第二，定量分析法。本文主要采用层次分析法实现微博平台意见领袖的指标权重确定。在对复杂问题或多目标决策事件进行分析时，层次分析法将问题或目标作为系统分解成多个准则，从而将复杂问题分解成多个指标，易于分析。在有明确指标划分的前提下就可以用定性指标的模糊量化方法，将目标决策问题最终转化为数值计算问题，更为直观便捷。本文微博舆情意见领袖辨识指标体系的建立就是基于层次分析法之上的。微博舆情意见领袖的辨识本身就是一个复杂的问题，而且微博本身较之于其他网络舆情传播平台更加碎片化，所以利用层次分析法分解指标进行微博舆情意见领袖的识别是较为有效的方法。
第三，案例研究法。案例分析是验证建立的模型体系的有效方法。一般的研究者在完成模型构建之后，都会利用实例来对其建立的模型进行验证。本文选取了2014年年初引起舆论热潮的“南京护士被打事件”作为案例进行数据分析，用数据和事实证实本文提出的微博意见领袖识别方法的可行性，针对当时社会网络中热点的舆情事件，选择舆论热点搜集数据，完成实验和案例说明。
1.4 本文结构
第一章为引言。对课题的研究问题、研究背景、研究意义、国内外相关研究现状和研究方法等基本内容做出说明；
第二章为相关研究理论和方法基础概述。对网络舆情、微博意见领袖及社会网络等基础理论进行阐述。为下文中微博意见领袖辨识指标体系的构建及指标选取提供理论基础。
第三章为微博意见领袖辨识指标体系构建。本文在现有的微博意见领袖识别基础上，具体依据微博意见领袖的特点确定识别微博中意见领袖的二层指标，构建基于社会网络的微博意见领袖辨识模型。
第四章为微博意见领袖辨识指标体系应用研究。本文具体以“南京护士被打”事件为实证分析对象，基于构建的体系指标，对微博平台中相关的用户数据进行抓取，对数据进行计算以确定意见领袖，最后对选取的意见领袖进行分析总结；
第五章为结论。总结本文的研究结论以及不足之处，并对微博意见领袖的未来进行展望。 基于社会网络的舆情意见领袖辨识研究(4):http://www.youerw.com/guanli/lunwen_14208.html