多平台视角下用户知识交流主题挖掘与画像分析——以ChatGPT话题为例

作     者：严炜炜 曹灿瑜 Yan Weiwei;Cao Canyu

作者机构：武汉大学信息管理学院湖北武汉430072 

出 版 物：《现代情报》 (Journal of Modern Information)

年 卷 期：2024年第44卷第7期

页      面：47-59页

核心收录：

学科分类：12[管理学] 1204[管理学-公共管理] 03[法学] 0306[法学-公安学] 

基　　金：国家自然科学基金面上项目“情境意识驱动的跨平台知识交流行为及其价值共创研究”(项目编号:72374159) 中央高校基本科研业务费专项基金资助项目“多元社区情境下用户知识交流价值识别与共创研究”(项目编号:2042023kf0173) 

主　　题：知识交流 多元平台 主题模型 BERTopic 用户画像 

摘      要：[目的/意义]基于多平台视角挖掘用户知识交流主题特征,构建用户画像标签体系,有助于全面理解用户利用差异化平台开展知识交流行为的规律偏好,为平台提供精确优化策略,为平台间生态建设提供参考依据。[方法/过程]采集大众社交平台、兴趣交流平台、垂直知识平台3类典型平台中ChatGPT话题相关的原创博文及用户数据,采用BERTopic模型凝练知识交流主题,结合多平台数据特点,从自然属性、社会属性、知识交流行为属性和知识交流主题属性4个维度抽出画像标签,通过K-means聚类实现用户画像,呈现群组特征并进行平台差异对比。[结果/结论]研究识别出了应用场景、行业进展、未来探讨、相关产业、咨询求助、热门话题、使用感受、风险监督8大知识交流方向及46个主题;根据属性特征将用户划分为专业贡献型、综合共享型、社交求知型和话题潜力型4类,平台间知识交流主题和用户画像存在显著差异,各平台应采取差异化的激励方式,增强平台用户黏性。