內(nèi)容生產(chǎn)及評(píng)論視角下的社交媒體關(guān)鍵用戶識(shí)別

安 璐 周亦文

(1.武漢大學(xué)信息資源研究中心，湖北 武漢 430072；2.武漢大學(xué)信息管理學(xué)院，湖北 武漢 430072)

國(guó)家的安全和穩(wěn)定是社會(huì)發(fā)展進(jìn)步的保障。隨著國(guó)際形勢(shì)和國(guó)內(nèi)形勢(shì)的變化，網(wǎng)絡(luò)安全問題成為國(guó)家和社會(huì)廣泛關(guān)注的問題。《中華人民共和國(guó)網(wǎng)絡(luò)安全法》提出要“推動(dòng)構(gòu)建和平、安全、開放、合作的網(wǎng)絡(luò)空間,建立多邊、民主、透明的網(wǎng)絡(luò)治理體系”[1]。隨著技術(shù)發(fā)展，網(wǎng)絡(luò)社交媒體平臺(tái)成為民眾交流的主要渠道之一。借助社交媒體平臺(tái)，民眾能夠打破事件空間的阻隔進(jìn)行交流。通過對(duì)社交媒體平臺(tái)上的用戶進(jìn)行分析，可以及時(shí)對(duì)輿情進(jìn)行引導(dǎo)，促進(jìn)民眾參與維護(hù)國(guó)家安全[2]。

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，社交媒體內(nèi)容生產(chǎn)范式快速發(fā)展，內(nèi)容生產(chǎn)呈現(xiàn)去中心化的趨勢(shì)[3-4]，用戶生產(chǎn)內(nèi)容成為信息內(nèi)容生產(chǎn)的新形勢(shì)[5]。眾多網(wǎng)站、平臺(tái)積極促進(jìn)普通用戶參與內(nèi)容生產(chǎn)[6]，用戶在進(jìn)行內(nèi)容生產(chǎn)的同時(shí)也能夠通過評(píng)論他人生產(chǎn)的內(nèi)容實(shí)現(xiàn)與其他用戶的互動(dòng)[7]。借助社交媒體平臺(tái)，用戶能夠通過信息內(nèi)容生產(chǎn)及評(píng)論他人生產(chǎn)的信息內(nèi)容表達(dá)真實(shí)的感受[8]。在社交媒體輿情分析中，社交媒體中生產(chǎn)的內(nèi)容及對(duì)內(nèi)容的評(píng)論是重要的數(shù)據(jù)來源[9]。用戶在扮演內(nèi)容生產(chǎn)者時(shí)向信息受眾提供信息資源[10]。用戶針對(duì)信息內(nèi)容進(jìn)行評(píng)論時(shí),可以視為用戶對(duì)信息內(nèi)容進(jìn)行轉(zhuǎn)譯[11]。因此針對(duì)信息內(nèi)容的評(píng)論能夠體現(xiàn)用戶對(duì)信息內(nèi)容的接受程度。

互聯(lián)網(wǎng)技術(shù)的發(fā)展打破了傳統(tǒng)媒體自上而下的信息傳播模式[12]。網(wǎng)絡(luò)社交媒體中用戶之間的互動(dòng)成為常態(tài)，這也使得網(wǎng)絡(luò)社交媒體中的信息真假混雜，危害社會(huì)安全。因此，本文通過用戶畫像，從信息內(nèi)容生產(chǎn)者及評(píng)論者視角對(duì)社交媒體平臺(tái)中的關(guān)鍵用戶進(jìn)行識(shí)別。其中，關(guān)鍵用戶既包括能影響他人情感的用戶，也包括易被他人影響的用戶。通過與能影響他人情感的用戶合作，相關(guān)部門能更好地引導(dǎo)輿論。通過關(guān)注易受影響用戶的情緒狀態(tài)，可以及時(shí)防范或阻止過激行為。同時(shí)，本研究結(jié)果也能夠?yàn)閮?nèi)容服務(wù)平臺(tái)的運(yùn)行模式和行業(yè)組織的發(fā)展規(guī)劃提供決策參考。

1 相關(guān)研究

1.1 用戶畫像

用戶畫像是從相關(guān)數(shù)據(jù)中提取整合有效信息[13]。用戶畫像的目的不同，構(gòu)建的指標(biāo)體系不同。因此，用戶畫像需要先確定所要描述的信息，再確定描述信息的方法[14]。王凌霄等[15]從用戶資歷、用戶參與度、用戶回答質(zhì)量和用戶發(fā)展趨勢(shì)等方面進(jìn)行用戶畫像以分析用戶群體。Ruas P H B等[16]基于聚類方法利用Facebook中的用戶交互記錄和復(fù)雜網(wǎng)絡(luò)指標(biāo)對(duì)用戶進(jìn)行劃分。Simsek A等[17]為了實(shí)現(xiàn)更好的廣告推薦，利用文本情感和關(guān)注關(guān)系進(jìn)行用戶畫像。郭順利等[18]借鑒VALS2模型構(gòu)建在線健康社區(qū)大學(xué)生用戶群體畫像的指標(biāo)體系。Ouaftouh S等[19]基于改進(jìn)的分區(qū)聚類算法整合用戶信息實(shí)現(xiàn)用戶畫像。

目前的研究中，用戶聚類的目的主要為用戶個(gè)性化推薦和用戶輿情引導(dǎo)。在針對(duì)用戶輿情引導(dǎo)的用戶畫像研究中，大部分研究沒有區(qū)分用戶在社交媒體中扮演的角色，忽視了用戶在扮演不同角色時(shí)的特征不同。本文將用戶在社交媒體中的角色分為內(nèi)容生產(chǎn)者和內(nèi)容評(píng)論者，基于此提出兩個(gè)指標(biāo)體系對(duì)用戶進(jìn)行畫像，并綜合分析。

