知識圖譜視角下的用戶生成內容（UGC）研究

黃永勤

>>【摘要】

以Web of Science、CNKI和維普等數據庫收錄的近年來國內外關于用戶生成內容（UGC）的文獻為數據來源，借助CiteSpace繪制知識圖譜，進而梳理UGC領域的演進路線和知識基礎，分析出其概念、方法、技術和應用四大層面的研究熱點，歸納出其知識管理、傳播模式及關系挖掘、商業應用和社會服務的4個前沿主題，可視化分析結果為UGC的進一步研究提供了參考。

>>【關鍵詞】

UGC 用戶生成內容 知識圖譜 可視化 CiteSpace

用戶生成內容UGC（user generated content）是一種新興網絡信息資源創作與組織模式，是在以開放、參與的自服務模式為主要特征的Web 2.0環境下發展起來的。目前關于“UGC”還沒有一個公認的定義，OECD對UGC的描述在業界較有影響力，其指出了UGC的三大特征：①Internet上公開可用的內容；②內容的創新性；③強調普通用戶的創作[1]。

隨著2005年視頻分享網站YouTube的推出，UGC模式迅速引起互聯網、移動商務和電子政務等領域的關注，并成為國際IS研究的熱點。經過近7年的發展，UGC領域研究成果顯著。然而，目前僅有范哲[2]和趙宇翔[3]對其初期進展、概念解析做了總結，且研究多以描述性歸納為主，筆者試圖借助CiteSpace[4]軟件，生成知識圖譜，從定量與可視化的角度來揭示UGC領域的演進路徑、知識基礎、研究熱點和前沿。

1 數據獲取與處理

選取CNKI《中國學術文獻網絡出版總庫》、維普、萬方、Web of Science（包含SCIE、SSCI和A&HCI）作為來源數據庫，以user generated content、UGC、consumer generate content、CGC、user created content、UCC、consumer generated media、user generated data、user generated video content、用戶生成內容、用戶貢獻內容、用戶創造內容、用戶原創內容、客戶自主產生內容等詞為主題、標題或關鍵詞進行檢索。經利用HistCite軟件對遺漏文獻進行補全、剔重和清洗數據，最后獲得中文論文140篇，外文785篇（注：數據采集時間截至2012年10月16日，納入分析的論文指具有摘要、關鍵字等論文標準規范的文獻）。此外，為了準確分析“關鍵詞”，作者進行了大小寫轉換、格式統一、同義詞合并等處理。

2 演進路徑分析

選定“參考文獻”節點，以合適閾值運行國外文獻數據，生成如圖1所示的知識圖譜。圖中每個節點代表一篇文獻，節點越大說明該文獻被引次數越多；連線代表文獻間的引用，連線越粗表明共引次數越多，即文獻關系越緊密，研究主題也越相近。以時間為軸，知識的演進路徑如下：①2007年，A1聚焦網絡視頻的發展，闡述了UGC理念、商業合理性及社交媒體的大眾化[5]；A2探討了“e-learning（在線學習）”等主題。②2008年，B1集中關注了移動網絡的UGC數據；B2提出了一種“user generated tabloid content（用戶原創小報內容）”[6]概念，探討了UGC模式對傳統媒體的挑戰。③2009年，C1著力探究了網絡數據挖掘、協同標簽模型[7]等主題；C2重視用戶行為及分類[8]；C3關注UGC網絡視頻系統的服務模式。④2010年，D對UGC內容的收集與組織[9]、用戶動因機制兩方面做了系統深入的研究。⑤2011年，E1討論了協作機制和用戶關系等主題；E2轉向旅游行業，分析了UGC內容、口碑對用戶決策的影響，并對相關商業模式進行了思考；E3細數了UGC給傳媒、輿論、服務業帶來的挑戰和變革[10]。

2005-2006年是UGC發展的初期階段，UGC以介紹性的報道進入研究者的視野，并引起研究者的極大興趣，隨后開啟了學術研究的旅程；2007-2008年是文獻呈指數增長的快速發展期，UGC的研究主題逐漸拓展，針對社交平臺、新媒體、移動網絡和新聞傳媒進一步解析了UGC理念，但相關研究主題分散，缺乏關聯；隨著研究的深入，A1、A2、B1、B2和C1開始“向中心靠攏”，2009-2010年，研究者開始注重從整合的視角，應用信息技術挖掘隱性知識和用戶關系，這切合了知識管理的潮流；現階段研究熱情有所下降，處在平穩發展期，研究主題重點關注應用層面，如商業模式、知識利用、用戶行為和社會服務等。

