大V用户云词图分析
根据用户的微博总数、粉丝数量、日均微博量、微博原创率、平均评论数以及平均转发数，本章尝试对用户进行可视化展示。
图4-12为基于大V用户微博总数的可视化结果。可以看出，“迟夙生律师”“任志强”“老榕”“传媒老王”等用户的微博数量明显高于其他用户。
图4-12 大V微博总数词云图
图4-13为基于大V日均微博发布量的可视化结果。可以看出，“传媒老王”“老榕”“迟夙生律师”等用户日均发布微博的总数量明显高于其他用户。同时，“任志强”的日均微博数量相对较低，说明“任志强”的微博发布是持续而均匀的，并非集中性、大量发布的。
图4-14为基于大V用户微博原创率的可视化结果，可以看出，“邱毅台湾”“水皮”“秦朔”“张鸣”“传媒老王”等用户的微博原创率明显高于其他用户。同时，“老榕”“迟夙生律师”等高产微博用户的原创率明显较低，说明这类用户往往偏好大量转发他人微博。
图4-15为基于大V微博平均评论数的可视化结果。可以看出，“李开复”“韩寒”等名人用户微博的平均评论数明显高于其他用户。同时，结合图4-13、图4-14来看，高产大V用户或者原创率高的大V用户评论量相对较少。因此，可以看出，微博具有明显的名人效应，大V用户的名气越大往往越能吸引更多的关注与流量。
图4-13 大V日均微博发布量词云图
图4-14 大V微博原创率词云图
图4-15 大V微博平均评论数词云图
图4-16为基于大V微博平均转发数的可视化结果。可以看出，“韩寒”“李开复”“徐昕”“袁裕来律师”等大V用户的微博平均转发数要明显高于其他用户。结合图4-15来看，大V用户微博评论数的可视化结果比转发数结果稀疏，这表明某几个大V用户的评论数要远远高于其他用户。在大V微博转发数的统计结果中，虽然显示用户间存在差异，但差异结果要小于评论数的表现。这或许与大V用户对于转发或评论等行为的不同态度有关，他们往往认为评论行为需要付出的成本比转发行为更多。
图4-16 大V微博平均转发数词云图
图4-17为基于大V微博粉丝数量的可视化结果。可以看出，“姚晨”“郭德纲”“高晓松”“韩寒”等大V用户的粉丝数量明显高于其他用户，这同样是微博名人效应的直接体现。名人尤其是娱乐圈的名人用户，往往能吸引更多的粉丝，即使这些用户很少或者较少发布微博。
图4-17 大V微博粉丝数词云图