[1] 冯继民. 对网络中信息流的研究[J]. 管理科学文摘, 1995(5):51. [2] 王环,朱敏. 基于点权的混合K-shell关键节点识别方法[J]. 华东师范大学学报(自然科学版), 2019(3):101-109. [3] 张森. 现代性视域中网络意见领袖的代际演替[J]. 人民论坛, 2020(22):110-112. [4] 林心宇,任映红. 重大突发公共卫生事件的网络舆情及引导机制研究[J]. 学术研究, 2021(7):65-68. [5] 王顶,徐军,段存玉,等. 基于PageRank的用户影响力评价改进算法[J]. 哈尔滨工业大学学报, 2018,50(5):60-67. [6] 黄贤英,阳安志,刘小洋,等. 一种改进的微博用户影响力评估算法[J]. 计算机工程, 2019,45(12):294-299. [7] 于笑明,李文杰. 基于用户转发的User-BehaviorRank算法研究[J]. 天津理工大学学报, 2018,34(1):19-24. [8] 王曰芬,王一山,杨洁. 基于社区发现和关键节点识别的网络舆情主题发现与实证分析[J]. 图书与情报, 2020(5):48-58. [9] 徐冰村,张晓冬. 开源社区中的意见领袖识别及跟随效应仿真[J]. 情报理论与实践, 2019,42(12):101-107. [10] 陈芬,高小欢,彭玥,等. 融合文本倾向性分析的微博意见领袖识别[J]. 数据分析与知识发现, 2019,3(11):120-128. [11] 祝旭冉. 基于"谷爱凌"话题的微博意见领袖实证分析[J]. 新媒体研究, 2022,8(14):119-122. [12] 王佳敏,吴鹏,陈芬,等. 突发事件中意见领袖的识别和影响力实证研究[J]. 情报学报, 2016,35(2):169-176. [13] 张连峰,周红磊,王丹,等. 基于超网络理论的微博舆情关键节点挖掘[J]. 情报学报, 2019,38(12):1286-1296. [14] 罗晓光,溪璐路. 基于社会网络分析方法的顾客口碑意见领袖研究[J]. 管理评论, 2012,24(1):75-81. [15] 库珊,刘钊. 基于PageRank与HITS的改进算法的网页排名优化[J]. 武汉科技大学学报, 2019,42(2):155-160. [16] 熊涛,何跃. 微博转发网络中意见领袖的识别与分析[J]. 现代图书情报技术, 2013(6):55-62. [17] LIU P.Determination of the weights for the ultimate cross efficiency using expert scoring method[J]. Engineering Letters, 2021,29(3). [18] 马宁,刘怡君. 微博中谣言信息与辟谣信息综合影响力对比研究[J]. 情报资料工作, 2020,41(3):41-48. [19] 王丽君,戴建华. 网络舆情衍生链的定量分析方法研究[J]. 情报科学, 2016,34(7):59-63. [20] KLEINBERG J M.Authoritative sources in a hyperlinked environment[J]. Journal of the ACM, 1999,46(5):604-632. [21] 毛国君,谢松燕,胡殿军. PageRank模型的改进及微博用户影响力挖掘算法[J]. 计算机应用与软件, 2017,34(5):28-32. [22] 郭博,许昊迪,雷水旺. 知乎平台用户影响力分析与关键意见领袖挖掘[J]. 图书情报工作, 2018,62(20):122-132. [23] NEWMAN M E J. 网络科学引论[M]. 郭世泽,陈哲,译. 北京:电子工业出版社, 2014. [24] 陈红松,王钢,张鹏. 基于Hadoop云平台的新浪微博社交网络关键节点挖掘算法[J]. 东南大学学报(自然科学版), 2018,48(4):590-595. [25] RAHMAN M, SA C L, MASUD M A K. Predicting firms’ financial distress: An empirical analysis using the f-score model[J]. Journal of Risk and Financial Management, 2021,14(5):1-16. [26] 杨柯帆. 中文微博短文本主题挖掘方法研究与原型系统开发[D]. 大连:大连海事大学, 2017. [27] 欧阳纯萍,陈湘龙,刘永彬. 基于网络新闻评论的四度用户影响力分析模型[J]. 计算机工程与设计, 2021,42(9):2671-2678. [28] 贾春园. 关联数据挖掘在微博意见领袖识别中的研究[D]. 郑州:郑州大学, 2017. |