基于SNA的微博輿情傳播核心節(jié)點(diǎn)分析研究

王小紅（陜西省委黨校 陜西 西安　710061）

基于SNA的微博輿情傳播核心節(jié)點(diǎn)分析研究

王小紅
（陜西省委黨校 陜西 西安710061）

負(fù)面網(wǎng)絡(luò)輿情對(duì)社會(huì)穩(wěn)定具有危害性，因此為了引導(dǎo)輿情良性發(fā)展，快速找到網(wǎng)絡(luò)輿情傳播中的核心節(jié)點(diǎn)是非常重要的。文中以社會(huì)網(wǎng)絡(luò)分析為基礎(chǔ)，通過對(duì)微博信息和微博用戶網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析，提出一種新穎的網(wǎng)絡(luò)成員重要度評(píng)價(jià)算法。給出了節(jié)點(diǎn)粉絲影響度的概念，并對(duì)節(jié)點(diǎn)粉絲影響度中心度算法進(jìn)行了改進(jìn)。實(shí)驗(yàn)分析顯示，文中算法排序精度在整體上高于SNA算法，因而對(duì)準(zhǔn)確預(yù)測(cè)微博輿情傳播中的核心節(jié)點(diǎn)具有很好的參考價(jià)值。

社會(huì)網(wǎng)絡(luò)分析；微博；輿情；核心節(jié)點(diǎn)

網(wǎng)絡(luò)輿情（Network Public opinion）是指在互聯(lián)網(wǎng)上流行的對(duì)社會(huì)問題不同看法的網(wǎng)絡(luò)輿論，是社會(huì)輿論的一種表現(xiàn)形式，是通過互聯(lián)網(wǎng)傳播的公眾對(duì)現(xiàn)實(shí)生活中某些熱點(diǎn)、焦點(diǎn)問題所持有的較強(qiáng)影響力、傾向性的言論和觀點(diǎn)［1］。網(wǎng)絡(luò)開放、便捷、交互為網(wǎng)民營造了良好的交流模式，但負(fù)面輿情如洪水，嚴(yán)重影響居民生活和社會(huì)穩(wěn)定。為了減少危害信息對(duì)社會(huì)穩(wěn)定的影響，輿情研究、特別是對(duì)輿情傳播中核心主體的研究迫在眉睫。

網(wǎng)絡(luò)輿情一般發(fā)源于博客、BBS論壇、新聞跟帖、轉(zhuǎn)貼、新聞?wù)搲⑽⒉┑?。微博即時(shí)、簡(jiǎn)潔且可通過多種途徑登陸，深得大眾喜愛。各社會(huì)團(tuán)體、地方政府、企業(yè)、名人都在微博上有自己的陣地，且粉絲眾多，其輿情傳播影響力巨大。因此，對(duì)其輿情傳播主體研究具有很重要的現(xiàn)實(shí)意義［2］。

為了很快找到微博輿情傳播主體中的核心節(jié)點(diǎn)。傳統(tǒng)社會(huì)網(wǎng)絡(luò)分析方法，它根據(jù)某節(jié)點(diǎn)的鏈入節(jié)點(diǎn)數(shù)來判斷該節(jié)點(diǎn)的重要程度。然而粉絲數(shù)可以通過金錢買賣圈到，水軍和僵尸粉的存在使得分析得到的重要節(jié)點(diǎn)往往和真實(shí)情況有很大偏差。要克服這一缺陷，更加高效找出微博中的核心節(jié)點(diǎn)，進(jìn)而找到重要網(wǎng)絡(luò)成員，就必須對(duì)原有算法進(jìn)行改進(jìn)。

1　社會(huì)網(wǎng)絡(luò)分析概述

社會(huì)網(wǎng)絡(luò)分析［3］（Social Network Analysis，SNA）是20世紀(jì)30年代由英國著名人類學(xué)家布朗在對(duì)物理學(xué)適應(yīng)性網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行研究時(shí)提出的。它對(duì)心理學(xué)，情報(bào)學(xué)，信息檢索，社會(huì)學(xué)等多個(gè)領(lǐng)域的發(fā)展研究都起著舉足輕重的作用?，F(xiàn)實(shí)中個(gè)體與個(gè)體之間的關(guān)系強(qiáng)弱不一，這種關(guān)系映射在網(wǎng)絡(luò)中，會(huì)產(chǎn)生不同的影響。

