降，種群飽和水平將于t1時(shí)刻降為反向最小，種群數(shù)量開(kāi)始快速下降（如虛線所示）。所以，如果信息資源的認(rèn)可度不斷提高，用戶點(diǎn)贊種群的數(shù)量將不斷上升（如圖中連續(xù)實(shí)線所示），相應(yīng)的，在任何一個(gè)階段信息資源認(rèn)可度的下降都會(huì)引發(fā)用戶點(diǎn)贊種群的下降。其中，當(dāng)種群處于最大飽和水平狀態(tài)時(shí)，用戶參與種群會(huì)面臨增長(zhǎng)或下降兩極走勢(shì)，分化的關(guān)鍵在于開(kāi)放政府后續(xù)認(rèn)可度、互動(dòng)力、傳播力的發(fā)展水平。

1.2?基于Markov模型的開(kāi)放政府用戶參與行為預(yù)測(cè)分析

對(duì)用戶參與行為進(jìn)行預(yù)測(cè)分析，是開(kāi)放政府發(fā)揮信息流未來(lái)效能的重要方式，更是其進(jìn)行服務(wù)力研判和社會(huì)管理預(yù)警的重要手段?？紤]到用戶參與行為對(duì)政府信息資源實(shí)時(shí)反饋的特點(diǎn)，契合Markov模型未來(lái)狀態(tài)只受當(dāng)前狀態(tài)而不受歷史狀態(tài)影響的性質(zhì)[41]，因此，本文將通過(guò)Markov模型對(duì)開(kāi)放政府的用戶參與行為的系統(tǒng)狀態(tài)進(jìn)行預(yù)測(cè)分析。

第一步，利用聚類分析將各時(shí)間點(diǎn)種群飽和度劃分為若干個(gè)等級(jí)。聚類分析法是一種無(wú)監(jiān)督式的分群算法[42]，是通過(guò)提取所有對(duì)象的特征進(jìn)行相似度計(jì)算進(jìn)而將其劃分為由相近對(duì)象所組成的多個(gè)類的過(guò)程。而在聚類算法的應(yīng)用中，以k-means聚類較為典型[43]，其核心是在給定初始聚類的基礎(chǔ)上計(jì)算各對(duì)象與中心之間的聚類，通過(guò)反復(fù)迭代優(yōu)化計(jì)算距離的整體最小值，最終確定代表所有對(duì)象的最優(yōu)聚類中心。所以，本文將借助k-means聚類對(duì)第一階段建模求得的用戶參與行為的種群飽和度進(jìn)行級(jí)別劃分。

第二步，憑借劃分的級(jí)別獲得用戶參與行為種群變化的狀態(tài)空間，具體過(guò)程如下：記用戶參與行為種群飽和度的在t時(shí)刻所有可能狀態(tài)為s1，s2，s3，…，sn，其集合E=st（t=1，2，3，…，n），表示用戶參與行為種群飽和度的狀態(tài)空間。設(shè)用戶參與行為種群飽和度在i時(shí)刻的狀態(tài)si經(jīng)過(guò)k步轉(zhuǎn)移到另一個(gè)不同的種群飽和度狀態(tài)sj概率為p（k）ij，用戶參與行為種群飽和度的轉(zhuǎn)移概率為：

如式（5）所示，p（k）ij是用戶參與行為種群飽和度狀態(tài)變化的條件概率，反映的是處于t時(shí)刻的用戶參與系統(tǒng)在狀態(tài)si的條件下經(jīng)過(guò)k步轉(zhuǎn)移到狀態(tài)sj轉(zhuǎn)移概率，具體過(guò)程如圖3所示：

如圖3可知，整個(gè)轉(zhuǎn)移過(guò)程可以看作用戶參與系統(tǒng)在狀態(tài)si的條件下直接經(jīng)過(guò)k步轉(zhuǎn)移到狀態(tài)sj，也可以看作是用戶參與系統(tǒng)首先經(jīng)過(guò)（k-1）次狀態(tài)轉(zhuǎn)移后到達(dá)狀態(tài)sj-1再由sj-1轉(zhuǎn)移一次到達(dá)狀態(tài)sj，還可以看作用戶參與系統(tǒng)首先經(jīng)過(guò)（k-n）次狀態(tài)轉(zhuǎn)移后到達(dá)狀態(tài)sj-n再由sj-n轉(zhuǎn)移n次到達(dá)狀態(tài)sj。如此一來(lái)，在狀態(tài)si與狀態(tài)sj便形成了一條完整的用戶參與行為Markov鏈條，通過(guò)對(duì)每一次轉(zhuǎn)移步驟概率值的計(jì)算，所獲得的最大值即為用戶參與行為下一步最有可能發(fā)生的狀態(tài)。具體計(jì)算公式為：

