應雨辰+紀浩+夢非

摘要：意見領袖在社交網(wǎng)絡中的作用越來越大，準確識別和有效利用潛在的意見領袖對于傳播信息、引導輿論、輔助政府決策等具有重要意義。從中心性、影響力、活躍度出發(fā)，構(gòu)建了網(wǎng)絡意見領袖識別模型，提出了采用社會網(wǎng)絡分析、灰色關聯(lián)分析對網(wǎng)絡意見領袖進行測算的理論框架，并通過“章瑩穎事件”進行實證分析。實驗結(jié)果表明，該模型能較為準確地識別出網(wǎng)絡意見領袖。通過觀察法發(fā)現(xiàn)，粉絲數(shù)量是形成意見領袖的基礎，原創(chuàng)帖和回復帖數(shù)量是鞏固意見領袖地位的重要因素。

關鍵詞關鍵詞：網(wǎng)絡意見領袖；社會網(wǎng)絡；灰色關聯(lián)；實證

DOIDOI：10.11907/rjdk.172410

中圖分類號：TP319

文獻標識碼：A文章編號文章編號：16727800（2017）011016305

0引言

社交網(wǎng)絡指由社會成員之間的相互作用形成的相對穩(wěn)定的社會結(jié)構(gòu)，具有復雜的網(wǎng)絡形態(tài)和信息動態(tài)傳播機制[1]。在社交網(wǎng)絡中，各節(jié)點間的地位并非對等，部分節(jié)點會對其它節(jié)點產(chǎn)生較大影響，能干預社交網(wǎng)絡的議程設置，對整個輿論發(fā)展起到關鍵導向作用，這類節(jié)點被定義為“意見領袖”（Opinion Leader）[2]。隨著互聯(lián)網(wǎng)的發(fā)展，在線社交成為人們?nèi)粘Ｉ畹谋匾?，近年來興起的自媒體更是人們結(jié)交好友、共享信息、表達觀點的重要渠道，并演變?yōu)樯鐣浾摰姆糯笃骱蜔狳c事件發(fā)布的主要平臺。通過網(wǎng)絡媒介，熱點新聞事件會迅速吸引網(wǎng)民關注，產(chǎn)生大量的交互式評論，在意見領袖的影響下，各類觀點會被逐漸引導、聚合，進而形成具有傾向性的輿論。在此背景下，對網(wǎng)絡意見領袖進行識別是政府部門監(jiān)控輿情、引導言論、制定決策的基礎和前提。

1相關研究綜述

20世紀40年代，美國傳播學先驅(qū)拉扎斯菲爾德（Lazarsfield）在《人民的選擇》中提出“兩級傳播理論”，并在該理論中定義“意見領袖”概念，認為意見領袖是在信息傳播和人際交往中少數(shù)具有影響力的活躍分子。隨后，意見領袖的作用和意義在各領域受到廣泛認可，許多學者進行了大量研究。

1.1意見領袖內(nèi)涵

早期的研究工作主要集中在意見領袖的內(nèi)涵、特征、作用等層面。如Burt等[3]研究政治意見領袖的內(nèi)涵和作用，認為政治意見領袖是推動變革和決策的主要力量；Coulter[4]、Myers[5]及Vernette[6]等研究了意見領袖在市場營銷領域的特征和應用；文獻[79]研究了意見領袖在創(chuàng)新傳播中的作用。國內(nèi)學者對意見領袖的研究起步較晚，如顧品浩等[10]以突發(fā)性公共事件為例，歸納了意見領袖特征，并為政府利用意見領袖、設置議程、制定引導策略提供了建議。謝新洲等[11]研究意見領袖的形成要素、存在問題和引導能力。進入21世紀，Web2.0的迅猛發(fā)展催生了大量網(wǎng)絡社區(qū)，在互聯(lián)網(wǎng)時代下，國內(nèi)外學者對于意見領袖的研究主要轉(zhuǎn)移到對“網(wǎng)絡意見領袖”識別和篩選方面。如Matsumura等[12]基于網(wǎng)民間的關注與被關注關系和評論內(nèi)容進行定量研究，運用數(shù)據(jù)挖掘技術構(gòu)建“意見領袖影響力擴散模型”（IDM），但實際可操性不強。高俊波等[13]采用離散數(shù)學中的圖論原理，以網(wǎng)絡平均路徑長度作為識別網(wǎng)絡論壇意見領袖的依據(jù)，但僅適合最大連通圖情況，不具通用性。Yu[14]等在圖論的基礎上對網(wǎng)民情感進行分析，提出利用LeaderRank算法篩選意見領袖，從而提升了意見領袖識別的準確性。與Yu[14]等人提出的LeaderRank算法相類似，Weng[15]等基于Twitter上網(wǎng)民的關注、評論和轉(zhuǎn)發(fā)行為，利用PageRank提出的TwitterRank算法，區(qū)分意見領袖和普通大眾。但是LeaderRank算法和TwitterRank算法實現(xiàn)難度較大，難以解決實際問題。另外，采用社會網(wǎng)絡分析原理和方法挖掘和識別意見領袖應用廣泛 [1618]，這種方法的優(yōu)點是指標較少、可操行較強，缺點是識別準確率較低。