社會(huì)網(wǎng)絡(luò)分析融合了圖論、數(shù)學(xué)、統(tǒng)計(jì)等多學(xué)科，已經(jīng)發(fā)展成綜合性結(jié)構(gòu)化方法。利用社會(huì)網(wǎng)絡(luò)分析法可以從多個(gè)角度對(duì)個(gè)體網(wǎng)絡(luò)行為分析，比如網(wǎng)絡(luò)位置、角色、結(jié)構(gòu)參數(shù)、凝聚子群等進(jìn)行分析。目前，社會(huì)網(wǎng)絡(luò)分析法已被多行業(yè)采納。

2　社會(huì)網(wǎng)絡(luò)分析基本模型

社會(huì)網(wǎng)絡(luò)主要由行動(dòng)者 （Actor），關(guān)系紐帶（Relational Tie），二人組（Dyad），3人組（Triad），子群（Subgroup），群體（Group）這些元素構(gòu)成［3］。行動(dòng)者指社會(huì)個(gè)體，可以是一個(gè)人、一個(gè)團(tuán)體、一個(gè)組織、或是一個(gè)國家，在網(wǎng)絡(luò)中用節(jié)點(diǎn)（Node）表示 ；關(guān)系紐帶指社會(huì)個(gè)體之間的關(guān)系，在網(wǎng)絡(luò)中用節(jié)點(diǎn)之間的連線表示，是多種多樣的，如血緣關(guān)系、工作關(guān)系、競(jìng)爭(zhēng)關(guān)系等；二人組是僅由兩個(gè)節(jié)點(diǎn)組成，是社會(huì)網(wǎng)絡(luò)分析的基礎(chǔ)；3人組由3個(gè)節(jié)點(diǎn)組成；子群是社會(huì)個(gè)體之間某些相互關(guān)聯(lián)節(jié)點(diǎn)的子集；群體是整個(gè)社會(huì)網(wǎng)絡(luò)中社會(huì)個(gè)體的集合。

社會(huì)網(wǎng)絡(luò)分析（Social Network Analysis）是一種獨(dú)立、結(jié)構(gòu)化的研究方法，主要研究社會(huì)網(wǎng)絡(luò)中個(gè)體及個(gè)體的關(guān)系、網(wǎng)絡(luò)結(jié)構(gòu)、連接模式，以此來反應(yīng)某個(gè)節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中的作用或是整個(gè)社會(huì)網(wǎng)絡(luò)之間的關(guān)系。

文中主要分析節(jié)點(diǎn)的重要度，點(diǎn)度中心度指某節(jié)點(diǎn)和其他節(jié)點(diǎn)直接關(guān)聯(lián)越多代表其重要度越高，其在網(wǎng)絡(luò)中處于核心地位的機(jī)率就越大。在無向圖中，點(diǎn)度中心度由節(jié)點(diǎn)的度決定，在有向圖中，點(diǎn)度中心度又被分為外向點(diǎn)度中心度和內(nèi)向點(diǎn)度中心度，分別由節(jié)點(diǎn)的入度和出度決定［4］。

3　微博核心節(jié)點(diǎn)的發(fā)現(xiàn)與研究

網(wǎng)絡(luò)的核心成員一般來自網(wǎng)絡(luò)中的意見領(lǐng)袖或者網(wǎng)絡(luò)大V，他們的言論風(fēng)向作用明顯，極易影響網(wǎng)絡(luò)團(tuán)體中其它成員的思想，并對(duì)言論傳播速度影響極大［5-6］。因此，可以通過意見領(lǐng)袖的言論，使網(wǎng)絡(luò)輿情向積極的方向發(fā)展，所以準(zhǔn)確的找到網(wǎng)絡(luò)核心成員也變得非常重要。