圖1 文獻共被引網絡

3 知識基礎分析

3.1 基礎文獻

知識基礎（intellectual bases）是由引用研究前沿術語的科學文獻所形成的演化網絡的引文和共引軌跡，它能相對穩定地反映某一學科領域前沿的本質，有助于預測動態趨勢[4]。統計共被引頻次，排名前6位的節點信息見表1，這些奠基性文獻組成了該領域的知識基礎。紫色圈關鍵節點文獻有4篇：T. O'Reilly[11]闡述了Web 2.0的由來、架構及應用發展等，指出Web 2.0是UGC模式誕生的平臺；H. Jenkins[12]介紹了文化背景下新舊媒體的融合與發展，認為新媒體的產生促進了UGC的發展；C. Anderson[13]引入長尾理論探討社交媒體商業應用；D. Tapscott[14]基于維基百科的成功，闡述了一種新的商業模式：維基經濟學，維基百科是一種用戶可編輯的百科，這種用戶參與生成內容的機制正是UGC最初的靈感來源。此外，中心度是對網絡中任意最短路徑流經節點的度量。經統計，中心度大于0.1的共有4篇文獻，它們都在基礎文獻之列，可見它們在該領域的重要鏈接作用，這些成果為UGC的興起和快速發展奠定了基礎。

表1 國外高共被引知識基礎文獻

3.2 高被引文獻

國內外研究成果被引頻次排名前3的文獻信息見表2。

表2 國內外高被引文獻

A.M. Kaplan[10]闡述了社交媒體的概念、應用及分類，并對企業如何利用社交媒體提出了建議；C. Forman[15]探討了在線電子市場中消費者發表的評論、產品地理位置信息的披露、商家口碑聲譽及網上社區規范對產品銷售產生的影響；其他文獻研究還涉及UGC用戶代理、用戶創作的積極性、視頻網站體系等。

趙宇翔[16]討論了UGC中參與者的分類及影響用戶生成內容的動因，并構建了用戶生成行為動因的整合模型，后續研究以土豆網為例對模型進行了實證檢驗；徐佳寧[17]探討了Web 2.0平臺下非正式科學信息發布主體、發布行為、發布內容、信息接受和互動方式等過程和特征；其他文獻研究內容還包括虛擬社區、商業模式及隱私法律問題等。

綜上對比分析，可得到以下結論：

● 表1所列基礎文獻中沒有純UGC研究文獻，大多只涉及其發展的原因和背景，也沒有形成以高被引經典學術論文為中心的關鍵節點，可見該領域學術論文的LCS（local citation score）值很低，研究方向也比較分散。筆者認為產生這一現象的原因有兩方面：一是國外研究機構的合作力度和強度較弱；二是尚未形成核心的研究團體來引領主要的研究方向。

● 表2中高被引文獻的頻次均高于表1中的知識基礎文獻，但卻未在共引圖譜中形成關鍵的抑或高被引節點，說明表2中文獻的高被引頻次只是表征在GCS（global citation score）值上，在本領域內的核心影響力不足。

● 國內文獻被引頻次遠低于國外，大部分論文在低被引和零被引之間，主要是因為國內研究還處于起步階段，也與發表論文的平臺和論文質量有關。國內學者需進一步加大力度，深化研究，放開眼界，與國際前沿接軌，并注重創新性和實用性。

4 研究熱點分析

關鍵詞是文獻核心內容的高度凝練，因此常被用來探索一個領域的熱點。將處理后的數據導入CiteSpace軟件，生成如圖2、圖3所示的共詞圖譜，排名前10位的關鍵詞如表3所示：

表3 排名前10位的關鍵詞

圖2中形成了 “user generated content”和“model（模型構建）” 兩個紫色圈關鍵節點，與“Web 2.0”、“social media（社交媒體）”、“social networks（社交網絡）”、“internet（互聯網）”、“system（系統）”等節點共同組成國外熱點領域，研究主題包括UGC基礎理論與框架、社交網絡與行為動因、系統構建以及新媒體應用等。