1.2 關(guān)鍵用戶識(shí)別

網(wǎng)絡(luò)的發(fā)展，加速了民眾的信息交流。通過識(shí)別關(guān)鍵用戶，可以實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情的監(jiān)測(cè)和引導(dǎo)，對(duì)網(wǎng)絡(luò)用戶的情緒狀態(tài)分析研判，維護(hù)一個(gè)良好的網(wǎng)絡(luò)社交環(huán)境。魏明珠等[20]基于用戶畫像分析社交媒體中的高影響力用戶特征。王闖等[21]利用K核分解基于用戶交互行為和文本特征識(shí)別關(guān)鍵用戶。李亞星等[22]分別基于用戶屬性和傳播能力對(duì)高影響力用戶進(jìn)行排名，對(duì)二者的結(jié)果進(jìn)行加權(quán)計(jì)算后得出具有高影響力的關(guān)鍵用戶。Cha M等[23]利用中心度和皮爾遜相關(guān)系數(shù)識(shí)別Twitter中的高影響力用戶。Jain L等[24]利用網(wǎng)絡(luò)結(jié)構(gòu)特征和博弈論的原理進(jìn)行識(shí)別關(guān)鍵用戶。Siddhartha J等[25]利用社會(huì)網(wǎng)絡(luò)分析方法識(shí)別關(guān)鍵用戶。Yamaguchi Y等[26]基于用戶—內(nèi)容圖識(shí)別具有高影響力的關(guān)鍵用戶。Pal A等[27]利用高斯概率分布進(jìn)行聚類分析識(shí)別主題高影響力用戶。

以往的研究中，關(guān)鍵用戶識(shí)別主要針對(duì)高影響力用戶。在輿情治理中，不僅應(yīng)當(dāng)關(guān)注高影響力用戶，也應(yīng)當(dāng)注意易被他人影響的用戶。因此，本研究提出情感共振值的計(jì)算方法、情感傳染能力指標(biāo)和情感回饋值指標(biāo)。根據(jù)這兩個(gè)指標(biāo)可以度量用戶影響他人的能力和被他人影響的難易程度。

2 研究方法

2.1 研究路線

在社交媒體平臺(tái)中用戶可以劃分為內(nèi)容生產(chǎn)者和內(nèi)容評(píng)論者。內(nèi)容生產(chǎn)者是發(fā)布原創(chuàng)內(nèi)容的用戶；內(nèi)容評(píng)論者是對(duì)信息內(nèi)容進(jìn)行評(píng)論的用戶，是內(nèi)容服務(wù)的使用者。同一個(gè)用戶可以同時(shí)扮演內(nèi)容生產(chǎn)者和內(nèi)容評(píng)論者的角色。基于此，構(gòu)建內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系和內(nèi)容評(píng)論者識(shí)別指標(biāo)體系。隨后，計(jì)算各指標(biāo)，基于兩步聚類方法分別進(jìn)行內(nèi)容生產(chǎn)者用戶畫像和內(nèi)容評(píng)論者用戶畫像。在綜合內(nèi)容生產(chǎn)者和內(nèi)容評(píng)論者用戶畫像結(jié)果后，進(jìn)行關(guān)鍵用戶識(shí)別。研究路線圖如圖1所示。

圖1 研究路線圖

2.2 關(guān)鍵用戶識(shí)別指標(biāo)體系構(gòu)建

互聯(lián)網(wǎng)空間中，個(gè)體通過碎片化的文本表達(dá)情感。網(wǎng)絡(luò)空間中過于情緒化的氛圍可能影響現(xiàn)實(shí)社會(huì)的安全[28]。因此，有必要基于用戶行為特征和用戶情感的相互影響特征等指標(biāo)對(duì)用戶進(jìn)行分析，以識(shí)別互聯(lián)網(wǎng)空間中情感傳遞行為中的關(guān)鍵用戶，用戶識(shí)別指標(biāo)體系如表1所示。

表1 關(guān)鍵用戶識(shí)別指標(biāo)體系

內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系的一級(jí)指標(biāo)包括回答行為特征和影響力?；卮鹦袨樘卣靼ɑ卮痖L(zhǎng)度、更新回答特征、廣泛度、積極情感強(qiáng)度、消極情感強(qiáng)度和綜合情感強(qiáng)度6個(gè)維度?；卮鸬拈L(zhǎng)度和用戶的活躍程度是分析內(nèi)容生產(chǎn)者的常用指標(biāo)[29]?；卮痖L(zhǎng)度通過度量回答的長(zhǎng)度反映用戶在撰寫回答時(shí)的用心程度。更新回答特征通過度量?jī)?nèi)容生產(chǎn)者的持續(xù)更新時(shí)間反映內(nèi)容生產(chǎn)者在回答發(fā)布后的針對(duì)該回答的活躍程度。在進(jìn)行用戶行為分析時(shí)，用戶興趣也是常用的指標(biāo)[30]。廣泛度可以度量用戶內(nèi)容生產(chǎn)者的興趣的多樣性。在衡量?jī)?nèi)容生產(chǎn)者的情感表達(dá)特征時(shí)，情感的極性和情感的強(qiáng)度是常用的指標(biāo)[31]。情感強(qiáng)度用于度量?jī)?nèi)容生產(chǎn)者的情感激烈程度。其中積極情感強(qiáng)度僅度量?jī)?nèi)容生產(chǎn)者表達(dá)積極情感時(shí)的情感激烈程度。消極情感強(qiáng)度僅度量?jī)?nèi)容生產(chǎn)者表達(dá)消極情感時(shí)的情感激烈程度。綜合情感強(qiáng)度同時(shí)考慮積極情感和消極情感，能夠反映內(nèi)容生產(chǎn)者的平均情感強(qiáng)度及情感傾向。

在度量用戶影響力時(shí)，需要考慮用戶間的交互水平[32]。本研究選擇用戶間的評(píng)論關(guān)系度量用戶的交互活動(dòng)的水平。此外，情感變化是度量網(wǎng)絡(luò)中用戶情感交互的重要指標(biāo)[31]，能夠反映用戶的影響他人情緒的能力。因此，影響力的二級(jí)指標(biāo)包括影響范圍和正向情感傳染能力、負(fù)向情感傳染能力和綜合情感傳染能力。影響范圍能夠反映時(shí)間加權(quán)的用戶評(píng)論關(guān)系。情感傳染能力能夠反映交互活動(dòng)中的情感變化。正向情感傳染能力是內(nèi)容生產(chǎn)者促使他人對(duì)事件的情感與自己情感一致的能力。負(fù)向情感傳染能力是內(nèi)容生產(chǎn)者使他人對(duì)事件的情感與自己情感相反的能力。綜合情感傳染能力同時(shí)考慮內(nèi)容生產(chǎn)者的正向情感傳染能力和負(fù)向情感傳染能力，能夠體現(xiàn)內(nèi)容生產(chǎn)者對(duì)群體情感的整體影響。