3.1系統(tǒng)總體流程

該系統(tǒng)總體框架如圖1所示。

圖1　系統(tǒng)總體流程圖

網(wǎng)絡(luò)構(gòu)建部分完成樣本選取，基礎(chǔ)圖構(gòu)建（節(jié)點(diǎn)代表用戶，節(jié)點(diǎn)間的關(guān)系表示用戶之間關(guān)注與被關(guān)注），擴(kuò)展圖構(gòu)建（為了更精確研究基礎(chǔ)圖中的主體，引入其它用戶節(jié)點(diǎn)后構(gòu)建的圖）。基礎(chǔ)圖和擴(kuò)展圖的構(gòu)建好之后，將表結(jié)構(gòu)存入關(guān)系數(shù)據(jù)庫中，為數(shù)據(jù)采集部分將采集數(shù)據(jù)存入數(shù)據(jù)庫中做好準(zhǔn)備。

數(shù)據(jù)采集部分：首先由爬蟲獲取頁面，包括新浪微博登陸及其之后的數(shù)據(jù)訪問；然后頁面分析模塊對(duì)爬取結(jié)果進(jìn)行分析，提取出需要的數(shù)據(jù)并存入數(shù)據(jù)庫。

網(wǎng)絡(luò)核心成員的發(fā)現(xiàn)與研究部分：在點(diǎn)度中心度研究分析的基礎(chǔ)上，提出基于粉絲影響度的網(wǎng)絡(luò)成員重要度評(píng)價(jià)算法。該算法核心是對(duì)節(jié)點(diǎn)屬性值，粉絲影響度值以及節(jié)點(diǎn)重要度的判定標(biāo)準(zhǔn)，最后根據(jù)節(jié)點(diǎn)重要度值來判定圖中節(jié)點(diǎn)的重要程度，重要度越高，則越有可能為網(wǎng)絡(luò)中的核心成員。

3.2基于粉絲影響度的微博成員重要度評(píng)價(jià)算法

點(diǎn)度中心度算法用節(jié)點(diǎn)的入度數(shù)表示該節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要程度［7］。但在微博實(shí)際使用中，節(jié)點(diǎn)入度數(shù)并不能真實(shí)反映此節(jié)點(diǎn)是否為真實(shí)的核心節(jié)點(diǎn)。因?yàn)殡m然一個(gè)節(jié)點(diǎn)擁有很多粉絲，可它極有可能是花錢買來的僵尸粉，而另外一個(gè)節(jié)點(diǎn)可能只有一個(gè)粉絲，但這個(gè)粉絲節(jié)點(diǎn)是網(wǎng)絡(luò)大V，擁有上千、上萬個(gè)粉絲［8-10］。所以，一個(gè)影響力高的粉絲的節(jié)點(diǎn)，一定比擁有許多僵尸粉的節(jié)點(diǎn)的重要度高更多。通過分析微博特性可以看出只是用節(jié)點(diǎn)的入度來決定一個(gè)節(jié)點(diǎn)重要度的高低，很不合理，文中提出的節(jié)點(diǎn)的重要度，不僅僅由指向它的節(jié)點(diǎn)的數(shù)量來決定，而是由指向它的節(jié)點(diǎn)的粉絲影響度來決定，此法更適合于從微博中尋找網(wǎng)絡(luò)核心成員［11-12］。

3.2.1節(jié)點(diǎn)屬性值

1）節(jié)點(diǎn)絕對(duì)屬性值

節(jié)點(diǎn)自身的絕對(duì)屬性值是由轉(zhuǎn)發(fā)，評(píng)論和點(diǎn)贊3個(gè)屬性共同決定的［13］：

代表平均轉(zhuǎn)發(fā)量，數(shù)值越高表明此微博被擴(kuò)散機(jī)率大，節(jié)點(diǎn)重要度高。

代表平均被評(píng)論量，數(shù)值越高表明此微博成為輿論焦點(diǎn)的幾率越大，博主地位更核心。

代表平均被點(diǎn)贊數(shù)，數(shù)值越大表明該微博成為正面輿論焦點(diǎn)的機(jī)率越大，博主地位越核心。

w1代表節(jié)點(diǎn)i平均被轉(zhuǎn)發(fā)量的權(quán)重，w2代表節(jié)點(diǎn)i平均被評(píng)論量的權(quán)重，w3代表節(jié)點(diǎn)i平均被點(diǎn)贊量的權(quán)重（w1＞w2＞w3）。