如式（6）所示，m（k）ij是指存在多少條Markov子鏈?zhǔn)沟糜脩魠⑴c行為的種群飽和度能夠從狀態(tài)si經(jīng)過(guò)k步轉(zhuǎn)移到狀態(tài)sj。mi指的是在開(kāi)放政府用戶參與行為的整條Markov鏈中，種群飽和度狀態(tài)處于si的所有樣本數(shù)。其中，由于處于Markov鏈倒數(shù)第k節(jié)的狀態(tài)無(wú)法進(jìn)行k步轉(zhuǎn)移，故設(shè)ki為Markov鏈從最后一級(jí)狀態(tài)起往前k級(jí)狀態(tài)中種群飽和度處于si狀態(tài)的樣本數(shù)，如此一來(lái)，mi-ki就是指用戶參與行為的種群飽和度狀態(tài)處于si且能夠進(jìn)行k步轉(zhuǎn)移的所有樣本數(shù)。

第三步，通過(guò)Markov模型構(gòu)建種群飽和度變化的轉(zhuǎn)移概率矩陣，以此刻畫(huà)不同種群飽和度等級(jí)之間的狀態(tài)轉(zhuǎn)換的可能性。在此之前，首先聲明用戶參與行為種群飽和度的轉(zhuǎn)移概率具有以下性質(zhì)：

2?開(kāi)放政府用戶參與行為實(shí)證分析

為了突顯開(kāi)放政府對(duì)社會(huì)管理的貢獻(xiàn)，本文選取政府教育類官微“思想火炬”為案例進(jìn)行實(shí)證。該官微單位是我國(guó)第一家專門(mén)研究文化安全與意識(shí)形態(tài)的機(jī)構(gòu)，也是中國(guó)社會(huì)科學(xué)院領(lǐng)導(dǎo)下的重要思想智庫(kù)[44]，所開(kāi)放的信息資源緊貼時(shí)政熱點(diǎn)，故擇其為樣本官微分析開(kāi)放政府的用戶參與行為。

首先，應(yīng)用PYTHON3.6的Urllib與Request模塊爬取官微“思想火炬”的開(kāi)放數(shù)據(jù)，時(shí)間跨度為2017年8月至2019年3月，爬取時(shí)間為2019年4月1日，共獲得包含“發(fā)布時(shí)間”、“微博內(nèi)容”、“點(diǎn)贊數(shù)”、“評(píng)論數(shù)”以及“轉(zhuǎn)發(fā)數(shù)”等數(shù)據(jù)字段的17 060條數(shù)據(jù)。其次，按照月份對(duì)所爬取的數(shù)據(jù)進(jìn)行組織，分別獲得官微每個(gè)月的點(diǎn)贊數(shù)、評(píng)論數(shù)以及點(diǎn)贊數(shù)（如表1所示）。

2.1?基于Logistic方程的開(kāi)放政府用戶參與行為實(shí)證分析此部分的核心是利用分時(shí)段疊加的雙向Logistic曲線求得用戶參與行為的種群飽和度，為下文構(gòu)建Markov模型的狀態(tài)空間提供判別指標(biāo)。由式（3）可知，在利用數(shù)據(jù)對(duì)方程進(jìn)行迭代之前需要找到估計(jì)值的初始點(diǎn)，由于本文所討論的曲線具有雙向性，故有ia>ΔNa（ti）a（ti）、ib>ΔNb（ti）b（ti）、ic>ΔNc（ti）c（ti）。

由表2可知，基于分時(shí)段疊加Logistic曲線的性質(zhì)，在用戶參與的每一個(gè)時(shí)間索引點(diǎn)上都存在對(duì)應(yīng)的自然變化率與最大環(huán)境承受容量，種群的變化存在增長(zhǎng)或下降兩種變化走向（+/-），并可以計(jì)算求得用戶參與行為的種群飽和度隨時(shí)間變化的趨勢(shì)。接下來(lái)，為了進(jìn)一步尋找用戶參與行為的變化規(guī)律并適當(dāng)預(yù)測(cè)其未來(lái)狀態(tài)，下文將基于種群飽和度建立Markov模型探索其狀態(tài)空間及轉(zhuǎn)移過(guò)程。

2.2?基于Markov模型的開(kāi)放政府用戶參與行為實(shí)證分析

通過(guò)上一節(jié)的分析，筆者求得了用戶參與行為在各時(shí)間內(nèi)的種群飽和度，本節(jié)將構(gòu)建Markov模型分析種群變化的動(dòng)態(tài)趨勢(shì)。在此之前，需要對(duì)各時(shí)間點(diǎn)上用戶參與行為的種群飽和度進(jìn)行分級(jí)，從而構(gòu)造用戶參與行為種群變化的狀態(tài)空間。本文應(yīng)用PYTHON3.6的k-means算法實(shí)現(xiàn)種群飽和度的聚類分級(jí)，使用最小歐氏距離進(jìn)行聚類分析，使散點(diǎn)間實(shí)際距離之和最?。?/p>

