CN106909618A

CN106909618A - 一种健康类自媒体上的文章传播综合影响力的计算方法

Info

Publication number: CN106909618A
Application number: CN201710025748.0A
Authority: CN
Inventors: 沙兴中; 陈颖
Original assignee: Guangzhou Yi Sheng Network Technology Co Ltd
Current assignee: Guangzhou Yi Sheng Network Technology Co Ltd
Priority date: 2017-01-13
Filing date: 2017-01-13
Publication date: 2017-06-30

Abstract

本发明公开了一种健康类自媒体上的文章传播综合影响力的计算方法，包括步骤：计算该文章的浏览量值；计算该文章的分享数；计算该文章的点赞数；计算该文章的评论量；计算该文章的打赏人次；计算该文章的收藏数；计算该文章的首次阅读速度数值；计算该文章的综合影响力。与现有技术相比，本发明通过将受众身份、职称、分享途径等信息纳入统计参数的权重划分，并将首次阅读速度纳入统计参数，本算法最终计算得到的综合影响力对健康、医学类自媒体内容的受众反映及不同受众对内容价值评价的贡献进行了更充分的衡量，能更科学、更真实的反映内容的价值和受欢迎程度等，更有利于从市场角度评价医生的自媒体内容。

Description

一种健康类自媒体上的文章传播综合影响力的计算方法

技术领域

本发明涉及媒体传播影响力的计算方法，尤其涉及一种健康类自媒体上的文章传播综合影响力的计算方法。

背景技术

自媒体(We Media)又称“公民媒体”或“个人媒体”，是指私人化、平民化、普泛化、自主化的传播者，以现代化、电子化的手段，向不特定的大多数或特定的单个人传递规范性及非规范性信息的新媒体的总称。它具有平民化、个性化、低门槛、易操作、交互强、传播快等特点。

近年来，随着web 2.0的发展，自媒体逐渐成为人们表达情绪、传播信息、获取新闻的主要途径。同时，越来越多的专业性领域也开始接纳自媒体的表现形式，通过自媒体向更多的受众展示专业魅力，传播专业知识，进行专业性内容的普及，比如医疗领域，越来越多的医疗工作者通过开通微博、使用在线问诊APP等形式定期为患者答疑解惑，宣传更多健康宣教知识，从而建立自己的专业形象，在帮助患者的同时为自己带来更多的门诊量。

自媒体内容的发布需要依托一定的载体，也即各类门户网站、微博、微信、APP等。根据发布自媒体的主体身份，可以将自媒体平台分为针对所有民众的通用型自媒体平台，如微信公众号、新浪微博、今日头条、百度百家等，和针对某个专业圈子的自媒体平台，如互联网圈子的36氪、医疗行业的薏米医生医媒体和微医的医言堂等。其中，在医疗圈子方面，为医生专业交流服务的丁香园以及以在线健康咨询为主的春雨医生、平安好医生、好大夫在线、微医等均有自媒体版块，并且有大量医生在这些平台发布专业交流、健康知识科普等文章、视频，借以和其他医生交流、提升自己的专业水平或让更多患者了解更多健康常识。由此可见，健康类的自媒体也正蓬勃发展，并有广阔的发展空间。而且通过在健康类自媒体发布内容，可以增强医疗工作者在同行、患者中的影响力，从而提升自己的价值，带来更多的名誉、经济等多方面的收益，真正实现让市场评价医生。

目前国内自媒体中，通用型自媒体排在前几位的依次为QQ、微信、QQ空间、百度贴吧、新浪微博；医药健康类自媒体主要有丁香园、春雨医生的科普、平安好医生的健康直播/健康头条、微医的医言堂。这些平台中对自媒体主体发布的内容的影响力判断依据主要是统计这些平台发布的文章、视频等内容的浏览量、点赞数、评论数、分享量等参数，并根据这些数据来评价自媒体发布的文章、视频等内容的受欢迎程度和受众对该内容的认可度，并根据发布者所有发布内容的这些数据来分析这位发布者的价值和受欢迎程度。最近，部分平台也开放了打赏机制，相应地在统计过程中也引入了打赏人次或打赏金额的评价参数。另外，部分平台对这些参数统计时也会做一些简单处理，如不同参数占据不同的权重，然后计算最终的影响力值。