內(nèi)容評(píng)論者識(shí)別指標(biāo)體系從評(píng)論行為特征和易受影響程度兩個(gè)方面對(duì)內(nèi)容評(píng)論者進(jìn)行劃分。與內(nèi)容生產(chǎn)者行為特征類似，內(nèi)容評(píng)論者識(shí)別體系中的評(píng)論行為特征指標(biāo)可細(xì)分為評(píng)論長(zhǎng)度、關(guān)注度、廣泛度、積極情感強(qiáng)度、消極情感強(qiáng)度和綜合情感強(qiáng)度6個(gè)維度。評(píng)論長(zhǎng)度通過度量評(píng)論的長(zhǎng)度反映用戶撰寫該評(píng)論的用心程度。專注度可反映用戶在特定回答中的活躍程度。廣泛度可反映內(nèi)容評(píng)論者興趣偏好的廣泛程度。用戶情感的相互影響特征在內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系中體現(xiàn)為影響力指標(biāo)，在內(nèi)容評(píng)論者識(shí)別指標(biāo)體系中體現(xiàn)為易受影響程度。內(nèi)容評(píng)論者識(shí)別指標(biāo)體系的易受影響程度指標(biāo)可細(xì)分為正向情感回饋、負(fù)向情感回饋和綜合情感回饋3個(gè)二級(jí)指標(biāo)。正向情感回饋能夠反映內(nèi)容評(píng)論者與內(nèi)容生產(chǎn)者對(duì)事件的情感趨同時(shí)的情感激烈程度。負(fù)向情感回饋能夠反映內(nèi)容評(píng)論者與內(nèi)容生產(chǎn)者對(duì)事件的情感相反時(shí)的情感激烈程度。綜合情感回饋同時(shí)考慮正向情感回饋和負(fù)向情感回饋，可以反映內(nèi)容評(píng)論者是否傾向于與內(nèi)容生產(chǎn)者對(duì)事件的情感趨同。

內(nèi)容生產(chǎn)者識(shí)別指標(biāo)及內(nèi)容評(píng)論者識(shí)別指標(biāo)都為正向指標(biāo)，其符號(hào)僅代表情感的極性或情感變化的方向性，不代表數(shù)值大小，具體計(jì)算方式見第2.2.1節(jié)和2.2.2節(jié)。

基于以上定義，在接下來的章節(jié)將詳細(xì)介紹各指標(biāo)的計(jì)算方法。

2.2.1 內(nèi)容生產(chǎn)者指標(biāo)計(jì)算方法

內(nèi)容生產(chǎn)者各指標(biāo)的定義及計(jì)算方法如下：

1)回答長(zhǎng)度

內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系下利用內(nèi)容生產(chǎn)者答案的平均字?jǐn)?shù)度量?jī)?nèi)容生產(chǎn)者回答長(zhǎng)度。內(nèi)容生產(chǎn)者答案的平均字?jǐn)?shù)能夠在一定程度上反映內(nèi)容生產(chǎn)者撰寫回答的投入的時(shí)間和精力?；卮鹞谋鹃L(zhǎng)度越長(zhǎng)，內(nèi)容生產(chǎn)者撰寫回答所需的時(shí)間和精力越多?；卮痖L(zhǎng)度的度量需要使用每條回答長(zhǎng)度和回答數(shù)，如式(1)所示：

(1)

其中ALj是內(nèi)容生產(chǎn)者i的平均文本長(zhǎng)度，alj是內(nèi)容生產(chǎn)者i第j篇回答的文本長(zhǎng)度，ni是內(nèi)容生產(chǎn)者i回答問題總數(shù)。

2)更新回答特征

更新回答特征利用平均持續(xù)更新時(shí)間度量某位內(nèi)容生產(chǎn)者在發(fā)布回答后的活躍程度。持續(xù)更新時(shí)間越長(zhǎng)，內(nèi)容生產(chǎn)者在回答問題后在回答中越活躍。在同一個(gè)問題下，內(nèi)容生產(chǎn)者通常只有1個(gè)回答，但該回答可以被修改。因此，用最后一次修改時(shí)間和第一次回答問題時(shí)間的差值(以分鐘為單位)來計(jì)算內(nèi)容生產(chǎn)者在一個(gè)問題上投入的時(shí)間和精力。該指標(biāo)的測(cè)量需要使用每個(gè)回答持續(xù)更新時(shí)長(zhǎng)和回答問題數(shù)，內(nèi)容生產(chǎn)者的專注度計(jì)算公式如式(2)所示：

(2)

其中AFi是內(nèi)容生產(chǎn)者i的專注度。tj1是第j篇回答最后修改的時(shí)間，tj0是第j篇回答第一次發(fā)布的時(shí)間。ni是內(nèi)容生產(chǎn)者i回答問題總數(shù)。

3)廣泛度

廣泛度可用于度量?jī)?nèi)容生產(chǎn)者回答問題涉及領(lǐng)域的廣泛性。內(nèi)容生產(chǎn)者回答問題的數(shù)量越多，其涉及的領(lǐng)域就越廣。廣泛度的計(jì)算公式如式(3)所示：

AWi=ni

(3)

其中AWi是內(nèi)容生產(chǎn)者i的廣泛度。ni是內(nèi)容生產(chǎn)者i回答問題總數(shù)。

4)情感強(qiáng)度

情感強(qiáng)度利用回答的平均情感值度量?jī)?nèi)容生產(chǎn)者回答的情感激烈程度?；谇楦性~典進(jìn)行文本分析是一種常用的文本分析方法。情感詞典中收錄了情感詞和情感詞的情感值。此外，利用句法依存分析可以得到句子中與情感詞有依賴關(guān)系的否定詞和程度詞。否定詞能夠改變情感詞的情感極性。不同的程度詞具有不同的程度值，能夠增強(qiáng)或削弱情感詞的情感值?；诖?，本文將文本的情感值計(jì)算公式表述如式(4)所示：

(4)

其中S是所有情感詞的情感值的總和，swi是情感詞wi的情感值，w是情感詞總數(shù)，Nwi是與情感詞wi有依賴關(guān)系的否定詞總數(shù)，Dwj是第j個(gè)與情感詞wi有依賴關(guān)系的程度詞的程度值。情感強(qiáng)度指標(biāo)用于分析內(nèi)容生產(chǎn)者的情感激烈程度。積極情感強(qiáng)度能夠反映內(nèi)容生產(chǎn)者表述積極情感時(shí)的情感強(qiáng)度，計(jì)算公式如式(5)所示：

(5)

其中IDPi是內(nèi)容生產(chǎn)者i的積極的情感強(qiáng)度。alip是回答者i第p篇表達(dá)積極情感的回答的長(zhǎng)度。Siu是第j第p篇表達(dá)積極情感的回答的情感值。kp是內(nèi)容生產(chǎn)者i的表達(dá)積極情感的回答總數(shù)。