將表2數(shù)據(jù)帶入式（9）迭代，點(diǎn)贊種群、評(píng)論種群、轉(zhuǎn)發(fā)種群的飽和度均形成5個(gè)聚類中心。就點(diǎn)贊種群而言，聚類經(jīng)過(guò)11次迭代形成的中心有（3.5，0.12）、（8.5，0.26）、（12，0.14）、（15，-0.069）、（18，-0.16），平均誤差20.1。就評(píng)論種群而言，聚類經(jīng)過(guò)10次迭代形成的中心有（2.5，0.13）、（7，0.06）、（11，0.34）、（14.5，-0.013）、（18，-0.84），平均誤差18.9。就轉(zhuǎn)發(fā)種群而言，聚類經(jīng)過(guò)12次迭代形成的中心有（3，0.18）、（8，0.074）、（12，-0.017）、（15，-0.023）、（18，-0.77），平均誤差18.8，均已形成最佳聚類。進(jìn)一步，根據(jù)聚類中心對(duì)種群飽和度進(jìn)行分級(jí)（如表3所示）。

由表3可知，分級(jí)狀態(tài)1、2均代表用戶參與行為種群處于下降狀態(tài)，其中，狀態(tài)1整體區(qū)間內(nèi)的種群飽和水平要大于狀態(tài)2，其種群變化的剩余空間卻小于狀態(tài)2，故狀態(tài)2的整體下降趨勢(shì)較狀態(tài)1更快;狀態(tài)3代表種群增長(zhǎng)與下降相互轉(zhuǎn)換的轉(zhuǎn)折點(diǎn)，其種群水平較小，既有可能快速上升，也有可能急劇下降;狀態(tài)4、5均代表種群處于上升狀態(tài)，其中，狀態(tài)4整體區(qū)間內(nèi)的種群飽和水平要小于狀態(tài)5，其種群變化的剩余空間較狀態(tài)5較大，故狀態(tài)4的整體上升趨勢(shì)較狀態(tài)5更快。進(jìn)一步，根據(jù)用戶參與行為的種群飽和度判斷其所處狀態(tài)，如表4所示：

以點(diǎn)贊等級(jí)為例進(jìn)行說(shuō)明可知，表4中點(diǎn)贊種群處于狀態(tài)1且能進(jìn)行1步轉(zhuǎn)移的樣本數(shù)為4，其經(jīng)過(guò)1步轉(zhuǎn)移后能夠到達(dá)1次狀態(tài)1和3次狀態(tài)4，故p（1）11=0.25，p（1）14=0.75。依照以上步驟并結(jié)合式（6）～（8）完成所有狀態(tài)的計(jì)算，構(gòu)造用戶參與種群飽和度的概率轉(zhuǎn)移矩陣，具體如表5所示：

如表5所示，轉(zhuǎn)移概率矩陣能夠反映用戶參與行為的狀態(tài)隨時(shí)間變化的概率。進(jìn)而，通過(guò)表5中的轉(zhuǎn)移矩陣與第四步對(duì)概率轉(zhuǎn)移矩陣的預(yù)測(cè)方式，將2019年2月數(shù)據(jù)回溯5個(gè)月（至2018年10月），結(jié)合表4驗(yàn)證2019年3月用戶參與行為的狀態(tài)是否準(zhǔn)確，本文以點(diǎn)贊種群為例進(jìn)行說(shuō)明（如表6）。

由表6可知，用戶點(diǎn)贊行為種群的加權(quán)最大值為0.5，對(duì)應(yīng)狀態(tài)為4，故點(diǎn)贊種群處于分級(jí)狀態(tài)4。對(duì)評(píng)論種群與轉(zhuǎn)發(fā)種群進(jìn)行相同操作，得到評(píng)論種群的加權(quán)最大值為0.52，對(duì)應(yīng)狀態(tài)為2，轉(zhuǎn)發(fā)種群的加權(quán)最大值為0.37，對(duì)應(yīng)狀態(tài)1。結(jié)合表5進(jìn)行驗(yàn)證可知狀態(tài)結(jié)果準(zhǔn)確，說(shuō)明本文對(duì)用戶參與行為構(gòu)造的概率轉(zhuǎn)移矩陣具有較高可靠性，故可進(jìn)一步對(duì)用戶參與行為在未來(lái)5個(gè)月內(nèi)的狀態(tài)進(jìn)行預(yù)測(cè)。此外，為了結(jié)合政府開(kāi)放的信息資源探索種群發(fā)展規(guī)律，本文將提取近5個(gè)月來(lái)信息資源的核心內(nèi)容結(jié)合種群狀態(tài)進(jìn)行分析。調(diào)用PYTHON3.6的Jieba模塊，對(duì)所爬取的微博內(nèi)容進(jìn)行分詞，通過(guò)統(tǒng)計(jì)詞頻抽取每個(gè)月內(nèi)的高頻詞探討用戶參與種群的狀態(tài)變化，如圖4所示：