2）節(jié)點(diǎn)相對(duì)屬性值

對(duì)節(jié)點(diǎn)的絕對(duì)屬性值進(jìn)行歸一化，得到節(jié)點(diǎn)相對(duì)屬性值：

其中，Attr（ni）′為節(jié)點(diǎn)i的相對(duì)屬性值，p為擴(kuò)展圖中所有節(jié)點(diǎn)的個(gè)數(shù)。

3.2.2節(jié)點(diǎn)的粉絲影響度

通過前面研究發(fā)現(xiàn)，一個(gè)節(jié)點(diǎn)是否為核心節(jié)點(diǎn)，不僅由粉絲數(shù)量決定，而是由粉絲的屬性值確定。節(jié)點(diǎn)的粉絲影響度由自己所有粉絲節(jié)點(diǎn)的相對(duì)屬性值決定：

其中，Imp（ni）為節(jié)點(diǎn)i的粉絲影響度值，Attr（nj）′為節(jié)點(diǎn)i的第j個(gè)粉絲節(jié)點(diǎn)的相對(duì)屬性值，|fansi|為節(jié)點(diǎn)i的全部粉絲數(shù)。

3.2.3節(jié)點(diǎn)的重要度

基礎(chǔ)圖中，節(jié)點(diǎn)的重要度由關(guān)注自己的節(jié)點(diǎn)的粉絲影響度決定。

1）節(jié)點(diǎn)的絕對(duì)重要度：

其中，Sig（ni）為節(jié)點(diǎn)的絕對(duì)重要度，|focusi|為基礎(chǔ)圖中指向（關(guān)注）節(jié)點(diǎn)i的節(jié)點(diǎn)數(shù)，Imp（nj）為節(jié)點(diǎn)i在基礎(chǔ)圖中第j個(gè)關(guān)注者（粉絲）的粉絲影響度。

2）節(jié)點(diǎn)的相對(duì)重要度：

其中，Sig（ni）′為節(jié)點(diǎn)i的相對(duì)重要度，Sig（ni）為節(jié)點(diǎn)i的絕對(duì)重要度，Imp（nj）為節(jié)點(diǎn)j的粉絲影響度，j∈［1，m］，m為基礎(chǔ)圖節(jié)點(diǎn)的個(gè)數(shù)。

4　實(shí)驗(yàn)比較

文中實(shí)驗(yàn)樣本為某大學(xué)計(jì)算機(jī)技術(shù)工碩40位同學(xué)在兩天內(nèi)的新浪微博作為研究對(duì)象。分別用基于粉絲影響度的網(wǎng)絡(luò)成員重要度評(píng)價(jià)算法和社會(huì)網(wǎng)絡(luò)分析的點(diǎn)度中心度算法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行排序，結(jié)果發(fā)現(xiàn)：社會(huì)網(wǎng)絡(luò)分析算法進(jìn)行的排序結(jié)果，40位員工并列到24名便結(jié)束，很不合實(shí)際情況。而本文算法排序結(jié)果比較有序，并列的名次只有4個(gè)，這種情況也更加的符合實(shí)際情況。每次選取排名前n的用戶節(jié)點(diǎn)進(jìn)行比較，n∈（3，25）。排序精度比較結(jié)果如圖2所示。可以看出本文算法排序精度在整體上高于SNA算法。兩種算法時(shí)間排序復(fù)雜度實(shí)驗(yàn)結(jié)果表明，文中方法時(shí)間消耗只有0.5 s。綜合來看，文中方法在整體排序效果上有著比較明顯的優(yōu)勢(shì)，具有很高的實(shí)用價(jià)值。