消極情感強(qiáng)度能夠反映內(nèi)容生產(chǎn)者表述消極情感時(shí)的情感強(qiáng)度，計(jì)算公式如式(6)所示：

(6)

其中IDUi是內(nèi)容生產(chǎn)者i的消極的情感強(qiáng)度。aliu是回答者i第u篇表達(dá)消極情感的回答的長(zhǎng)度。Siu是回答者i第u篇表達(dá)消極情感的回答的情感值。ku是內(nèi)容生產(chǎn)者i的表達(dá)消極情感的回答總數(shù)。

綜合情感強(qiáng)度能夠反映內(nèi)容生產(chǎn)者更多的是表達(dá)消極情緒還是積極情緒，綜合情感強(qiáng)度的計(jì)算如式(7)所示：

(7)

其中IDi是內(nèi)容生產(chǎn)者i的綜合情感強(qiáng)度。alij是回答者i第j篇回答的長(zhǎng)度。Sij是第j篇回答情感值的絕對(duì)值。k是內(nèi)容生產(chǎn)者i的回答總數(shù)。

5)影響范圍

影響范圍利用時(shí)間加權(quán)的平均評(píng)論數(shù)度量?jī)?nèi)容生產(chǎn)者的平均影響范圍。生產(chǎn)者的回答被評(píng)論數(shù)量越多說明其影響范圍越廣。此外，用戶在閱讀答案時(shí)通常不會(huì)復(fù)習(xí)，因此評(píng)論者對(duì)答案的記憶會(huì)隨著時(shí)間流逝遺忘?；诖?，為了更精準(zhǔn)地表示內(nèi)容生產(chǎn)者當(dāng)下的影響范圍，引入時(shí)間因素對(duì)早期的評(píng)論者與近期的評(píng)論者進(jìn)行區(qū)分。影響范圍的計(jì)算公式如式(8)所示：

(8)

其中IWi是內(nèi)容生產(chǎn)者i的影響范圍，k是回答下的評(píng)論數(shù)，Tj1是第j條評(píng)論的評(píng)論時(shí)間，T0是當(dāng)下的時(shí)間。

6)情感傳染能力

情感傳染能力能夠反映內(nèi)容生產(chǎn)者影響他人對(duì)事件的情感的能力。本研究將情緒傳染能力分為正向情緒傳染能力、負(fù)向情緒傳染能力和綜合情感能力。內(nèi)容評(píng)論者對(duì)事件的情感和內(nèi)容生產(chǎn)者對(duì)事件的情感一致時(shí)，情緒為正向傳播。內(nèi)容評(píng)論者對(duì)事件的情感和內(nèi)容生產(chǎn)者對(duì)事件的情感不一致時(shí)，情緒為負(fù)向傳播。評(píng)論的表現(xiàn)形式包括直接評(píng)論和間接評(píng)論。直接評(píng)論是內(nèi)容評(píng)論者直接在回答下評(píng)論的意見表現(xiàn)形式；間接評(píng)論是內(nèi)容評(píng)論者評(píng)論回答下他人評(píng)論的意見表現(xiàn)形式?；卮?、直接評(píng)論和間接評(píng)論關(guān)系如圖2所示。根據(jù)搜集到的評(píng)論的對(duì)象可以分為對(duì)回答者/答案的評(píng)論、對(duì)事件的評(píng)論。評(píng)論情感可以分為積極情感和消極情感?；谝陨咸匦?，本研究設(shè)計(jì)了情感傳染方向的判斷規(guī)則，如表2所示。

圖2 回答、直接評(píng)論和間接評(píng)論關(guān)系

表2 情感傳染方向判斷規(guī)則

為了判斷情感傳染的強(qiáng)度，本研究定義了情感共振值指標(biāo)，每條評(píng)論的情感共振值的絕對(duì)值計(jì)算公式如式(9)所示：

(9)

其中|Gij|是第i篇回答下第j條評(píng)論的情感共振值的絕對(duì)值。|Sij|是第i篇回答下第j條評(píng)論的情感值的絕對(duì)值。|Si|是第i篇回答的情感值的絕對(duì)值。情感值可由式(4)得到。根據(jù)表2的規(guī)則，當(dāng)情感傳染方向?yàn)檎驎r(shí)，Gij為正數(shù)；當(dāng)情感傳染方向?yàn)樨?fù)向時(shí)，Gij為負(fù)數(shù)。

正向情感傳染能力能夠反映內(nèi)容生產(chǎn)者令他人和自己對(duì)事件的情感趨同的能力，正向情感傳染能力的計(jì)算公式如式(10)所示：

(10)

其中TPi是內(nèi)容生產(chǎn)者i的正向情感傳染能力。Gip是對(duì)內(nèi)容生產(chǎn)者i的第p條情感共振值為正數(shù)的評(píng)論。ktp是對(duì)內(nèi)容生產(chǎn)者i的情感共振值為正數(shù)的評(píng)論的總數(shù)。

負(fù)向情感傳染能力能夠反映內(nèi)容生產(chǎn)者令他人產(chǎn)生和內(nèi)容生產(chǎn)者對(duì)事件的感情相反的情緒的能力，負(fù)向情感傳染能力的計(jì)算公式如式(11)所示：

(11)

其中TUi是內(nèi)容生產(chǎn)者i的負(fù)向情感傳染能力。Giu是對(duì)內(nèi)容生產(chǎn)者i的第u條情感共振值為負(fù)數(shù)的評(píng)論。ktu是對(duì)內(nèi)容生產(chǎn)者i的情感共振值為負(fù)數(shù)的評(píng)論的總數(shù)。

綜合情感傳染能力能夠反映內(nèi)容生產(chǎn)者對(duì)群體情感的整體影響，計(jì)算公式如式(12)所示：

(12)

其中Ti是內(nèi)容生產(chǎn)者i的綜合情感傳染能力。Gij是第j條針對(duì)內(nèi)容生產(chǎn)者i的評(píng)論的情感共振值。k是他人評(píng)論內(nèi)容生產(chǎn)者i的總數(shù)量。

2.2.2 內(nèi)容評(píng)論者指標(biāo)計(jì)算方法

內(nèi)容評(píng)論者各指標(biāo)的定義及計(jì)算方法如下：

1)評(píng)論長(zhǎng)度

內(nèi)容評(píng)論者識(shí)別指標(biāo)體系下利用內(nèi)容評(píng)論者平均評(píng)論字?jǐn)?shù)度量評(píng)論長(zhǎng)度。平均評(píng)論字?jǐn)?shù)可以反映內(nèi)容評(píng)論者撰寫評(píng)論投入的時(shí)間和精力。評(píng)論文本越長(zhǎng)，內(nèi)容評(píng)論者撰寫評(píng)論投入的時(shí)間和精力越多。計(jì)算平均評(píng)論字?jǐn)?shù)需使用評(píng)論長(zhǎng)度和評(píng)論總數(shù)，如式(13)所示：

