这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
中美社交媒体关于DeepSeek的讨论主题识别与对比研究
作者与机构：
郭亚军（郑州航空工业管理学院信息管理学院）、王会森（同前）、李天祥（同前）、袁一鸣（武汉大学信息管理学院）、齐云飞（郑州航空工业管理学院信息管理学院，通讯作者）。
发表信息：
发表于《情报科学》2025年第43卷第3期，DOI：10.13833/j.issn.1007-7634.2025.03.001。
学术背景
研究领域：
本研究属于信息科学、社交媒体分析与跨文化传播的交叉领域，聚焦生成式人工智能（AIGC）产品的公众认知差异。
研究动机：
DeepSeek是中国生成式人工智能领域的重要技术突破（如开源模型DeepSeek-R1），但其在全球化传播中面临文化差异挑战。此前研究多集中于单一文化背景或国外AIGC产品（如ChatGPT），缺乏对中国本土产品的跨平台对比分析。
研究目标：
通过对比微博（中国）与X平台（原Twitter，美国）用户对DeepSeek的讨论主题，揭示技术传播中的文化差异，为本土AI产品的全球化策略提供数据支持。
研究流程与方法
1. 数据采集与预处理
- 数据来源：
采集2025年1月20日至2月20日（DeepSeek-R1发布后一个月）的微博（28,853条）和X平台（26,513条）数据，关键词为“DeepSeek”。
- 预处理：
- 清洗：去除表情符号、URL、用户名及非语义内容；筛选英文数据（X平台占比49.6%）；剔除短文本（中文字符，英文单词）及广告。
- 分词与归一化：中文使用jieba分词+哈工大停用词表；英文使用NLTK库进行词干提取（Porter Stemmer）和去停用词。
2. 主题建模与分析
- 模型选择：
采用BERTopic模型（基于Transformer和聚类算法），其优势包括：
- 多语言处理能力（支持中英文）；
- 结合UMAP降维和HDBSCAN聚类，提升主题区分度；
- 通过C-TF-IDF和MMR算法生成可解释的主题词。
- 参数设置：
中文嵌入模型为paraphrase-multilingual-minilm-l12-v2，英文为all-minilm-l6-v2，最小聚类规模42，随机种子0.2。
3. 主题维度划分
人工合并模型输出的主题（微博54个，X平台52个），结合文献与专家意见，最终划分为6个维度：
1. 技术进展（如算法架构、开源影响）
2. 用户体验（使用感受、系统稳定性）
3. 应用场景（行业融合、文化创作）
4. 经济价值（市场潜力、股票影响）
5. 风险伦理（隐私安全、AI伦理）
6. 政策环境（国家支持、国际竞争）
4. 跨文化对比分析
计算各维度讨论占比，结合文化理论（如集体主义vs.个人主义）解释差异。
主要结果
1. 技术进展维度
- 微博：41%讨论占比，强调“国产技术突破”（如“中国加油”“遥遥领先”）和本土化应用（如自动驾驶、智能芯片）。
- X平台：45.54%讨论占比，聚焦技术细节（如“RL强化学习”“SFT监督微调”）和全球趋势（如“量子计算”“去中心化”），部分用户质疑技术真实性（如“夸大的”）。
2. 用户体验维度
- 微博：36.48%讨论占比，正面评价为主（如“智慧宝库”），但高频抱怨服务器“繁忙”。
- X平台：16.25%讨论占比，类似反馈（如“awesome”“server busy”），但技术讨论更深入。
3. 经济价值维度
- 微博：7.06%讨论占比，关注本土企业（如华为、比亚迪）和股市（“上涨”“获利”）。
- X平台：17.26%讨论占比，担忧全球市场冲击（如“NVIDIA股票”“中国挑战”）。
4. 文化差异显性维度
- 应用场景：微博侧重实用领域（如交通、社交媒体算命），X平台倾向文艺创作（如“诗歌”“音乐”）。
- 风险伦理：X平台更关注隐私（“data privacy”），微博聚焦操作风险（“木马病毒”）。
- 政策环境：微博突出“国家自信”，X平台讨论“技术封锁”。
结论与价值
科学价值：
1. 揭示了文化背景如何塑造公众对AI技术的认知差异；
2. 验证了BERTopic在跨语言主题建模中的有效性。
应用价值：
1. 为DeepSeek的全球化传播策略提供依据（如针对欧美市场加强技术透明度）；
2. 建议优化多语言服务稳定性，并拓展文化适配的应用场景。
研究亮点
- 跨文化视角：首次对比中美社交媒体对国产AIGC产品的讨论，弥补了单一文化研究的局限。
- 方法创新：结合BERTopic与人工分拣，平衡算法效率与主题可解释性。
- 实践导向：提出“技术-文化”适配策略，如通过开源社区增强国际信任。
局限与展望：
数据时间窗口较短，未来可延长观察周期，或纳入更多平台（如Facebook、抖音）。
（报告字数：约1,500字）