“用戶生成內容（UGC）”、“Web2.0”、“用戶行為”、“網絡視頻”、“互聯網”和“新媒體”6個關鍵節點代表了國內研究熱點，涵蓋了UGC概念、主體及網絡平臺等方面。此外，“模型（建模）”、“商業模式”、“移動互聯網”、“微內容”、“博客（blog）”及“口碑”等節點也顯示出國內對UGC內容分析與評價、商業應用和模型構建的關注度。

圖2 國外關鍵詞共現圖譜 圖3 國內關鍵詞共現圖譜

對比國內外研究熱點，可得出以下結論：

整體而言，國內外高頻主題詞都包含 “UGC”、“web 2.0”、“model”、“internet”、“social media”和“user behavior（用戶行為）”等，且所占百分比相似，它們代表了國內外研究的交集，反映出了該研究領域的主流方向。

另一方面，國內外研究各有特點和側重，國外的“system”、“design（設計構建）”、“privacy（隱私權）”、“knowledge management（知識管理）”、“retrieval（檢索）”及“folksonomy（自由分類法）” 都未出現在國內高頻詞中，反映出國外對系統構建、權益法規及知識利用等方面的研究熱于國內；“網絡視頻”、“移動互聯網”及“商業模式”等高頻詞匯在國內的出現比率大于國外，表明國內更重視UGC商業模式及平臺應用的研究。

通過對關鍵詞聚類歸納，筆者認為UGC研究熱點集中在以下4個層面：

● 概念層面，包括Web 2.0、媒體社會化、數據開放、網絡社區等與UGC密切相關的概念，這是本領域的背景知識和基礎。A. Armstrong[18]虛擬社區研究，P. B. Brandtz?g[19]的用戶類型研究，D. Jessica[20]的UGC發展趨勢預測及文獻[1]、[3]等都從多角度對UGC的基本理念進行了闡述。

● 方法機制層面，涵蓋動因研究、模型設計、信任機制、口碑及用戶行為等方向，如蔡淑琴[21]構建超圖設計模型探尋UGC產品族設計映射，T. W. Malone[22]采用類型理論探究大眾行為模式，文獻[2]作者構建結構方程模型探討生成動因等。這些研究立足模型、方法，引入實證分析，在UGC的內容組織、知識利用和隱性行為挖掘方面做了重要工作。

● 技術層面，包括微內容的分析處理、文本挖掘、設計（design）、系統（system）、機器學習和信息檢索與處理等。B. Sriram等[23]提出短文本預分類思想，蔣盛益[24]對微博信息的挖掘技術做了歸納和展望。相關成果從信息技術、算法等角度深入研究了內容挖掘、用戶標簽、社區發現和情感檢測等內容，進一步深化了UGC知識管理的技術驅動。

● 應用層面，涉及社交媒體（如Wikipedia和微博等平臺）、移動互聯網、電子商務、公共服務、醫療健康和涉法問題等。Ye Qiang等[25]研究了UGC口碑對旅游電子商務的影響，L. Hilton[26]深入分析了醫患關系中的UGC評價。此外，還有部分研究探討圖書館、檔案館、博物館等公共服務事業與移動互聯網和社交網絡的整合，部分成果關注UGC內容的版權、隱私和輿論引導等問題。該層面的研究觸及多學科領域，但“淺嘗輒止”，UGC的社會實踐有待進一步加強。

5 研究前沿分析

普賴斯通過對科學引文網絡的觀察發現被引用最多的文獻是新近發表的文章，因而提出了“研究前沿”的概念并以此描述學科研究領域的過渡本質[27]；皮爾遜（O. Persson）認為施引文獻形成研究前沿，被引文獻是知識基礎[28]；陳超美在2005年提出了新的看法，他認為使用突現主題術語（surged topical terms）要比使用出現頻次最高的主題詞（tittle words）更適合探測學科發展的新興趨勢和突變情況[4]。

利用CiteSpace提供的膨脹詞探測（burst detection）技術運行數據，得到圖4所示的研究前沿時區知識圖譜。分析突變詞和圖譜，筆者將研究前沿歸為以下四大主題領域：