由圖4可知，縱向虛線左側(cè)為近5個(gè)月來(lái)用戶參與行為的種群飽和度狀態(tài)，虛線右側(cè)是由概率轉(zhuǎn)移矩陣的預(yù)測(cè)狀態(tài)，橫向虛線代表狀態(tài)3。進(jìn)一步分析可知：2018年11月，開(kāi)放信息資源主要聚焦于“重慶公交車墜江”、“杜嘉班納辱華”以及“艾滋病基因編輯嬰兒”等事件，核心內(nèi)容主要包括公共安全、歷史文化以及人類倫理。用戶的點(diǎn)贊行為處于狀態(tài)1，種群飽和水平較大，下降速度較慢;評(píng)論與轉(zhuǎn)發(fā)行為處于狀態(tài)2，種群飽和水平較小，下降速度較快。此時(shí)，用戶參與行為均處于不同程度的下降狀態(tài)。

2018年12月，熱點(diǎn)事件包括“蘋(píng)果銷售禁令”、“孟晚舟被捕”以及“南京大屠殺”等，信息資源的核心內(nèi)容包括國(guó)際間法律關(guān)系、國(guó)際間科技關(guān)系以及國(guó)際間歷史關(guān)系。此時(shí)，用戶的點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等行為均處于狀態(tài)4，種群飽和水平較小，用戶參與行為均處于快速上升狀態(tài)。

2019年1月，熱點(diǎn)事件包括“有期徒刑”、“氫彈之父逝世”以及“嫦娥登月”等，信息資源的核心內(nèi)容包括公共安全、歷史偉人以及兩彈一星。此時(shí)，用戶的點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等行為均處于狀態(tài)1，種群飽和水平較大，用戶參與行為以較慢速度下降。

2019年2月，熱點(diǎn)事件包括“翟天臨學(xué)術(shù)造假”以及“春晚”，信息資源的核心內(nèi)容包括學(xué)術(shù)不端以及春節(jié)。用戶的點(diǎn)贊與評(píng)論行為均處于狀態(tài)1，種群飽和水平較大，下降速度較慢;轉(zhuǎn)發(fā)種群處于狀態(tài)2，種群飽和水平較小，下降速度較快。此時(shí)，用戶參與行為均處于不同程度的下降狀態(tài)。

2019年3月，熱點(diǎn)事件包括“兩會(huì)”和“737MAX停飛”，信息資源的核心內(nèi)容包括民主問(wèn)政以及交通安全。用戶的點(diǎn)贊行為處于狀態(tài)4，種群飽和水平較小，上升速度較快;評(píng)論行為處于狀態(tài)2，種群飽和水平較小，下降速度較快;轉(zhuǎn)發(fā)種群處于狀態(tài)1，種群飽和水平較大，下降速度較慢。此時(shí)，點(diǎn)贊行為處于快速上升狀態(tài)，評(píng)論與轉(zhuǎn)發(fā)行為處于不同程度的下降狀態(tài)。

因此，在過(guò)去的5個(gè)月中，當(dāng)政府開(kāi)放的信息資源熱點(diǎn)集中于法律、科技以及歷史等國(guó)際關(guān)系時(shí)，用戶參與行為能夠有較好的表現(xiàn)。進(jìn)一步，由未來(lái)5個(gè)月的預(yù)測(cè)狀態(tài)可知，用戶點(diǎn)贊種群將長(zhǎng)期處于狀態(tài)3并有可能于8月轉(zhuǎn)移至狀態(tài)1，說(shuō)明下一階點(diǎn)贊種群的變化處于波動(dòng)狀態(tài)并有下滑趨勢(shì)，因此，需要在8月對(duì)政府官微的認(rèn)可度進(jìn)行實(shí)時(shí)預(yù)警;評(píng)論種群將長(zhǎng)期處于狀態(tài)2并有可能在6月上升至狀態(tài)4后于7月產(chǎn)生回落，說(shuō)明下一階段評(píng)論種群將在短暫的反彈上升后繼續(xù)保持快速下降，因此，需要在7月對(duì)開(kāi)互動(dòng)力進(jìn)行實(shí)時(shí)預(yù)警;轉(zhuǎn)發(fā)種群將于狀態(tài)1與狀態(tài)2之間來(lái)回更替，說(shuō)明轉(zhuǎn)發(fā)種群將一直處于下降狀態(tài)但下降速度的快慢不一，因此，需要從4月份開(kāi)始就立即對(duì)傳播力進(jìn)行實(shí)時(shí)預(yù)警。