1.2意見領袖識別指標體系

基于社會網(wǎng)絡方法的靜態(tài)指標（度中心度、接近中心度、特征向量中心度）和基于影響力以及活躍度的動態(tài)交互指標（粉絲數(shù)量、原創(chuàng)帖量、被轉(zhuǎn)發(fā)情況、活躍天數(shù)、用戶積分、關注量等）是較為常見的篩選意見領袖指標，如表1所示。

基于社會網(wǎng)絡分析原理和方法建立意見領袖識別指標是最常用的方法，從社交網(wǎng)絡關系結(jié)構(gòu)中發(fā)現(xiàn)占據(jù)重要位置的節(jié)點及節(jié)點群，并將其視為有重要影響力的意見領袖[19]。常用指標包括度中心度、接近中心度和特征向量中心度。運用社會網(wǎng)絡分析方法識別意見領袖的優(yōu)點是指標較少、計算簡便，但缺點也相對明顯，即識別準確度較低。馬寧、田雅儒[20]在社會網(wǎng)絡分析方法的基礎上將動態(tài)網(wǎng)絡分析方法（DNA）運用到意見領袖識別中，提出約50個測度指標，既包括傳統(tǒng)的度中心度、接近中心度等指標，也包括實際工作負載、交流/知識/資源一致度等動態(tài)網(wǎng)絡專有指標。王佳敏、吳鵬[21]認為意見領袖可以通過影響力和活躍度兩項指標來衡量。用戶的影響力越大，發(fā)布的信息就越能得到回應，便越有可能對其他用戶造成影響；活躍度指用戶參與特定主題討論的積極性，活躍度越高，與其他用戶形成互動越強烈，越利于觀點的傳遞。影響力通過粉絲量、被轉(zhuǎn)發(fā)量、被評論數(shù)及是否經(jīng)過認證4項指標表示。活躍度通過發(fā)帖量和關注人數(shù)兩項指標表示。劉志明、劉魯[22]基于用戶影響力和用戶活躍度識別網(wǎng)絡中的意見領袖，和王佳敏等人的區(qū)別在于影響力和活躍度指標的選擇上。方興東等[23]在影響力和關注度基礎上，增加思想力指標來構(gòu)建識別網(wǎng)絡意見領袖的二級模型，增加“原創(chuàng)比例”和“思想力”判斷指標，認為意見領袖具有獨特的思維方式和情感傾向，這是與普通大眾區(qū)別的關鍵要素。還有學者基于意見領袖的特征構(gòu)建識別指標，如Shoemaker等[24]從社會背景、人口特征、個性等方面研究了意見領袖的上百個特征。Rhee等[25]采用關注度和回復量研究意見領袖特征，將網(wǎng)絡用戶劃分為意見領袖、注意力收集者、安靜說服者及普通大眾4類。endprint

2意見領袖識別模型

本文在綜合前人構(gòu)建網(wǎng)絡意見領袖識別模型基礎上，將社會網(wǎng)絡分析（SNA）方法中的中心性指標與用戶影響力、活躍度的動態(tài)指標相結(jié)合，不僅避免了繁瑣的計算過程，而且能較為準確地反映意見領袖特征，從而提高了判斷的精確性。