5.1 UGC知識管理

突變詞“knowledge”、“mining”、“information”等從管理和技術兩個維度揭示了學者對UGC內容的研究思路。管理層面側重對UGC理論、方法、規律、模型和機制進行研究，從信息組織、生成動因和生成模式等角度探究了UGC內容的屬性、類型、利用、分析框架、知識管理和質量評價，朱慶華教授主持的教育部人文社科項目“Web 2.0環境下用戶生成內容激勵機制與評價機制的設計及其協同研究”就在管理層面獲得了不錯的研究成果。在技術層面，隨著微博、SNS等社交媒體的出現和發展，互聯網上存在大量非結構化數據，研究人員關注探究如何利用短文本挖掘技術、人工標注、話題趨勢監測、情感傾向分析、關聯數據及協同過濾等技術來獲取更深層次的隱性內容。然而，一些基礎技術研究仍是短板，例如詞加權方法、可視化和主題聚類分類等，從技術層面研究如何從信息中挖掘知識仍將是熱點。蔡淑琴教授主持的國家自然科學基金項目“微內容生產加工模式及其支持平臺的研究”已率先進行探索。

5.2 UGC信息傳播模式及其關系網絡挖掘

傳播模式的討論涉及傳播結構、傳播路徑、用戶影響力干擾、節點判定和模型構建等方面，突變詞“collaboration”和“model”代表了傳播模式中模型的構建和用戶協作及其影響。關系挖掘范疇主要是基于用戶間相互關注和信息傳遞形成的關系網開展的研究，應用計算機智能技術通過發現社區和識別評估意見領袖，同時引入復雜網絡理論、社會網絡分析技術等探討用戶節點和關系結構，正如突變詞“community”、“design”和“systems”等所代表的內涵，大數據時代背景，大規模、高動態、錯綜復雜的關系網有待更深入的探究，網絡可視化的呈現也將成為重要的研究方向。

5.3 UGC商業應用

社交網絡的興起帶來無限商機，相關商業模式的探索更是強有力地推動了SNS的迅速發展，突變詞“social media”、“social networks”、“e-commerce”及“Twitter”等，讓我們相信UGC必將為社交媒體應用平臺、個性化推薦、電子商務、產品營銷、旅游和企業公關等商業領域帶來新的活力和生機，葉強教授主持的國家自然科學基金項目“在線UGC的管理分析及其對電子商務的影響研究”已經開啟了該主題的系統化研究工作。

5.4 UGC社會服務

迅捷、用戶量大、交互性強和涉及面廣的UGC，給傳統醫療和教育領域帶來了新的交互理念，也挑戰了傳統新聞媒體的傳播機制。去年微博頻頻爆出的“焦點新聞”讓我們感受到新媒體時代“長尾部分”中不知名用戶的影響力正在逐步提升，正如突變詞“news”和“opinion”等所預示的，UGC將在政府監督、電子政務、醫療健康、社會教育、公共服務和突發性事件網絡輿情等方面發揮重要作用。而突變詞“privacy”揭示了UGC模式帶來的社會問題，需進一步探討和完善UGC領域的隱私保護、法規政策和倫理道德。

圖4 國外UGC研究前沿時區知識圖譜

6 結語

國外學術界對UGC的研究領先于國內，研究主題也滲透計算機科學、管理工程、商學、新聞學和心理學等領域，但是主題較為零散，缺乏核心力。國內研究尚處于起步階段，呈現出應用探索熱于基礎理論研究的特點。本文在一定程度上揭示了UGC領域的發展現狀，但是也存在一些局限與不足：如新發表的優秀論文由于被引率暫時較低，而無法在圖譜中充分展示；業界對CiteSpace軟件閾值的設置缺乏統一的標準，只能根據主觀理解、判斷和不斷調試。這些方面都需要在后續研究中進一步完善，也值得業界進一步深入探討。

[參考文獻]

[1] OECD.Participative Web and user-created content： Web2.0， wikis and social networking edition complete[EB/OL]. [2012-10-21].http：//www.oecd.org/document/40/0，3746，en_2649_34223_39428648_1_1_1_1，00.html.

[2] 范哲，朱慶華，趙宇翔. Web 2.0環境下UGC研究述評[J].圖書情報工作，2009，53（22）：60-63.

[3] 趙宇翔，范哲，朱慶華.用戶生成內容（UGC）概念解析及研究進展[J].中國圖書館學報，2012（5）：68-81.

[4] Chen Chaomei. CiteSpace II： Detecting and visualizing emerging trends and transient patterns in scientific literature [J]. Journal of the American Society for Information Science and Technology， 2006， 57（3）：359-377.