目前大多平台使用的影响力评价方式为统计浏览量、点赞数、评论数、分享量、打赏人次或打赏金额等参数，部分平台会直接根据这些参数数据来评价发布内容的价值和影响力，有的平台会分配各参数的权重来计算影响力。然而，对于健康类的自媒体，这样做的缺点有：

1、未考虑受众的职业身份、专业能力和职称等因素。

健康医疗类知识由于其专业性，对受众的知识水平和专业有一定要求，如普通患者与医生对同一个健康资讯的理解程度会有较大差异，而同专科医生、主任医师与非同专科医生、非主任医师对同一个医学信息的理解也会不同。因此不考虑受众的职业身份、专业能力和职称等因素，按统一标准评价这些受众对一篇医学类文章、视频等内容的反馈并不能真正反映这份内容的价值。

2、对平台外部的分享未进行区别统计。

由于微信、微博、QQ等通用型平台的影响力巨大，目前很多平台都有将平台内容分享到这些平台的途径，但目前大多数外部分享要么是简单与内部分享一起被统计，要么被忽略不计。

由于健康、医学类资讯和信息对受众要求较高，那么在专业平台传播与在通用平台传播效果必然会存在差异，分享给医生与分享给患者的内容重点以及目的也会有所不同，鉴于此，对平台内部和外部的分享不区分地进行统计或不统计外部会导致文章或视频等内容的价值不能得到最真实的反映。

3、对统计的各参数未进行权重划分。

部分平台目前对平台内的健康、医学类信息的评价仅是简单统计浏览量、评论数、点赞数等参数，然后利用其中一个或多个参数简单合并来评价内容，并未对各参数进行权重划分并最终计算出综合影响力。这样的评价方式是比较片面的，这些参数均在一定反映了内容的影响力和受众对内容的评价，但其代表性会有一些差异，简单的统计或不计权重的直接合并会受到受众的使用习惯等多因素影响，并不能客观反映内容的价值。