圖2　兩種算法排序精度對(duì)比

5　結(jié)　論

網(wǎng)絡(luò)時(shí)代，為引導(dǎo)輿情良性發(fā)展，需要快速準(zhǔn)確找到微博輿情傳播主體中的核心節(jié)點(diǎn)，文中算法克服了點(diǎn)度中心度算法缺陷，從更高的信息層面來分析節(jié)點(diǎn)的重要度，使分析結(jié)果更加準(zhǔn)確且符合實(shí)際情況。實(shí)驗(yàn)結(jié)果顯示，文中方法在一定程度上使節(jié)點(diǎn)的重要度值更加精確。目前，該方法對(duì)簡(jiǎn)單的微博團(tuán)體中核心用戶預(yù)測(cè)具有很好的實(shí)用價(jià)值，對(duì)網(wǎng)絡(luò)輿論良性化有一定的現(xiàn)實(shí)意義。

［1］網(wǎng)絡(luò)輿情定義［EB/OL］.http://baike.baidu.com/view/2143779. htm.

［2］袁園，孫霄凌，朱慶華.微博用戶關(guān)注興趣的社會(huì)網(wǎng)絡(luò)分析［J］.現(xiàn)代圖書情報(bào)技術(shù)，2012，28（2）:60-75.

［3］社會(huì)網(wǎng)絡(luò)分析定義 ［EB/OL］.https://en.wikipedia.org/wiki/ Social_network_analysis.

［4］平亮，宗利永.基于社會(huì)網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例［J］.圖書情報(bào)知識(shí)，2010（6）:90-95.

［5］王曉光.博客社區(qū)內(nèi)的互動(dòng)交流結(jié)構(gòu):基于評(píng)論行為的實(shí)證研究［J］.新聞與傳播研究，2010（4）:45-58.

［6］袁園，孫霄凌，朱慶華.微博用戶關(guān)注興趣的社會(huì)網(wǎng)絡(luò)分析［J］.現(xiàn)代圖書情報(bào)技術(shù)，2012，28（2）:66-73.

［7］麥藝華.面向中文微博的社會(huì)網(wǎng)絡(luò)分析及應(yīng)用［D］.廣東：華南理工大學(xué)，2012.

［8］宋恩梅，左慧慧.新浪微博中的 “權(quán)威”與 “人氣”:以社會(huì)網(wǎng)絡(luò)分析為方法［J］.圖書情報(bào)知識(shí)，2012（3）:40-55.

［9］劉志明，劉魯.微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識(shí)別及分析［J］.系統(tǒng)工程，2011，29（6）:6-17.

［10］夏雨禾.微博互動(dòng)的結(jié)構(gòu)與機(jī)制——基于對(duì)新浪微博的實(shí)證研究［J］.新聞與傳播研究，2010（4）:55-67.

［11］楊小朋，何躍.騰訊微博用戶的特征分析［J］.情報(bào)雜志，2012（3）:80-87.

［12］陸毅.微博社會(huì)網(wǎng)絡(luò)構(gòu)造與分析技術(shù)研究［D］.上海：復(fù)旦大學(xué)，2011.

［13］康書龍.基于用戶行為及關(guān)系的社交網(wǎng)絡(luò)節(jié)點(diǎn)影響力評(píng)價(jià)［D］.北京:北京郵電大學(xué)，2011.

Based on SNA microblogging public opinion transmission core node analysis

WANG Xiao-hong
（Shaanxi Provincial Party School of the CPC，Xi’an 710061，China）

Negative public sentiment is harmful to social stability，so it is important to quickly find core nodes in public sentiment communication network for guiding the benign development of public sentiment.In this paper，a novel algorithm for evaluating the significance of network members is proposed by analyzing micro-blogs and the user structure residing in them based on social network analysis（SNA）.The concept of fans'influence of a node is defined，and the node centrality algorithm is also improved for fans'influence.The experiments show that the algorithm proposed in this paper overall has more precise sorting than the traditional SNA algorithm，and therefore has a promising potential for predicting core members in public sentiment communication network.

SNA；micro-blog；public sentiment；central node

TN302

A

1674－6236（2016）11-0001-03

2016-01-27稿件編號(hào)：201601247

國家自然科學(xué)基金項(xiàng)目（61372184）

王小紅（1975—），女，陜西寶雞人，講師。研究方向：數(shù)據(jù)挖掘與知識(shí)工程。