(13)

其中RLi是內(nèi)容評(píng)論者i的平均評(píng)論長(zhǎng)度，rlj是內(nèi)容評(píng)論者i第j篇評(píng)論的文本長(zhǎng)度，mi是內(nèi)容評(píng)論者i評(píng)論總數(shù)。

2)專注度

內(nèi)容評(píng)論者專注度基于平均評(píng)論數(shù)度量?jī)?nèi)容評(píng)論者針對(duì)特定回答的活躍程度。內(nèi)容評(píng)論者的平均評(píng)論數(shù)越高，專注度越高。專注度的計(jì)算需使用評(píng)論總數(shù)和評(píng)論回答數(shù)，計(jì)算公式如式(14)所示：

(14)

其中RLj是內(nèi)容評(píng)論者i的專注度，mi是內(nèi)容評(píng)論者i評(píng)論總數(shù)，ki是內(nèi)容評(píng)論者i評(píng)論問題總數(shù)。

3)廣泛度

內(nèi)容評(píng)論者的廣泛度指標(biāo)利用評(píng)論的回答的數(shù)量度量?jī)?nèi)容評(píng)論者關(guān)注問題的范圍。廣泛度越高，內(nèi)容評(píng)論者關(guān)注問題范圍越廣。廣泛度的三級(jí)指標(biāo)是用戶評(píng)論的問題數(shù)量，計(jì)算方法如式(15)所示：

RDi=ki

(15)

其中RDi是內(nèi)容評(píng)論者i的專注度，ki是內(nèi)容評(píng)論者i評(píng)論問題總數(shù)。

4)情感強(qiáng)度

情感強(qiáng)度用于度量?jī)?nèi)容評(píng)論者的情感激烈程度。情感強(qiáng)度越大，內(nèi)容評(píng)論者越情緒化。選擇評(píng)論文本的情感值的計(jì)算情感強(qiáng)度。評(píng)論文本的情感值計(jì)算方法同式(4)。積極情感強(qiáng)度計(jì)算方法如式(16)所示：

(16)

其中REPi是內(nèi)容評(píng)論者i的積極情感強(qiáng)度，Spj是內(nèi)容評(píng)論者i第p條積極評(píng)論的情感值，mpi是內(nèi)容評(píng)論者i發(fā)布積極評(píng)論的總次數(shù)。

消極情感強(qiáng)度計(jì)算方法如式(17)所示：

(17)

其中REUi是內(nèi)容評(píng)論者i消極情感強(qiáng)度，Suj是內(nèi)容評(píng)論者i第u條消極評(píng)論的情感值，mui是內(nèi)容評(píng)論者i發(fā)布消極評(píng)論的總次數(shù)。

綜合情感強(qiáng)度計(jì)算方法如式(18)所示：

(18)

其中REi是內(nèi)容評(píng)論者i的綜合情感強(qiáng)度，Sj是內(nèi)容評(píng)論者i第j條評(píng)論的情感值，mi是內(nèi)容評(píng)論者i評(píng)論他人的總次數(shù)。

5)情感回饋

情感回饋可以度量?jī)?nèi)容評(píng)論者是否容易受他人的影響。情感回饋分為正向情感回饋、負(fù)向情感回饋和綜合情感回饋。情感回饋的絕對(duì)值越大，內(nèi)容評(píng)論者的回饋情緒越激烈。情感回饋指標(biāo)為正值時(shí)，內(nèi)容評(píng)論者與內(nèi)容生產(chǎn)者對(duì)事件的情感趨同；情感回饋指標(biāo)為負(fù)值時(shí)，內(nèi)容評(píng)論者與內(nèi)容生產(chǎn)者對(duì)事件的情感相反。情感回饋指標(biāo)基于式(9)的情感共振值計(jì)算。正向情感回饋可以反映內(nèi)容評(píng)論者是否容易與內(nèi)容生產(chǎn)者對(duì)事件的情感趨同，計(jì)算公式如式(19)所示：

(19)

其中RPi是內(nèi)容評(píng)論者i的正向情感回饋值。mrp是內(nèi)容評(píng)論者i發(fā)布的情感共振值為正數(shù)的評(píng)論的總數(shù)。Gip是內(nèi)容評(píng)論者i第p個(gè)為正數(shù)的情感共振值。

反向情感回饋可以反映內(nèi)容評(píng)論者產(chǎn)生是否容易與內(nèi)容生產(chǎn)者對(duì)事件的情感相反，計(jì)算公式如式(20)所示：

(20)

其中RUi是內(nèi)容評(píng)論者i的負(fù)向情感回饋值。mru是內(nèi)容評(píng)論者i發(fā)布的情感共振值為負(fù)數(shù)的評(píng)論的總數(shù)。Gip是內(nèi)容評(píng)論者i第u個(gè)為負(fù)數(shù)的情感共振值。

綜合情感回饋可以測(cè)量?jī)?nèi)容評(píng)論者和內(nèi)容生產(chǎn)者對(duì)同一事件更易產(chǎn)生相同情感還是更易產(chǎn)生相反的情感，計(jì)算公式如式(21)所示：

(21)

其中Ri是內(nèi)容評(píng)論者i的綜合情感回饋值。m是內(nèi)容評(píng)論者i發(fā)布的評(píng)論的總數(shù)。Gij是內(nèi)容評(píng)論者i第j條評(píng)論的情感共振值。

2.3 用戶畫像及關(guān)鍵用戶識(shí)別

用戶畫像指提取用戶的精煉特征，對(duì)用戶進(jìn)行標(biāo)記。聚類分析是一種常用的用戶畫像方法，例如K-means聚類[33]、兩步聚類[34]等方法常用于進(jìn)行用戶畫像。兩步聚類是一種能夠自動(dòng)選擇最佳聚類數(shù)的聚類方法。用于兩步聚類的數(shù)據(jù)可以是連續(xù)數(shù)據(jù)，可以是離散數(shù)據(jù)，也可以是既包含連續(xù)數(shù)據(jù)又包含離散數(shù)據(jù)的混合數(shù)據(jù)。

兩步聚類是BIRCH層次聚類的改進(jìn)方法，包括預(yù)聚類和正式聚類兩步。預(yù)聚類步驟借鑒BIRCH層次聚類方法，生成聚類特征樹(CF樹)。聚類特征樹的子節(jié)點(diǎn)代表聚類特征的組合。利用聚類特征樹，預(yù)聚類過程能夠?qū)?shù)據(jù)劃分為若干密集的子簇，并在此過程中剔除離群點(diǎn)。