发明内容

为克服现有技术的不足，本发明提出一种健康类自媒体上的文章传播综合影响力的计算方法。

本发明的技术方案是这样实现的：

一种健康类自媒体上的文章传播综合影响力的计算方法，包括步骤

S1：根据健康类自媒体的浏览者的用户身份和职称的不同，设定浏览者的用户的各个身份和职称的权值，计算该文章的浏览量值；

S2：根据健康类自媒体分享者的用户身份和职称的不同和分享方式的不同，设定分享者的各个身份和职称的权值和各种分享方式的权值，计算该文章的分享数；

S3：根据健康类自媒体点赞者的用户身份和职称的不同和专科的不同，设定点赞者的各个身份和职称的权值和各种专科的权值，计算该文章的点赞数；

S4：根据健康类自媒体评论者的用户身份和职称的不同和专科的不同，设定评论者的各个身份和职称的权值和各种专科的权值，计算该文章的评论量；

S5：根据健康类自媒体打赏者的用户身份和职称的不同和专科的不同，设定打赏者的各个身份和职称的权值和各种专科的权值，计算该文章的打赏人次；

S6：根据健康类自媒体收藏者的用户身份和职称的不同和专科的不同，设定收藏者的各个身份和职称的权值和各种专科的权值，计算该文章的收藏数；

S7：根据该文章发布的时间与首次被其他用户阅读之间的时间差，计算该文章的首次阅读速度数值；

S8：根据所述浏览量值、分享数、点赞数、评论量、打赏人次、收藏数和首次阅读速度数值，计算该文章的综合影响力。

进一步地，步骤S1中浏览量值＝(主任或副主任医师的浏览次数*100％+其他用户的浏览次数*80％)/平台最大浏览量(计算得出)*25％。

进一步地，步骤S2中分享数＝(同专科的主任或副主任医师外部分享数*100％*100％*100％+同专科的主任或副主任医师内部分享数*100％*100％*80％+同专科的其他医师外部分享数*100％*80％*100％+同专科的其他医师内部分享数*100％*80％*80％+其他专科的主任或副主任医师外部分享数*80％*100％*100％+其他专科的主任或副主任医师内部分享数*80％*100％*80％+其他专科的其他医师外部分享数*80％*80％*100％+其他专科的其他医师内部分享数*80％*80％*80％+患者的外部分享数*60％*100％+患者的内部分享数*60％*80％)/最大分享数(计算得出)*25％。

进一步地，步骤S3中点赞数＝(同专科的主任/副主任医师点赞数*100％*100％+同专科其他医师点赞数*100％*80％+其他专科的主任/副主任医师点赞数*80％*100％+其他专科的其他医师点赞数*80％*80％+患者的点赞数*60％)/最大点赞数(计算得出)*15％。

进一步地，步骤S4中评论量＝(同专科的主任/副主任医师评论数*100％*100％+同专科其他医师评论数*100％*80％+其他专科的主任/副主任医师评论数*80％*100％+其他专科的其他医师评论数*80％*80％+患者的评论数*60％)/最大评论数(计算得出)*10％。

进一步地，步骤S5中打赏人次＝(同专科的主任/副主任医师打赏人次*100％*100％+同专科其他医师的打赏人次*100％*80％+其他专科的主任/副主任医师的打赏人次*80％*100％+其他专科的其他医师的打赏人次*80％*80％+患者的打赏人次*60％)/最大打赏人次(计算得出)*10％。

进一步地，步骤S6中收藏数＝(同专科的主任/副主任医师的收藏数*100％*100％+同专科其他医师的收藏数*100％*80％+其他专科的主任/副主任医师的收藏数*80％*100％+其他专科的其他医师的收藏数*80％*80％+患者的收藏数*60％)/最大收藏数(计算得出)*10％。

进一步地，步骤S7中首次阅读速度＝平台所有文章中首次阅读速度最小值/(该文章首次被非作者的用户阅读的时间-文章发布的时间)*5％。

进一步地，步骤S8中综合影响力＝浏览量值+分享数+点赞数+评论量+打赏人次+收藏数+首次阅读速度数值。

本发明的有益效果在于，与现有技术相比，本发明具有以下优点：

1、充分考虑了受众的身份、职称等问题，并对不同身份和职称的受众进行了权重划分。因为医学信息的专业性，不同身份和职称的受众的评价分量自然不同，这样的权重划分也能保证最终计算结果更科学、更真实体现知识的价值；

2、对分享数进行了内部分享和外部分享的区别统计，并对内部分享和外部分享划分了权重；

3、将首次阅读速度纳入了统计参数。首次阅读速度反映的是发布者的受关注程度，一个发布者越受欢迎，关注的粉丝越多，则首次阅读速度越小。所以，该参数也是一个反映发布者受欢迎程度和价值的重要指标；

4、对所有统计参数根据重要性划分了不同的权重，而不是全部等同看待这些参数，使得计算结果更能真实反映动态、文章、视频等知识信息的价值。

通过将受众身份、职称、分享途径等信息纳入统计参数的权重划分，并将首次阅读速度纳入统计参数，本算法最终计算得到的综合影响力对健康、医学类自媒体内容的受众反映及不同受众对内容价值评价的贡献进行了更充分的衡量，能更科学、更真实的反映内容的价值和受欢迎程度等，更有利于从市场角度评价医生的自媒体内容。