綜上，政府官微的認(rèn)可度、互動(dòng)力以及傳播力均有較大上升空間。就認(rèn)可度而言，在諸如“杜嘉班納辱華”、“國(guó)家公祭日”、“氫彈之父逝世”等事件中，官微可以開(kāi)放更多有關(guān)歷史典故、偉人經(jīng)歷以及具有思想引導(dǎo)價(jià)值的檔案資料提高用戶認(rèn)同感;就互動(dòng)力而言，在諸如“艾滋病基因編輯嬰兒”、“蘋(píng)果銷售禁令”、“翟天臨學(xué)術(shù)造假”等事件中，官微可以從事件的輿情影響力入手，廣泛獲取用戶意見(jiàn)并促成積極輿論導(dǎo)向;就樣本官微的傳播力而言，在諸如“重慶公交車墜江”、“孟晚舟被捕”、“737MAX停飛”等事件中，官微應(yīng)當(dāng)利用事件本身的社會(huì)性質(zhì)，充分挖掘信息資源對(duì)用戶傳播共享的價(jià)值。

3?開(kāi)放政府用戶參與行為關(guān)聯(lián)分析

上文研究主要探索用戶參與行為在一定信息環(huán)境內(nèi)隨時(shí)間發(fā)展的趨勢(shì)，而用戶參與行為之間是否存在關(guān)聯(lián)則具有進(jìn)一步研究?jī)r(jià)值。因此結(jié)合式（2）構(gòu)造關(guān)于相互作用系數(shù)的關(guān)聯(lián)函數(shù)：

由圖5可知，圖中曲面分別為用戶點(diǎn)贊行為、評(píng)論行為以及轉(zhuǎn)發(fā)行為的擬合曲面，曲面上的散點(diǎn)在空間中的位置對(duì)應(yīng)三元變量值，結(jié)合圖例R方（0.78、0.54、0.69）可知，關(guān)聯(lián)模型的擬合具備較好的擬合度，故進(jìn)一步由圖中三元方程的參數(shù)估計(jì)得到用戶參與行為種群間相互作用系數(shù)（如表7）：

由表7可知，就政府官微的點(diǎn)贊種群而言，評(píng)論種群對(duì)其具有正向影響作用，轉(zhuǎn)發(fā)種群對(duì)其具有反向影響作用。從實(shí)踐意義上來(lái)說(shuō)，轉(zhuǎn)發(fā)行為對(duì)點(diǎn)贊種群的反向作用說(shuō)明單靠信息資源的傳播往往并不會(huì)帶來(lái)更多的社會(huì)認(rèn)同感，而評(píng)論行為對(duì)點(diǎn)贊種群的正向作用則說(shuō)明互動(dòng)能夠進(jìn)一步擴(kuò)充信息資源的內(nèi)涵（新觀點(diǎn)、新態(tài)度、新意見(jiàn)等），繼而促使用戶進(jìn)行點(diǎn)贊表達(dá)對(duì)互動(dòng)內(nèi)涵的認(rèn)可。

就評(píng)論種群而言，點(diǎn)贊種群對(duì)其具有反向影響作用，轉(zhuǎn)發(fā)種群對(duì)其具有正向影響作用。點(diǎn)贊行為對(duì)評(píng)論種群的反向作用說(shuō)明用戶對(duì)于自身所認(rèn)可的社會(huì)事件往往不會(huì)進(jìn)行深度討論，而轉(zhuǎn)發(fā)行為對(duì)評(píng)論種群的正向作用則說(shuō)明信息資源的擴(kuò)散能夠促使用戶進(jìn)行深入互動(dòng)。

就轉(zhuǎn)發(fā)種群而言，點(diǎn)贊種群對(duì)其具有反向影響作用，評(píng)論種群對(duì)其具有正向影響作用，這說(shuō)明了相較于具有認(rèn)可度的信息資源，具有爭(zhēng)議性和交流作用的數(shù)據(jù)往往會(huì)更受用戶偏好，并驅(qū)動(dòng)其轉(zhuǎn)發(fā)至自身網(wǎng)絡(luò)空間產(chǎn)生新的傳播作用。此外，由相互作用系數(shù)的數(shù)值大小可知，轉(zhuǎn)發(fā)行為更容易受到點(diǎn)贊行為與評(píng)論行為的作用，這就說(shuō)明了信息資源的認(rèn)可度與互動(dòng)力會(huì)對(duì)傳播力產(chǎn)生深遠(yuǎn)影響。