兩步聚類算法利用預(yù)聚類中子簇的特征進(jìn)行正式聚類。在正式聚類階段，利用貝葉斯信息準(zhǔn)則確定最佳類別數(shù)的大致范圍，隨后以最近簇距離為評(píng)判標(biāo)準(zhǔn)確定最佳類別數(shù)，并得到最終聚類結(jié)果。

本研究利用兩步聚類，分別基于內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系和內(nèi)容評(píng)論者識(shí)別指標(biāo)體系進(jìn)行用戶劃分。隨后，根據(jù)聚類結(jié)果劃分用戶群體，根據(jù)識(shí)別指標(biāo)進(jìn)行用戶畫像。最后，基于用戶在內(nèi)容生產(chǎn)和評(píng)論中的畫像，綜合分析用戶的特點(diǎn)，實(shí)現(xiàn)關(guān)鍵用戶識(shí)別。

3 實(shí)證分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

《國(guó)家突發(fā)公共事件總體應(yīng)急預(yù)案》指出，社會(huì)安全事件包括恐怖襲擊事件、經(jīng)濟(jì)安全事件和涉外突發(fā)事件等[35]。知乎平臺(tái)是一個(gè)高質(zhì)量的問答平臺(tái)。用戶可以在平臺(tái)上自由提問，其他用戶能夠回答該用戶的問題，也可以對(duì)回答進(jìn)行評(píng)論。本研究選取知乎平臺(tái)，利用Python編寫爬蟲獲取數(shù)據(jù)。知乎平臺(tái)中的問題以標(biāo)簽劃分類別，本文選擇2011—2019年包含“恐怖襲擊”標(biāo)簽的問題作為實(shí)驗(yàn)數(shù)據(jù)，分析識(shí)別能影響社會(huì)安全的用戶。其中評(píng)論19 529條、回答13 759條、用戶15 120名。在去除匿名用戶、已注銷賬戶用戶及其評(píng)論與回答后，共得到12 179名用戶、14 959條評(píng)論、9 887條回答。

BosonNLP情感詞典是基于微博、新聞等上百萬篇中文語(yǔ)料庫(kù)構(gòu)建的中文情感字典。本文利用百度AI進(jìn)行句法依賴分析，并利用BosonNLP獲取文本的情感值。兩步聚類能夠自動(dòng)選擇最佳類別數(shù)。因此，可直接利用兩步聚類分別基于內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系和內(nèi)容評(píng)論者識(shí)別指標(biāo)體系進(jìn)行聚類分析，得到具備不同特點(diǎn)用戶群體類別。對(duì)兩次聚類的結(jié)果進(jìn)行綜合分析，可以識(shí)別關(guān)鍵用戶。

3.2 結(jié)果及分析

3.2.1 內(nèi)容生產(chǎn)者畫像

根據(jù)內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系，利用兩步聚類對(duì)內(nèi)容生產(chǎn)者進(jìn)行聚類分析，結(jié)果如表3所示。兩步聚類能夠自動(dòng)選擇最佳類別數(shù)，由表3可知內(nèi)容生產(chǎn)者被劃分為4類。表中的括號(hào)里的數(shù)值為類別指標(biāo)的平均值。如類別1中第一行的數(shù)值“0.641”代表類別1的回答長(zhǎng)度的均值為0.641。為了更直觀地表述不同類別內(nèi)容生產(chǎn)者的差異，將指標(biāo)的平均值的絕對(duì)值劃分為高、較高、較低、低4檔。

表3 基于內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系的聚類結(jié)果

類別1代表用戶無回答行為或回答次數(shù)極少，這一類用戶劃分為低產(chǎn)出內(nèi)容生產(chǎn)者。

類別2代表有回答行為，但影響力較低的普通內(nèi)容生產(chǎn)者。該類內(nèi)容生產(chǎn)者撰寫的文本字?jǐn)?shù)較少，持續(xù)更新答案的時(shí)間較短，回答問題的數(shù)量也較少，影響他人的范圍較小。回答表達(dá)的積極情感強(qiáng)度和消極情感強(qiáng)度都較高，說明回答表達(dá)的情緒較為激烈。綜合情感強(qiáng)度較低，且為負(fù)數(shù)，表明該類內(nèi)容生產(chǎn)者更傾向于表達(dá)消極情緒。該類內(nèi)容生產(chǎn)者的正向情感傳染能力和負(fù)向情感傳染能力都較高，綜合情感傳染能力較低且為正數(shù)。這說明該類內(nèi)容生產(chǎn)者容易引發(fā)他人較強(qiáng)的正向及負(fù)向的情感波動(dòng)，且整體而言更易令他人的情感與內(nèi)容生產(chǎn)者自身趨同。

類別3代表積極生產(chǎn)內(nèi)容但內(nèi)容具有爭(zhēng)議的爭(zhēng)議內(nèi)容生產(chǎn)者。此類內(nèi)容生產(chǎn)者撰寫的文本字?jǐn)?shù)較多，持續(xù)更新的時(shí)間長(zhǎng)，回答問題的廣泛度高，影響他人的范圍較廣?；卮鸬姆e極情感強(qiáng)度和消極情感強(qiáng)度都為高，綜合情感強(qiáng)度較高。這說明回答蘊(yùn)含強(qiáng)烈的消極情感或積極情感，且整體而言蘊(yùn)含積極情感的回答更多。正向情感傳染能力和負(fù)向情感傳染能力都為較低，但綜合情感傳染能力為較高且為負(fù)數(shù)。這說明該類內(nèi)容生產(chǎn)者具備一定影響他人對(duì)事件的情感，但多數(shù)人與該類內(nèi)容生產(chǎn)者對(duì)事件的情感不同。

類別4代表優(yōu)質(zhì)內(nèi)容生產(chǎn)者。此類內(nèi)容生產(chǎn)者撰寫的文本字?jǐn)?shù)較多，持續(xù)更新的時(shí)間較長(zhǎng)，回答問題的廣泛度較高，影響范圍廣。回答的積極情感強(qiáng)度和消極情感強(qiáng)度都為較低，綜合情感強(qiáng)度較高。這說明其回答中蘊(yùn)含的情緒較少，相對(duì)其他類別用戶的回答更加客觀，且多為積極情感。該類內(nèi)容生產(chǎn)者的正向情感傳染能力和負(fù)向情感傳染能力都為高，綜合情感傳染能力高且為正數(shù)。這說明其能夠影響他人對(duì)事件的情感，且大多數(shù)人與該類內(nèi)容生產(chǎn)者對(duì)事件的情感趨同。

