COVERAGE
不插补封面口径 vs. 可解析口径
“可解析记录”指正文中能匹配 YYYY-M-D HH:MM 来自 … 的条目。差额不能自动解释为“丢失微博”。
01
DATA INTEGRITY
先判断“这份数据是什么”
封面数量、正文可识别记录、删除/不可见提示和重复正文分开处理；不补齐缺失微博。
CHECKLIST
完整性检查
02
ACTIVITY
发帖量如何随时间变化
按 PDF 中的时间戳直接统计，不对缺失区间做估计。
YEARLY ACTIVITY
年度记录数
MONTHLY
月度时间线
空白月份显示为 0；后期稀疏首先是语料事实，不自动等同于发帖行为的完整变化。
CADENCE
记录节奏
| 年份 | 记录数 | 转发/分享率 · Wilson 95% CI | 未识别分享且非重复 | 正文中位数 | 移动端占比 | 今日头条来源占比 |
|---|
2014–2016 的年度样本分别只有 38、47、1 条；页面保留数据，但不把这些年度比例当作稳健趋势。
03
CORPUS STRUCTURE
转发/分享与发布来源
“分享”只依据显式标记或来源字段识别；这不是对原创权的判断。
SHARE RATE
年度转发/分享率
规则：出现“转发微博”“//@”，或来源/正文明确标记为今日头条分享。
SOURCE MIX
来源结构迁移
来源来自 PDF 的“来自”字段，再归并为五组；不从内容反推设备。
TOP SOURCES
Top 10最常见发布来源
04
TEMPORAL PATTERN
星期 × 小时分布
时区在源文件中未声明，因此这里只按文件显示的本地时间原样计算。
HEATMAP
N = 2,1717 × 24 热力图
BY HOUR
按小时
BY WEEKDAY
按星期
05
TEXT SHAPE
文本长度与形式特征
该部分分母为“未识别为转发/分享、且正文不完全重复”的记录；不称为“原创微博”。
LENGTH
正文字符数分布
FORMAL FEATURES
可直接检测的形式特征
例如“含英文”只意味着正文出现连续英文字母，不代表英语表达能力或国际化倾向。
06
EXPLORATORY
无词典短语挖掘
这不是主题模型。只展示在非分享文本中统计上较“凝聚”的 2–4 字片段。
CHARACTER N-GRAM
探索性高凝聚短语
为什么把这一块标成“探索性”？
中文没有天然空格分词。本报告不引入外部词典，使用字符 n-gram 的频率与最小切分凝聚度（PMI-like）排序，因此能发现重复搭配，但不能稳定地区分概念、实体和普通词。
07
DATA-BOUND FINDINGS
只陈述数据能支持的结论
不加入人物性格、成功原因或管理哲学等因果解释。
08
METHOD & LIMITS
方法与局限
为了让结果可复查，规则直接写在页面上，分析脚本也随项目提供。
DATA MANIFEST
Reproducible数据版本与可复查指纹
SHA-256 用于确认分析所对应的源 PDF 是否完全一致；规则主题标签尚未完成人工金标准验证。
LIMITATIONS