2.1指標選取與模型設計

2.1.1基于社會網(wǎng)絡分析的指標選取

在社會網(wǎng)絡分析的中心性指標中，點度中心度指某一節(jié)點在其與之直接相連的鄰居節(jié)點中的中心程度，用與其相連的節(jié)點數(shù)量衡量，反映該節(jié)點在一定范圍內(nèi)的中心程度[26]。推廣到社交網(wǎng)絡，如果博主有眾多相鄰用戶，則其具有較高的點度中心度，反之，點度中心度就低。接近中心性以距離為指標衡量某一節(jié)點與其它節(jié)點聯(lián)系的程度[26]。該節(jié)點與其它節(jié)點距離越近，就表示此節(jié)點視野更好，更了解網(wǎng)絡信息的產(chǎn)生和流向。反之，如果距離較大，則接近中心性值越低，表示該節(jié)點與其它節(jié)點的聯(lián)系越稀疏。與點度中心度和接近中心度相比，中介中心度指節(jié)點對資源的控制程度[26]，反映整個社會網(wǎng)絡的集中程度，或者說整個網(wǎng)絡圍繞一個點或一組點運行的程度。在微博、天涯論壇等在線社交網(wǎng)絡中，如果某一用戶有較高的中介中心度，則其發(fā)布的觀點更容易影響其他網(wǎng)民，也較容易形成整個網(wǎng)絡的輿論和情感傾向。除點度中心度、接近中心度、中介中心度等指標外，社會網(wǎng)絡分析還包括特征向量中心度等指標，筆者認為這些指標與意見領袖關系不大，所以不選取。

2.1.2基于影響力和活躍度的指標選取

影響力反映某一用戶對其他用戶產(chǎn)生影響的可能性[21]。在微博、天涯論壇等平臺，體現(xiàn)意見領袖影響力的指標分別是粉絲數(shù)量和點擊次數(shù)。其中，粉絲數(shù)量是判斷用戶影響力最直接的依據(jù)，用戶擁有的粉絲數(shù)量和用戶被關注的程度成正比，即粉絲數(shù)量越多代表用戶有更高的關注度，發(fā)布的消息也就越有可能被更多的用戶接收到，從而能夠潛在影響消息發(fā)布后的評論、討論等行為。點擊次數(shù)也能反映影響力，點擊次數(shù)越高，用戶對發(fā)布消息的關注和認可度越高，這種認可會激發(fā)后續(xù)的轉(zhuǎn)發(fā)行為。微博、天涯論壇等社區(qū)的轉(zhuǎn)發(fā)行為以“信息級聯(lián)”方式進行傳播，能快速產(chǎn)生連鎖式影響[22]。

活躍度表示某一用戶參與特定事件的積極性[21]。如用戶僅具備高影響力而不積極參與熱點事件的發(fā)言、討論，則不會成為意見領袖。所以，筆者將原創(chuàng)帖數(shù)量、回復帖數(shù)量作為直接反映意見領袖活躍度指標。如果粉絲數(shù)量是形成意見領袖的基礎，那么原創(chuàng)帖則可稱之為意見領袖形成的必要條件。原創(chuàng)帖數(shù)量的高低不僅代表意見領袖參與熱點事件的積極程度，也是其思考力和價值觀的體現(xiàn)。意見領袖通過原創(chuàng)帖傳達自己的思想和觀點，進而改變大眾對某一事件的認知，最終形成傾向于意見領袖態(tài)度的輿論。而回復帖則反映意見領袖同大眾溝通的積極性，通過積極的回復，意見領袖所表達的具有傾向性的觀點會得到強化，鞏固其意見領袖地位。網(wǎng)絡意見領袖識別模型見圖1。

3實證分析與檢驗

2017年6月9日，一則“中國訪美女碩士章瑩穎失聯(lián)數(shù)十天的消息”被披露，隨后各大媒體對此進行了報道。一時間，大量網(wǎng)民就“章瑩穎失聯(lián)遭綁架”的消息表達了自己的看法，網(wǎng)民之間展開了激烈討論，直到一個月后的7月12日，該事件仍在不斷發(fā)酵。

3.1實驗數(shù)據(jù)獲取與處理

本實驗以“章瑩穎、女碩士、訪美學者、失聯(lián)、遭綁架”為關鍵詞，以全球最大的華人論壇“天涯社區(qū)”為數(shù)據(jù)抓取平臺，通過爬蟲軟件SoukeyNetget獲取自事件發(fā)生后所有的相關數(shù)據(jù)。截止到7月12日，共采集10 686條原創(chuàng)帖，包括230位天涯社區(qū)用戶和10萬余條回復信息，獲取每位用戶的粉絲數(shù)量、主帖數(shù)量、點擊次數(shù)、積分、登錄次數(shù)、最新登錄時間、發(fā)帖時間等數(shù)據(jù)。為便于后續(xù)實驗，按照表2的格式對數(shù)據(jù)進一步處理。

3.2實驗結(jié)果

3.2.1關聯(lián)系數(shù)計算

基于SNA計算用戶的點度中心度、接近中心度和中介中心度，同時根據(jù)抓取到的數(shù)據(jù)計算用戶影響力和活躍度對應的指標值。根據(jù)灰色關聯(lián)分析法（定義一）設定理想化意見領袖序列作為本實驗的參考序列。設定理想意見領袖的參考序列標準值為：x0={1.000，1.000，1.000，1.000，1.000，1.000，1.000}。根據(jù)關聯(lián)系數(shù)計算公式得到各指標間的關聯(lián)系數(shù)值。部分數(shù)據(jù)見表3。