4?結(jié)?論

在開(kāi)放政府的建設(shè)中，用戶對(duì)信息資源的參與行為至關(guān)重要，本文通過(guò)融合Logistic方程與Markov模型進(jìn)行兩階段建模探索了開(kāi)放政府用戶參與行為隨時(shí)間變化的趨勢(shì)。首先，文章提出了一種基于用戶點(diǎn)贊、評(píng)論與轉(zhuǎn)發(fā)種群的分時(shí)段疊加雙向Logistic曲線，以此計(jì)算用戶參與行為的種群飽和度;其次，通過(guò)對(duì)各時(shí)間點(diǎn)的種群飽和度進(jìn)行聚類分級(jí)得到用戶參與行為的狀態(tài)空間，并構(gòu)建Markov模型計(jì)算用戶參與行為的轉(zhuǎn)移概率矩陣;最后，以政府官微“思想火炬”為樣本探索并預(yù)測(cè)了其用戶參與行為的實(shí)際狀態(tài)，對(duì)用戶參與行為間的作用關(guān)系展開(kāi)討論。經(jīng)過(guò)本文已有工作，不難發(fā)現(xiàn)：

第一，用戶參與行為間具備相互作用關(guān)系，轉(zhuǎn)發(fā)行為更易受到點(diǎn)贊行為與評(píng)論行為的影響。

通過(guò)對(duì)用戶參與行為間關(guān)聯(lián)模型的討論可知，點(diǎn)贊行為會(huì)受到評(píng)論行為的正向影響作用（2.09E-04），受到轉(zhuǎn)發(fā)行為的反向影響作用（-2.79E-04）;評(píng)論行為會(huì)受到點(diǎn)贊行為的反向影響作用（-6.10E-04），受到轉(zhuǎn)發(fā)行為的正向影響作用（9.59E-04）;轉(zhuǎn)發(fā)行為會(huì)受到點(diǎn)贊行為的反向影響作用（-0.23），受到評(píng)論行為的正向影響作用（0.5）。其中，用戶轉(zhuǎn)發(fā)行為更易受到點(diǎn)贊行為與評(píng)論行為的作用，這反映了開(kāi)放政府的信息資源認(rèn)可度與互動(dòng)力會(huì)對(duì)傳播力產(chǎn)生深遠(yuǎn)影響。

第二，融合模型能夠預(yù)測(cè)用戶參與行為的發(fā)展脈絡(luò)，進(jìn)而指導(dǎo)政府進(jìn)行實(shí)時(shí)預(yù)警。

由融合模型未來(lái)5個(gè)月的預(yù)測(cè)結(jié)果可知，用戶點(diǎn)贊種群的變化將處于波動(dòng)狀態(tài)（狀態(tài)3）并在8月有下滑的可能（狀態(tài)1），政府官微需要在8月對(duì)開(kāi)放信息資源的認(rèn)可度進(jìn)行實(shí)時(shí)預(yù)警;用戶評(píng)論種群將在6月歷經(jīng)短暫反彈上升（狀態(tài)4）后于7月起繼續(xù)保持快速下降（狀態(tài)2），官微需要在7月對(duì)信息資源的互動(dòng)力進(jìn)行實(shí)時(shí)預(yù)警;用戶轉(zhuǎn)發(fā)種群將一直處于下降狀態(tài)但下降速度的快慢不一（狀態(tài)1、狀態(tài)2），官微需要從4月份開(kāi)始就立即對(duì)信息資源的傳播力進(jìn)行實(shí)時(shí)預(yù)警。

第三，當(dāng)信息資源聚焦國(guó)際關(guān)系時(shí)，用戶參與度顯著提升。

當(dāng)政府官微開(kāi)放信息資源的熱點(diǎn)集中于國(guó)際間法律關(guān)系、科技關(guān)系以及歷史關(guān)系時(shí)，用戶參與的點(diǎn)贊種群、評(píng)論種群以及轉(zhuǎn)發(fā)種群均處于狀態(tài)4，具備較小的正向飽和水平，種群處于快速上漲狀態(tài)，表明聚焦于國(guó)際關(guān)系的政府信息資源更有益于促進(jìn)用戶參與度的提高。

參考文獻(xiàn)

[1]Luscombe A，Walby K，Lippert R K.Brokering Access Beyond the Border and in the Wild：Comparing Freedom of Information Law and Policy in Canada and the United States[J].Law & Policy，2017，39（3）：259-279.

[2]Catlaw T J，Sandberg B.‘Dangerous Government：Info-Liberalism，Active Citizenship，and the Open Government Directive[J].Administration & Society，2015，46（3）：223-254.

[3]趙潤(rùn)娣.政府信息公開(kāi)領(lǐng)域新發(fā)展：開(kāi)放政府?dāng)?shù)據(jù)[J].情報(bào)理論與實(shí)踐，2015，38（10）：116-121.

