社交媒体传播效果的概念界定

传播效果即传播对人的行为产生的有效结果。从广义上来讲，传播效果是传播行为所引起的客观结果，包括对他人和周围社会实际发生作用的一切影响和后果。从狭义上来讲，传播效果是传播者的某种行为实现其意图或目标的程度。社交媒体传播效果则指的是社交媒体上的传播行为产生的有效结果。^[91]

在新媒体时代，新浪微博已然成为突发事件最普遍、最快捷的传播平台。有关部门不得不在短时间内对于社交媒体上的突发事件相关信息做出迅速处理。因此，预测突发事件的微博传播效果有助于管理部门及时发现潜在问题，提高决策前瞻性。对于官方媒体发布的突发事件，本文提出了一种预测其传播效果的方法：从转发、评论以及点赞的次数来测算微博上突发事件的传播效果。为达到这一目标，我们首先提取了用户画像、文本特征以及交互属性并分别进行核查。在此基础上，我们构建了一个基于随机森林的改良模型，并对其进行训练和测试，用于预测新浪微博数据库中的公众互动情况。实验结果表明，该算法与现有模型相比具有较好的性能。

新浪微博是一款能够进行转发、评论和点赞的社交软件，截至2022年6月其用户月活量达5.82亿，是人们获取信息的主要媒体平台之一。通常情况下，突发事件首先会在微博上被发布并得到广泛传播，且随着近年来新媒体平台的迅速发展，新浪微博已然成为中国广大网民使用最普遍、传播最迅捷的信息来源。

许多突发事件都是用户率先在社交媒体上发布的，他们发布信息的速度要比官方媒体快得多。因此如何在用户体量非常大的新浪微博上报道突发事件，对于官方媒体的突发事件传播意义重大。(https://www.daowen.com)

事实上，已经有大量实验从两个角度对人们在社交媒体上的互动行为进行了研究。其一，研究转发模式的个人行为。Yao^[92]等人发现新浪微博的转发行为呈现出聚合特征，不同属性的用户具有特定的转发习惯。Li^[93]等人结合潜在话题特征和用户特征建立了预测转发行为模型。但由于用户数据的限制，研究个体行为较为困难。其二，不针对特定用户，而是从完整的用户群体中进行交互行为的研究。研究者使用了不同的模型，如逻辑回归模型^[94]、LSTM^[95]模型和决策树^[96]模型。虽然其中一些模型已经达到了较高的精度，但它们主要关注的是各种类型的帖子。而且这些模型也存在一定的局限性，比如需要实时详细的数据或者只适用于特征相对较少的数据集。

关于突发事件对社会公众影响的研究非常有限，更不用说使用定量的方法研究突发事件的传播效果了。部分研究人员对公共卫生方面的突发事件进行了研究，例如Ritterman等^[97]利用市场预测和推特，通过时间序列模型预测了猪流感的流行。An等^[98]研究了有关传染病暴发的帖子的传播影响，通过研究埃博拉病毒的帖子，他们的决策树模型达到了86%的准确率。

然而，这些方法都只局限于某一特定事件，缺乏时效性，不能应用到其他类型的突发事件中。相比之下，我们的成果可概括如下：首先，我们引入机器学习的方法来预测突发事件在社交媒体上的传播效果，使突发事件的传播效果更具可控性。其次，为了保证突发事件的权威性和真实性，我们使用了官方媒体的微博数据，采用规范化和数据预处理的方法，保证了不同特征的一致性。再次，本文尝试了四种机器学习模型：SVM模型、Random Forest随机森林模型、CatBoost模型和LightGBM模型，并根据准确率、召回率和f1值对它们进行了比较。这里增加了同类数量、再发布数量和评论数量等数据维度，以全面有效地评估公众的互动程度。最后以不同因素对应急传播的重要程度为标准进行排序，以精准预测一篇博文对突发事件信息传播的影响。