3.2.2關聯(lián)度計算

根據(jù)關聯(lián)度計算公式測算關聯(lián)度，即γi=17[εi（1）+εi（2）+…+εi（7）]，其中i的取值對應用戶數(shù)量。在本實驗中，i為1～230中所有的正整數(shù)。根據(jù)計算結(jié)果，選取關聯(lián)度值較高的10位用戶，如表4所示。

3.2.3社會網(wǎng)絡可視化展現(xiàn)

將用戶間的互動關系數(shù)據(jù)導入Ucinet軟件，經(jīng)NetDraw可視化工具處理后得到網(wǎng)絡結(jié)構(gòu)圖，對中心性值較高的節(jié)點進行篩選，得到圖2所示結(jié)果。

圖2社會網(wǎng)絡層意見領袖識別結(jié)果

3.3實驗結(jié)果分析

從天涯社區(qū)獲取本文實驗中關聯(lián)度值排前10名的節(jié)點數(shù)據(jù)，整理如表5所示。

（1）對表5數(shù)據(jù)進行分析，得到以下兩點信息：①關聯(lián)度排名靠前的用戶一般擁有規(guī)模龐大的粉絲群體，說明粉絲數(shù)量是形成網(wǎng)絡意見領袖的前提條件，但并非充要條件。因為排名第一的X36粉絲數(shù)量并不是最多，同樣，排名末位的X85粉絲數(shù)量也不是最少；②相對于粉絲數(shù)量，原創(chuàng)帖量和回復帖量是形成意見領袖更為關鍵的因素。從表5很容易發(fā)現(xiàn)原創(chuàng)帖量的排序恰好對應用戶關聯(lián)度值的排序，雖然回復帖量的排序未顯示出與原創(chuàng)帖量一樣的整齊狀態(tài)，卻僅是少數(shù)節(jié)點出現(xiàn)偏差。鑒于上述兩點，筆者認為，意見領袖的形成更多地依賴自身素質(zhì)，即意見領袖通常有著豐富的經(jīng)歷、專攻的術業(yè)、熱衷于時事，并且對事物的發(fā)展規(guī)律有深刻認知。意見領袖的言論和態(tài)度往往能夠獲得人們的認同，并依靠規(guī)模龐大的粉絲群體在短時間內(nèi)形成傾向性輿論。endprint

（2）圖2所示的社會網(wǎng)絡結(jié)構(gòu)直觀展現(xiàn)了中心性較高的節(jié)點。從圖中不難發(fā)現(xiàn)本文實驗有7個節(jié)點處于各個集群的中央，分別是X9、X11、X16、X19、X27、X36和X168，而其中的5個節(jié)點（X9、X11、X27、X36、X168）同時以高關聯(lián)度出現(xiàn)在表4中，這一現(xiàn)象說明以關聯(lián)度值來識別意見領袖的可取性，同時也表明本模型的7個指標對于識別意見領袖的準確性，說明灰色關聯(lián)分析法在篩選意見領袖領域的適用性。本文實驗共有研究對象230個，最終確定5名意見領袖，占比為2.17%，這一結(jié)果顯示出意見領袖的稀缺性，與“意見領袖”的內(nèi)涵一致，從側(cè)面反映出本模型對意見領袖識別的準確性。此外，表5中的“登錄次數(shù)”指標未納入意見領袖識別模型，但可將其列為驗證性變量，即通過觀察登錄次數(shù)檢驗意見領袖在一段時間的活躍程度，該指標可作為一個重要信息。本文實驗中意見領袖的登錄次數(shù)均在500次以上，處于較高水平。

4結(jié)語

網(wǎng)絡意見領袖作為影響網(wǎng)絡態(tài)勢發(fā)展的關鍵節(jié)點，在傳播信息和引導輿情方面起著越來越重要的作用。因此，準確識別網(wǎng)絡意見領袖并加以引導，對凈化網(wǎng)絡環(huán)境、輔助政府決策具有重大意義。