[4]宋雪雁，張祥青，管丹丹，等.基于MUSA模型的政府網(wǎng)站知識(shí)服務(wù)質(zhì)量用戶滿意度實(shí)證研究[J].圖書(shū)情報(bào)工作，2018，62（23）：32-42.

[5]王本剛，馬海群.開(kāi)放政府理論分析框架：概念、政策與治理[J].情報(bào)資料工作，2015，（6）：35-39.

[6]汪慶怡，高潔.面向用戶服務(wù)的美國(guó)政府開(kāi)放數(shù)據(jù)研究及啟示——以美國(guó)Data.gov網(wǎng)站為例[J].情報(bào)雜志，2016，35（7）：145-150.

[7]Xu H，Qian C.Study on Social Media Applications By Government in Hong Kong[C]//International Conference on Theory & Practice of Electronic Governance.New York：ACM，2012：267-270.

[8]Mergel I，Greeves B.Social Media in the Public Sector Field Guide：Designing and Implementing Strategies and Policies[M].New York：John Wiley & Sons，2012.

[9]陳強(qiáng).政務(wù)新媒體政策研究的國(guó)內(nèi)外進(jìn)展及未來(lái)取向[J].情報(bào)雜志，2018，37（11）：76-80.

[10]趙玲，張靜.微博用戶行為研究的多維解析[J].情報(bào)資料工作，2013，（5）：65-70.

[11]Milic P，Veljkovic N，Stoimenov L.Comparative Analysis of Metadata Models on E-government Open Data Platforms[J].IEEE Transactions on Emerging Topics in Computing，2018，（3）：1-1.

[12]周軍杰.需求導(dǎo)向的中國(guó)政府?dāng)?shù)據(jù)開(kāi)放研究[J].電子政務(wù)，2014，（12）：61-67.

[13]劉國(guó)敏.圖書(shū)館微博社區(qū)的用戶參與行為研究[J].圖書(shū)館論壇，2014，34（1）：57-61.

[14]沈晶，韓磊，胡廣偉.政府?dāng)?shù)據(jù)開(kāi)放發(fā)展速度指數(shù)研究——基于我國(guó)省級(jí)政府?dāng)?shù)據(jù)開(kāi)放平臺(tái)的評(píng)估[J].情報(bào)雜志，2018，37（11）：156-163.

[15]吳鋼，曾麗瑩.國(guó)內(nèi)外政府開(kāi)放數(shù)據(jù)平臺(tái)建設(shè)比較研究[J].情報(bào)資料工作，2016，（6）：75-79.

[16]韓普.社會(huì)化媒體環(huán)境下公眾參與智慧城市管理的眾包概念模型研究[J].現(xiàn)代情報(bào)，2018，38（7）：19-24.

[17]Bobbio L.Designing Effective Public Participation[J].Policy and Society，2018，（1）：1-17.

[18]葉鳳云，邵艷麗，張弘.基于行為過(guò)程的移動(dòng)社交媒體用戶信息質(zhì)量評(píng)價(jià)實(shí)證研究[J].情報(bào)理論與實(shí)踐，2016，39（4）：71-77.

[19]陳衛(wèi)東，楊若愚.政府監(jiān)管、公眾參與和環(huán)境治理滿意度——基于CGSS2015數(shù)據(jù)的實(shí)證研究[J].軟科學(xué)，2018，32（11）：49-53.

[20]錢(qián)明輝，徐志軒，王珊.基于用戶參與的在線健康平臺(tái)信息服務(wù)質(zhì)量研究[J].情報(bào)學(xué)報(bào)，2019，38（2）：132-142.

[21]Brighton L J，Pask S，Benalia H，et al.Taking Patient and Public Involvement Online：Qualitative Evaluation of an Online Forum for Palliative Care and Rehabilitation Research[J].Research Involvement and Engagement，2018，（12）：4-14.

[22]沙勇忠，田生芃，肖桂芳.在線公共事務(wù)討論的用戶參與行為影響因素研究[J].圖書(shū)與情報(bào)，2015，（3）：125-133.

[23]李潔，韓嘯.公民自愿、技術(shù)接受與網(wǎng)絡(luò)參與：基于結(jié)構(gòu)方程模型的實(shí)證研究[J].情報(bào)雜志，2019，38（2）：201-207.

[24]王芳，彭超然.公眾集聚度與政府審計(jì)質(zhì)量——基于公共選擇理論的分析[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2015，（2）：72-79.

[25]鄧崧，葛百潞.中外政府?dāng)?shù)據(jù)開(kāi)放比較研究[J].情報(bào)雜志，2017，36（12）：138-144.