[5] Cha M， Kwak H， Rodriguez P， et al. I tube， you tube， everybody tubes： Analyzing the worlds largest user generated content video system[C]//Proceedings of the 7th ACM SIGCOMM conference on Internet measurement. New York ：ACM， 2007： 1-14.

[6] ?rnebring H. The consumer as producer—of what？ User-generated tabloid content in The Sun （UK） and Aftonbladet （Sweden）[J]. Journalism Studies， 2008， 9（5）： 771-785.

[7] Golder S A， Huberman B A. Usage patterns of collaborative tagging systems[J]. Journal of Information Science， 2006， 32（2）： 198-208.

[8] Mathes A. Folksonomies-cooperative classification and communication through shared metadata[EB/OL].[2012-10-21].http：//adammathes.com/academic/computer-mediated-communication/folksonomies.pdf.

[9] Hermida A， Thurman N. A clash of cultures： The integration of user-generated content within professional journalistic frameworks at British newspaper websites[J]. Journalism Practice， 2008， 2（3）： 343-356.

[10] Kaplan A M， Haenlein M. Users of the world， unite！ The challenges and opportunities of Social Media[J]. Business horizons， 2010， 53（1）： 59-68.

[11] OReilly T. What Is Web 2.0： Design patterns and business models for the next generation of software[EB/OL].[2012-10-21].http：//oreilly.com/web2/archive/what-is-web-20.html.

[12] Jenkins H. Convergence culture： Where old and new media collide [M].New York： NYU Press，2006.

[13] Anderson C . The long tail： Why the future of business is selling less of more [M]. New York： Hyperion Books，2006.

[14] Tapscott D. Wikinomics： How mass collaboration changes everything [M]. New York： Portfolio Hardcover，2006.

[15] Forman C，Ghose A，Wiesenfeld B. Examining the relationship between reviews and sales： The role of reviewer identity disclosure in electronic markets[J].Information Systems Research，2008，19（3）：291-313.

[16] 趙宇翔，朱慶華. Web 2.0環境下影響用戶生成內容的主要動因研究[J].中國圖書館學報，2009，35（5）：107-116.

[17] 徐佳寧.基于Web 2.0的非正式科學交流過程及其特點[J].情報科學，2008，26（1）：53-59.

[18] Armstrong A， Hagel J. The real value of online communities [EB/OL]. [2012-10-21]. http：//hbr.org/1996/05/the-real-value-of-on-line-communities/ar/1.

[19] Brandtz?g P B. Towards a unified Media-User Typology （MUT）： A meta-analysis and review of the research literature on media-user typologies[J]. Computers in Human Behavior， 2010， 26（5）： 940-956.

[20] Jessica D. Meet generation C： Creatively connecting through content[EB/OL]. [2012-10-21]. http：//www.econtentmag.com/Articles/Editorial/Feature/Meet-Generation-C-Creatively-Connecting-Through-Content-35942.htm.

[21] 蔡淑琴，馬玉濤，肖泉，等. 基于超圖設計模型的用戶創造內容產品族設計映射研究[J].情報學報，2011，30（4）：387-394.

[22] Malone T W， Laubacher R， Dellarocas C. Harnessing crowds： Mapping the genome of collective intelligence[EB/OL]. [2012-10-21]. http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=1381502.

[23] Sriram B， Fuhry D， Demir E， et al. Short text classification in twitter to improve information filtering[C]//Proceedings of the 33rd international ACM SIGIR conference on Research and development in information retrieval. ACM， 2010： 841-842.

[24] 蔣盛益，麥智凱，龐觀松，等. 微博信息挖掘技術研究綜述[J].圖書情報工作，2012，56（17）：136-142.

[25] Ye Qiang， Law R， Gu Bin， et al. The influence of user-generated content on traveler behavior： An empirical investigation on the effects of e-word-of-mouth to hotel online bookings[J]. Computers in Human Behavior， 2011， 27（2）： 634-639.

[26] Hilton L. Of ‘e-repute： Experts weigh in on how to manage negative online reviews[EB/OL]. [2012-10-21]. http：//trove.nla.gov.au/version/166732241.

[27] Price D. Networks of scientific papers [J]. Science，1965（149）：510-515.

[28] Persson， O. The intellectual base and research fronts of jasis 1986 -1990[J]. Journal of the American Society for Information Science，1994，45（1）：31-38.