綜合以上分析，用戶能夠被劃分為四大類：非內(nèi)容生產(chǎn)者(類別1)、普通內(nèi)容生產(chǎn)者(類別2)、爭(zhēng)議內(nèi)容生產(chǎn)者(類別3)和優(yōu)質(zhì)內(nèi)容生產(chǎn)者(類別4)。在輿情引導(dǎo)工作中，優(yōu)質(zhì)內(nèi)容生產(chǎn)者可以起到良好的作用，有關(guān)部門可以加強(qiáng)與該類用戶的合作。此外，爭(zhēng)議內(nèi)容生產(chǎn)者有積極生產(chǎn)內(nèi)容的意愿，其生產(chǎn)的內(nèi)容雖然具有爭(zhēng)議，但經(jīng)過適當(dāng)引導(dǎo)、培訓(xùn)能夠轉(zhuǎn)換為優(yōu)質(zhì)內(nèi)容生產(chǎn)者。

3.2.2 內(nèi)容評(píng)論者畫像

根據(jù)內(nèi)容評(píng)論者識(shí)別指標(biāo)體系，利用兩步聚類對(duì)內(nèi)容評(píng)論者進(jìn)行聚類分析，結(jié)果如表4所示，兩步聚類能夠自動(dòng)選擇最佳類別數(shù)，由表4可知，內(nèi)容評(píng)論者被劃分為4類。表中的括號(hào)里的數(shù)值為類別指標(biāo)的平均值。為了更直觀地表述不同類別內(nèi)容評(píng)論者的差異，將指標(biāo)的平均值的絕對(duì)值劃分為高、較高、較低、低4檔。

表4 基于內(nèi)容評(píng)論者識(shí)別指標(biāo)體系的聚類結(jié)果

類別1代表評(píng)論問題較少，評(píng)論數(shù)量較多的專精內(nèi)容評(píng)論者。該類內(nèi)容評(píng)論者撰寫評(píng)論的長(zhǎng)度較短，專注度高，廣泛度低，也就是說該類內(nèi)容評(píng)論者多針對(duì)少量的問題進(jìn)行大量的評(píng)論。此外，該類內(nèi)容評(píng)論者積極情感強(qiáng)度較高，消極情感強(qiáng)度較高，綜合情感強(qiáng)度較高且為正數(shù)。這說明該類內(nèi)容評(píng)論者表達(dá)的情緒較為激烈，且多為積極情緒。該類內(nèi)容評(píng)論者正向情感回饋和負(fù)向情感回饋為較高，綜合情感回饋為較高且為正數(shù)。這說明該類內(nèi)容評(píng)論者對(duì)事件的情緒與內(nèi)容生產(chǎn)者對(duì)事件的情緒有程度較高的趨同或相反，且大部分情況下與內(nèi)容生產(chǎn)者對(duì)事件的情緒一致。

類別2代表普通內(nèi)容評(píng)論者。該類內(nèi)容評(píng)論者撰寫評(píng)論的長(zhǎng)度較長(zhǎng)，專注度低，廣泛度高，也就是說該類內(nèi)容評(píng)論者沒有明確的內(nèi)容偏好。此外，該類內(nèi)容評(píng)論者積極情感強(qiáng)度較低，消極情感強(qiáng)度較低，綜合情感強(qiáng)度趨近于0。這說明該類內(nèi)容評(píng)論者的情緒較為平靜。該類內(nèi)容評(píng)論者正向情感回饋和負(fù)向情感回饋為較低，綜合情感回饋為較低且為正數(shù)。這說明該類內(nèi)容評(píng)論者對(duì)事件的情緒與內(nèi)容生產(chǎn)者對(duì)事件的情緒有程度較低的趨同或相反，且大部分情況下與內(nèi)容生產(chǎn)者對(duì)事件的情緒一致。

類別3代表鈍感內(nèi)容評(píng)論者。該類內(nèi)容評(píng)論者撰寫評(píng)論的長(zhǎng)度最長(zhǎng)，專注度低，廣泛度較低，也就是說該類內(nèi)容評(píng)論者沒有明確的內(nèi)容偏好，但會(huì)用心地進(jìn)行評(píng)論。此外，該類內(nèi)容評(píng)論者積極情感強(qiáng)度低，消極情感強(qiáng)度低，綜合情感強(qiáng)度趨近于0。這說明該類內(nèi)容評(píng)論者的情緒十分平靜。該類內(nèi)容評(píng)論者正向情感回饋和負(fù)向情感回饋為低，綜合情感回饋為低且為正數(shù)。該類內(nèi)容評(píng)論者正向情感回饋和負(fù)向情感回饋為較低，綜合情感回饋為較低且為正數(shù)。這說明該類內(nèi)容評(píng)論者對(duì)事件的情緒受內(nèi)容生產(chǎn)者對(duì)事件的情緒的影響較小。

類別4代表敏銳內(nèi)容評(píng)論者。該類內(nèi)容評(píng)論者撰寫評(píng)論的長(zhǎng)度短，專注度較高，廣泛度高，也就是說該類內(nèi)容評(píng)論者沒有明確內(nèi)容偏好，且會(huì)多次在同一個(gè)回答下進(jìn)行評(píng)論。此外，該類內(nèi)容評(píng)論者積極情感強(qiáng)度較高，消極情感強(qiáng)度高，綜合情感強(qiáng)度高且為正數(shù)。這說明該類內(nèi)容評(píng)論者表達(dá)的情緒較為激烈，且多為積極情緒。該類內(nèi)容評(píng)論者正向情感回饋和負(fù)向情感回饋為高，綜合情感回饋為高且為正數(shù)。這說明該類內(nèi)容評(píng)論者對(duì)事件的情緒與內(nèi)容生產(chǎn)者對(duì)事件的情緒有程度極高的趨同或相反，且大部分情況下與內(nèi)容生產(chǎn)者對(duì)事件的情緒一致。

綜上基于內(nèi)容評(píng)論者識(shí)別指標(biāo)體系將用戶劃分為專精內(nèi)容評(píng)論者(類別1)、普通內(nèi)容評(píng)論者(類別2)、鈍感內(nèi)容評(píng)論者(類別3)和敏銳內(nèi)容評(píng)論者(類別4)。專精內(nèi)容評(píng)論者有明確的內(nèi)容偏好，內(nèi)容服務(wù)平臺(tái)和行業(yè)組織應(yīng)注重對(duì)專精內(nèi)容評(píng)論者的內(nèi)容推送。在進(jìn)行輿情管理時(shí)，相關(guān)部門應(yīng)更加注意敏銳內(nèi)容評(píng)論者，因?yàn)榇祟愑脩舾菀妆凰艘龑?dǎo)，誤信謠言等虛假信息的風(fēng)險(xiǎn)更大。