[26]常春，楊婧.基于生物種群增長(zhǎng)規(guī)律的概念詞頻變化特征研究[J].情報(bào)科學(xué)，2018，36（10）：128-132.

[27]黃煒，宋為，李岳峰.基于Logistic種群增長(zhǎng)模型的微信消息轉(zhuǎn)發(fā)影響因素研究[J].情報(bào)理論與實(shí)踐，2018，41（7）：78-86.

[28]朱曉峰，張衛(wèi)，張琳.基于種群密度的微政務(wù)信息公開(kāi)共生演化研究[J].情報(bào)學(xué)報(bào)，2018，37（8）：822-835.

[29]Verma S M，Reddy V，Verma K，et al.Markov Models Based Short Term Forecasting of Wind Speed for Estimating Day-Ahead Wind Power[C]//IEEE.2018 International Conference on Power，Energy，Control and Transmission Systems（ICPECTS）.Chennai，2018：31-35.

[30]饒浩，文海寧，林育曼，等.改進(jìn)的支持向量機(jī)在微博熱點(diǎn)話題預(yù)測(cè)中的應(yīng)用[J].現(xiàn)代情報(bào)，2017，37（3）：46-51.

[31]李電生，張騰飛.基于Logistic生長(zhǎng)方程——馬爾可夫模型的港口投資風(fēng)險(xiǎn)測(cè)度[J].中國(guó)管理科學(xué)，2018，26（3）：33-42.

[32]張和平，陳齊海.基于灰色馬爾可夫模型的網(wǎng)絡(luò)輿情預(yù)測(cè)研究[J].情報(bào)科學(xué)，2018，36（1）：75-79.

[33]鄭巖巖，舒彤，陳收，等.外商直接投資趨勢(shì)研究——基于灰色馬爾可夫預(yù)測(cè)模型與時(shí)間序列模型的對(duì)比[J].系統(tǒng)工程理論與實(shí)踐，2016，36（4）：897-909.

[34]劉嘉琪，齊佳音，朱舸.社交媒體中企業(yè)生成內(nèi)容（EGC）的社會(huì)化傳播行為研究——基于內(nèi)容和情感分析視角[J].情報(bào)科學(xué)，2018，36（8）：135-141.

[35]張亮，張玲玲，陳懿冰，等.基于信息融合的數(shù)據(jù)挖掘方法在公司財(cái)務(wù)預(yù)警中的應(yīng)用[J].中國(guó)管理科學(xué)，2015，23（10）：170-176.

[36]Dax T，F(xiàn)ischer M.An Alternative Policy Approach to Rural Development in Regions Facing Population Decline[J].European Planning Studies，2018，26（2）：297-315.

[37]Matis J H，Kiffe T R，Werf W V D，et al.Population Dynamics Models Based on Cumulative Density Dependent Feedback：A Link to the Logistic Growth Curve and a Test for Symmetry Using Aphid Data[J].Ecological Modelling，2009，220（15）：1745-1751.

[38]Jolicoeur P，Pontier J.Population Growth and Decline：A Four-Parameter Generalization of the Logistic Curve [J].Journal of Theoretical Biology，1989，141（4）：563-571.

[39]唐強(qiáng)榮，徐學(xué)軍，何自力.生產(chǎn)性服務(wù)業(yè)與制造業(yè)共生發(fā)展模型及實(shí)證研究[J].南開(kāi)管理評(píng)論，2009，12（3）：20-26.

[40]龐博慧.中國(guó)生產(chǎn)服務(wù)業(yè)與制造業(yè)共生演化模型實(shí)證研究[J].中國(guó)管理科學(xué)，2012，20（2）：176-183.

[41]張耀輝，周森鑫，李超.多態(tài)有獎(jiǎng)馬爾可夫?qū)W術(shù)期刊動(dòng)態(tài)評(píng)價(jià)模型研究[J].情報(bào)理論與實(shí)踐，2016，39（5）：46-52.

[42]王若佳，魏思儀，趙怡然，等.數(shù)據(jù)挖掘在健康醫(yī)療領(lǐng)域中的應(yīng)用研究綜述[J].圖書(shū)情報(bào)知識(shí)，2018，（5）：114-123.

[43]翟?shī)檴櫍S鑫，夏立新.融合鏈接分析和內(nèi)容分析視角的主題門(mén)戶網(wǎng)站信息組織研究——以國(guó)際組織WHO為例[J].情報(bào)學(xué)報(bào)，2017，36（8）：821-833.

[44]陳晨.國(guó)家文化安全與意識(shí)形態(tài)建設(shè)研究中心開(kāi)通官方微博[EB/OL].中國(guó)青年網(wǎng)，2013-12-26.http：//news.youth.cn/gn/201312/t20131226_4446270.htm，2019-04-23.

（責(zé)任編輯：陳?媛）