附图说明

图1是本发明一种健康类自媒体上的文章传播综合影响力的计算方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的内容包括对医疗工作者在其专用自媒体(如医媒体)发表动态、文章、视频等学术或患教资料后的各参数统计、权重设定以及综合影响力计算。本发明所统计和计算的参数包括：浏览量、分享数、点赞数、评论量、打赏人次、收藏数和首次阅读速度等。

请参见图1，本发明一种健康类自媒体上的文章传播综合影响力的计算方法步骤如下：

S1：浏览量的计算。

浏览量是评估综合影响力的重要因素之一，占综合影响力的权重为25％。

浏览量是根据用户的浏览次数计算得出的，其中主任、副主任医师的浏览次数按100％计算，其他医师或患者的浏览次数按80％计算(见表1)，计算得出的该文章最终浏览次数再与所在自媒体平台所有文章中最高的浏览次数(也按照前面的方法计算最终浏览次数)计算浏览次数占比，得出最终的浏览量，再乘以其占综合影响力的权重即可。

表1.浏览量的权重划分

身份职称	主任/副主任医师	其他医师	患者
				权重	100％	80％	80％

另外，为防止刷浏览量，同一用户一天内浏览多次只算一次。

公式：

浏览量值＝(主任或副主任医师的浏览次数*100％+其他用户的浏览次数*80％)/平台最大浏览量(计算得出)*25％。

例子：

发布在医媒体的文章“二型糖尿病的治疗计划”被浏览了36次，其中主任/副主任职称的医生浏览了12次，其他用户浏览了24次。医媒体平台上所有文章中最高的浏览次数为100次(其中主任/副主任医师20次，其他用户80次，即最终按职称权重计算出的浏览次数为84次)。

则该文章的浏览量值为：(12*100％+24*80％)/84*25％＝0.093。

S2：分享数的计算。

分享决定了文章的传播广度，能较好提现文章的价值，故分享数也是综合影响力的重要因素之一，占25％的权重。

文章的分享分为平台内部的转发(如医媒体内部转发、转发给医媒体所在APP内的好友等)和外部的分享(如微信朋友圈、微信好友等)，两种分享方式分别按100％和80％的权重；分享者可分为与被分享人同专科或不同专科，也分别按100％和80％的权重计算；分享者的身份和职称也有不同的权重，即主任/副主任医师100％，其他医师80％，患者60％(见表2)。

表2.分享数的权重划分

具体分享数计算公式为：

分享数＝(同专科的主任或副主任医师外部分享数*100％*100％*100％+同专科的主任或副主任医师内部分享数*100％*100％*80％+同专科的其他医师外部分享数*100％*80％*100％+同专科的其他医师内部分享数*100％*80％*80％+其他专科的主任或副主任医师外部分享数*80％*100％*100％+其他专科的主任或副主任医师内部分享数*80％*100％*80％+其他专科的其他医师外部分享数*80％*80％*100％+其他专科的其他医师内部分享数*80％*80％*80％+患者的外部分享数*60％*100％+患者的内部分享数*60％*80％)/最大分享数(计算得出)*25％。

例子：

发布在医媒体平台的“二型糖尿病的治疗计划”文章被分享了72次，其中同专科主任/副主任医师分享了15次到外部，5次内部；同专科其他医师分享了14次到外部，5次内部；不同专科的非主任/副主任医师分享了8次到外部；患者分享了25次到外部。平台上所有文章中最高的分享次数是98次(已按专科、职称和身份以及分享类型计算的结果)。

则该文章的分享数值为：

(15*100％*100％*100％+5*100％*100％*80％+14*100％*80％*100％+5*100％*80％*80％+8*80％*80％*100％+25*60％*100％)/98*25％＝0.137。

S3：点赞数的计算。

点赞数反映了文章的受欢迎程度和受众对文章的认可度，也是一个重要因素，占综合影响力的权重为15％。为避免刷数据，对每个用户对同一篇文章的点赞次数限定为1次。一篇文章的点赞数也需根据点赞者的不同身份不同专科进行权重划分，具体划分比例如下表3：

