TY -的盟Peiper尼古拉斯·C AU -鲍姆加特纳Peter M盟——咀嚼,罗伯特F AU -谢长廷,余莉P AU -比尔,盖尔年代盟——Bobashev Georgiy V AU -围攻,克里斯托弗•AU - Zarkin加里一个PY - 2017 DA - 2017/07/04 TI - Twitter的行为模式在网络加州大麻药房的乔- J地中海互联网Res SP - e236六世- 19 - 7 KW -大麻KW -大麻KW -社交KW -社会媒体KW -互联网AB -背景:Twitter代表了一个社交媒体平台，医用大麻药房可以通过该平台迅速推广和宣传大量零售产品。然而，到目前为止，还没有研究系统地评估药房的Twitter行为，以及这些行为如何影响社交网络的形成。目的:本研究旨在描述在加利福尼亚州两个大型大麻市场经营的药房之间的共同网络行为和共享追随者网络。方法:从旧金山湾区和大洛杉矶地区的119家药房的目标样本中，我们使用Twitter API从药房账户收集元数据。对于每个城市，我们根据共享的追随者来描述药房的网络结构，然后用鲁汶模块化算法经验地推导出社区。采用主成分因子分析将12个推特测量值简化为一组更精简的网络行为维度。最后，通过二次判别分析验证了所提取维度对药房所属社区的分类能力。结果:模块化算法在每个城市中生成了三个具有不同网络结构的社区。主成分因子分析将12种网络行为简化为5个维度，包括账号年龄、发帖频率、引用、超链接和药房账号的用户参与度。 In the quadratic discriminant analysis, the dimensions correctly classified 75% (46/61) of the communities in the San Francisco Bay Area and 71% (41/58) in Greater Los Angeles. Conclusions: The most centralized and strongly connected dispensaries in both cities had newer accounts, higher daily activity, more frequent user engagement, and increased usage of embedded media, keywords, and hyperlinks. Measures derived from both network structure and cyberbehavioral dimensions can serve as key contextual indicators for the online surveillance of cannabis dispensaries and consumer markets over time. SN - 1438-8871 UR - //www.mybigtv.com/2017/7/e236/ UR - https://doi.org/10.2196/jmir.7137 UR - http://www.ncbi.nlm.nih.gov/pubmed/28676471 DO - 10.2196/jmir.7137 ID - info:doi/10.2196/jmir.7137 ER -