3.2.3 綜合分析

在根據(jù)內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系和內(nèi)容評(píng)論者識(shí)別指標(biāo)體系對(duì)用戶分別進(jìn)行劃分后，結(jié)合用戶在兩個(gè)指標(biāo)體系中的不同聚類結(jié)果，本節(jié)對(duì)用戶在網(wǎng)絡(luò)中的特點(diǎn)進(jìn)行分析，劃分結(jié)果如表5所示。

表5 結(jié)合內(nèi)容生產(chǎn)和評(píng)論的用戶分析 %

結(jié)合用戶在兩個(gè)指標(biāo)體系中的分類，本研究將用戶劃分為6個(gè)類別。如表5所示，84.8%的用戶為積極內(nèi)容評(píng)論者，該類用戶基本沒有內(nèi)容生產(chǎn)行為，主要進(jìn)行評(píng)論行為且其活動(dòng)造成社會(huì)危害的可能性較低。11.5%的用戶為中堅(jiān)用戶，大部分內(nèi)容生產(chǎn)者屬于該類，該類用戶既是內(nèi)容生產(chǎn)者也是內(nèi)容評(píng)論者，其生產(chǎn)的內(nèi)容對(duì)他人的影響較小。2.2%的用戶為潛在優(yōu)質(zhì)用戶，該類用戶既是內(nèi)容生產(chǎn)者也是內(nèi)容評(píng)論者，但其生產(chǎn)的內(nèi)容具有較大的爭(zhēng)議。經(jīng)過恰當(dāng)?shù)囊龑?dǎo)和培訓(xùn)，該類用戶有可能轉(zhuǎn)化為優(yōu)質(zhì)用戶。0.37%的用戶為優(yōu)質(zhì)用戶，該類用戶既是內(nèi)容生產(chǎn)者也是內(nèi)容評(píng)論者，其生產(chǎn)的內(nèi)容對(duì)他人的影響較大。此外，93%的優(yōu)質(zhì)內(nèi)容生產(chǎn)者是鈍感內(nèi)容評(píng)論者，而且鈍感內(nèi)容評(píng)論者都不是優(yōu)質(zhì)內(nèi)容生產(chǎn)者。這說明相比于其他用戶，理智冷靜的用戶更容易成為優(yōu)質(zhì)內(nèi)容生產(chǎn)者。0.97%的用戶是風(fēng)險(xiǎn)用戶，該類用戶對(duì)事件的情緒容易被他人影響且情感波動(dòng)較大。0.025%的用戶是高風(fēng)險(xiǎn)用戶，該類用戶不僅自身情緒易被他人影響，同時(shí)也生產(chǎn)具有爭(zhēng)議的內(nèi)容，影響他人對(duì)事件的情緒。此類用戶可能更易受他人影響而傳播虛假信息。

4 結(jié) 論

為了幫助相關(guān)部門更好地進(jìn)行輿情引導(dǎo)，促進(jìn)民眾參與維護(hù)國(guó)家安全，本文構(gòu)建內(nèi)容生產(chǎn)者識(shí)別指標(biāo)體系和內(nèi)容評(píng)論者識(shí)別指標(biāo)體系?；谝陨现笜?biāo)體系，利用兩步聚類算法進(jìn)行用戶畫像。從內(nèi)容生產(chǎn)的角度，用戶被劃分為非內(nèi)容生產(chǎn)者、普通內(nèi)容生產(chǎn)者、爭(zhēng)議內(nèi)容生產(chǎn)者和優(yōu)質(zhì)內(nèi)容生產(chǎn)者。從內(nèi)容評(píng)論的角度，用戶被劃分為專精內(nèi)容評(píng)論者、普通內(nèi)容評(píng)論者、鈍感內(nèi)容評(píng)論者和敏銳內(nèi)容評(píng)論者。部分用戶既是內(nèi)容生產(chǎn)者也是內(nèi)容評(píng)論者。因此，本文基于內(nèi)容生產(chǎn)者的用戶畫像結(jié)果和內(nèi)容評(píng)論者的用戶畫像結(jié)果，對(duì)用戶進(jìn)行綜合分析。用戶被劃分為積極內(nèi)容評(píng)論者、風(fēng)險(xiǎn)用戶、高風(fēng)險(xiǎn)用戶、中堅(jiān)用戶、潛在優(yōu)質(zhì)用戶和優(yōu)質(zhì)用戶。

本研究有助于相關(guān)部門進(jìn)行輿情引導(dǎo)，及時(shí)防范風(fēng)險(xiǎn)。相關(guān)部門應(yīng)注意優(yōu)質(zhì)用戶、風(fēng)險(xiǎn)用戶和高風(fēng)險(xiǎn)用戶。與優(yōu)質(zhì)用戶合作，相關(guān)部門可以更好地促進(jìn)民眾參與維護(hù)國(guó)家安全。此外，風(fēng)險(xiǎn)用戶和高風(fēng)險(xiǎn)用戶易被他人影響，相關(guān)部門也應(yīng)當(dāng)注意引導(dǎo)該類用戶。相關(guān)部門應(yīng)特別關(guān)注高風(fēng)險(xiǎn)用戶對(duì)事件的情感傾向，避免其傳播虛假信息。本研究對(duì)于內(nèi)容服務(wù)平臺(tái)和行業(yè)組織也有幫助。內(nèi)容服務(wù)平臺(tái)能夠根據(jù)用戶特點(diǎn)，為用戶制定個(gè)性化服務(wù)，行業(yè)組織能基于用戶特點(diǎn)制定發(fā)展規(guī)劃，建立良好的社交媒體生態(tài)。本文提出的分析框架也能夠?yàn)橹蟮年P(guān)鍵用戶識(shí)別提供參考。本研究?jī)H對(duì)在知乎平臺(tái)上“恐怖襲擊”相關(guān)數(shù)據(jù)進(jìn)行研究，在今后的研究中可以考慮采用不同平臺(tái)或不同主題的數(shù)據(jù)進(jìn)行研究。

致謝

感謝圖書情報(bào)國(guó)家級(jí)實(shí)驗(yàn)教學(xué)示范中心為本研究提供的實(shí)驗(yàn)支持!