表3点赞数的权重划分

故点赞数的计算公式为：

点赞数＝(同专科的主任/副主任医师点赞数*100％*100％+同专科其他医师点赞数*100％*80％+其他专科的主任/副主任医师点赞数*80％*100％+其他专科的其他医师点赞数*80％*80％+患者的点赞数*60％)/最大点赞数(计算得出)*15％。

例子：

发布在医媒体平台的“二型糖尿病的治疗计划”文章被点赞了72次，其中同专科主任/副主任医师点赞了20次；同专科其他医师点赞了19次；8次来自不同专科的普通医师；25次来自患者。平台上所有文章中最高的点赞次数是98次(已按专科、职称和身份计算的结果)。

故这篇文章的点赞数值为：

(20*100％*100％+19*100％*80％+8*80％*80％+25*60％)/98*15％＝0.085。

S4：评论量的计算。

评论量反映了文章的受关注度和话题度，占综合影响力的10％。为防止刷数据，同一用户多条评论只算一条，作者的回复不纳入评论数中。同样，一篇文章的评论数会根据评论者的不同身份不同专科进行权重划分，具体划分比例如下表4：

表4评论数的权重划分

故评论量的计算公式为：

评论量＝(同专科的主任/副主任医师评论数*100％*100％+同专科其他医师评论数*100％*80％+其他专科的主任/副主任医师评论数*80％*100％+其他专科的其他医师评论数*80％*80％+患者的评论数*60％)/最大评论数(计算得出)*10％

例子：

发布在医媒体平台的“二型糖尿病的治疗计划”文章收到了来自不同用户的22条评论，其中同专科主任/副主任医师评论2条；同专科其他医师的评论9条；不同专科普通医师的评论8条；3条来自患者。平台上所有文章中最高的评论量是38次(已按专科、职称和身份计算的结果)。

故这篇文章的评论量值为：

(2*100％*100％+9*100％*80％+8*80％*80％+3*60％)/38*25％＝0.042。

S5：打赏人次的计算。

打赏人次反映了文章的价值和受欢迎程度，占综合影响力的10％。

一篇文章的打赏人次也需按评论者的不同身份不同专科进行权重划分，具体划分比例如下表5：

表5打赏人次的权重划分

打赏人次的计算公式为：

打赏人次＝(同专科的主任/副主任医师打赏人次*100％*100％+同专科其他医师的打赏人次*100％*80％+其他专科的主任/副主任医师的打赏人次*80％*100％+其他专科的其他医师的打赏人次*80％*80％+患者的打赏人次*60％)/最大打赏人次(计算得出)*10％。

例子：

发布在医媒体平台的“二型糖尿病的治疗计划”文章收到了22名用户的打赏，其中同专科主任/副主任医师2名；同专科其他医师9名；不同专科普通医师8名；3名来自患者。平台上所有文章中最高的打赏人次是38次(已按专科、职称和身份计算的结果)。

故这篇文章的评论量值为：

(2*100％*100％+9*100％*80％+8*80％*80％+3*60％)/38*25％＝0.042。

S6：收藏数的计算。

文章的收藏数反映了文章的价值和受欢迎程度，占综合影响力的10％。

一篇文章的收藏数也需按评论者的不同身份不同专科进行权重划分，具体划分比例如下表6：

表6收藏数的权重划分

收藏数的计算公式为：

收藏数＝(同专科的主任/副主任医师的收藏数*100％*100％+同专科其他医师的收藏数*100％*80％+其他专科的主任/副主任医师的收藏数*80％*100％+其他专科的其他医师的收藏数*80％*80％+患者的收藏数*60％)/最大收藏数(计算得出)*10％。

例子：

发布在医媒体平台的“二型糖尿病的治疗计划”文章被22名用户收藏，其中同专科主任/副主任医师2名；同专科其他医师9名；不同专科普通医师8名；3名来自患者。平台上所有文章中最高的收藏数是38次(已按专科、职称和身份计算的结果)。

故这篇文章的收藏数值为：

(2*100％*100％+9*100％*80％+8*80％*80％+3*60％)/38*10％＝0.042.

S7：首次阅读速度的计算。

首次阅读速度是指文章发布的时间与首次被其他用户阅读之间的时间差(以秒为单位)，反映了作者受关注程度以及文章的价值，占综合影响力的5％。

首次阅读速度的计算公式为：

首次阅读速度＝平台所有文章中首次阅读速度最小值/(该文章首次被非作者的用户阅读的时间-文章发布的时间)*5％

例子：

作者上午10:00在平台发布了“二型糖尿病的治疗计划”一文，10:05被第一个非作者的用户浏览，时间差为300秒，平台上所有文章中最小的首次阅读速度为65秒。

则该文章的首次阅读速度数值为：65/300*5％＝0.011。

S8：综合影响力的计算。

综合影响力的最终结果即为以上7个维度的参数值之和。

例子：根据以上各维度的影响力的计算结果，《二型糖尿病的治疗计划》一文的综合影响力为：0.452，即

综合影响力＝浏览量0.093+分享数0.137+点赞数0.085+评论量0.042+打赏人次0.042+收藏数0.042+首次阅读速度0.011＝0.452.

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims

1.一种健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，包括步骤

S1：根据健康类自媒体的浏览者的用户身份和职称的不同，设定浏览者的的各个身份和职称的权值，计算该文章的浏览量值；

2.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S1中浏览量值＝(主任或副主任医师的浏览次数*100％+其他用户的浏览次数*80％)/平台最大浏览量*25％。

3.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S2中分享数＝(同专科的主任或副主任医师外部分享数*100％*100％*100％+同专科的主任或副主任医师内部分享数*100％*100％*80％+同专科的其他医师外部分享数*100％*80％*100％+同专科的其他医师内部分享数*100％*80％*80％+其他专科的主任或副主任医师外部分享数*80％*100％*100％+其他专科的主任或副主任医师内部分享数*80％*100％*80％+其他专科的其他医师外部分享数*80％*80％*100％+其他专科的其他医师内部分享数*80％*80％*80％+患者的外部分享数*60％*100％+患者的内部分享数*60％*80％)/最大分享数*25％。

4.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S3中点赞数＝(同专科的主任/副主任医师点赞数*100％*100％+同专科其他医师点赞数*100％*80％+其他专科的主任/副主任医师点赞数*80％*100％+其他专科的其他医师点赞数*80％*80％+患者的点赞数*60％)/最大点赞数*15％。

5.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S4中评论量＝(同专科的主任/副主任医师评论数*100％*100％+同专科其他医师评论数*100％*80％+其他专科的主任/副主任医师评论数*80％*100％+其他专科的其他医师评论数*80％*80％+患者的评论数*60％)/最大评论数*10％。

6.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S5中打赏人次＝(同专科的主任/副主任医师打赏人次*100％*100％+同专科其他医师的打赏人次*100％*80％+其他专科的主任/副主任医师的打赏人次*80％*100％+其他专科的其他医师的打赏人次*80％*80％+患者的打赏人次*60％)/最大打赏人次*10％。

7.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S6中收藏数＝(同专科的主任/副主任医师的收藏数*100％*100％+同专科其他医师的收藏数*100％*80％+其他专科的主任/副主任医师的收藏数*80％*100％+其他专科的其他医师的收藏数*80％*80％+患者的收藏数*60％)/最大收藏数*10％。

8.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S7中首次阅读速度＝平台所有文章中首次阅读速度最小值/(该文章首次被非作者的用户阅读的时间-文章发布的时间)*5％。

9.如权利要求1所述的健康类自媒体上的文章传播综合影响力的计算方法，其特征在于，步骤S8中综合影响力＝浏览量值+分享数+点赞数+评论量+打赏人次+收藏数+首次阅读速度数值。