本文通過3個方面、7項指標構(gòu)建出網(wǎng)絡意見領袖識別模型，創(chuàng)新性地將灰色關聯(lián)分析作為計算意見領袖指標值的方法，結(jié)合網(wǎng)絡結(jié)構(gòu)可視化研究，進一步提升了意見領袖識別的準確性。本模型在設計時遵循以下3大原則：①繼承性。通過系統(tǒng)的文獻梳理與深入分析，本文選取之前研究中使用率最高的識別指標，保證了指標的可靠性和公認性；②科學性。借助灰色關聯(lián)分析的計算方法和社會網(wǎng)絡分析的基本原理測算指標值，并通過NetDraw可視化網(wǎng)絡分析軟件繪制社交網(wǎng)絡圖，使判斷結(jié)果更加直觀；③可操作性。本模型的3個中心性指標值（點度中心度、接近中心度、中介中心度）均通過公式計算得到，4個交互性指標值（粉絲數(shù)量、點擊數(shù)量、原創(chuàng)帖量、回復帖量）均通過爬蟲程序直接采集。

運用上述模型實證分析“章瑩穎事件”，發(fā)現(xiàn)意見領袖均具有相當規(guī)模的粉絲，但粉絲數(shù)量僅是形成網(wǎng)絡意見領袖的必要非充分條件，重要的是網(wǎng)絡意見領袖要具有一定的知識背景，經(jīng)常更新原創(chuàng)性文章，喜歡與網(wǎng)民進行互動且具批判性思維，能在突發(fā)事件中對公眾的觀點和態(tài)度進行干涉，形成具有傾向性的輿論。今后的研究主要考慮能否在本識別模型基礎上增加情感分析算法，按照“正面”、“中性”、“負面”或更多的情感，對意見領袖進行分類，研究攜帶哪種情感的意見領袖會達成信息傳播的最大化。

參考文獻參考文獻：

[1]ANDREASSEN C S. Online social network site addiction： a comprehensive review[J]. Current Addiction Reports，2015，2（2）：175184.

[2]ZHANG W， LI X， HE H， et al. Identifying network public opinion leaders based on Markov logic networks[J]. The Scientific World Journal，2014（4）：18.

[3]BURT R S. The social capital of opinion leaders[J]. Annals of the American Academy of Political & Social Science，1999，566（1）：3754.

[4]COULTER R A， FEICK L F， PRICE L L. Changing faces： cosmetics opinion leadership among women in the new Hungary[J]. European Journal of Marketing，2002，36（11/12）：12871308.

[5]MYERS J H， ROBERTSON T S. Dimensions of opinion leadership[J]. Journal of Marketing Research，1972，9（1）：4146.

[6]RIC VERNETTE. Targeting women's clothing fashion opinion leaders in media， planning： an application for magazines[J]. Journal of Advertising Research，2004，44（1）：90107.

[7]ROGERS E M. Diffusion of innovations[J]. Journal of Continuing Education in the Health Professions，2010，17（1）：6264.

[8]GREENHALGH， TRISHA， ROBERT， et al. Diffusion of innovations in service organizations： systematic review and recommendations[J]. Milbank Quarterly，2004，82（4）：581629.

[9]VALENTE T W. Network models of the diffusion of innovations[J]. Computational & Mathematical Organization Theory，1996，2（2）：163164.

[10]顧品浩，蔣冠.突發(fā)性公共事件中的網(wǎng)絡意見領袖分析——以“楊達才事件”為例[J].情報雜志，2013，32（5）：2024.endprint

[11]謝新洲，杜智濤.網(wǎng)絡意見領袖輿論引導能力的評判體系研究——基于灰色統(tǒng)計與層次分析法的模型構(gòu)建[J].圖書情報工作，2013，57（15）：2026.

[12]MATSUMURA N， OHSAWA Y， ISHIZUKA M. Influence diffusion model in textbased communication[J]. Transactions of the Japanese Society for Artificial Intelligence，2002，17（3）：259267.

[13]高俊波，楊靜.在線論壇中的意見領袖分析[J].電子科技大學學報，2007，36（6）：12491252.

[14]YU X， WEI X， LIN X. Algorithms of BBS opinion leader mining based on sentiment analysis[C].International Conference on Web Information Systems and Mining. SpringerVerlag，2010：360369.

[15]WENG J， LIM E P， JIANG J， et al. TwitterRank： finding topicsensitive influential twitterers[C].ACM International Conference on Web Search and Data Mining. ACM，2010：261270.

[16]陳遠，劉欣宇.基于社會網(wǎng)絡分析的意見領袖識別研究[J].情報科學，2015（4）：1319.

[17]王紅瑞.基于社會網(wǎng)絡分析法的微博空間意見領袖識別模型[J].新聞世界，2013（4）：219221.

[18]王迪，何躍.基于社會網(wǎng)絡分析的意見領袖網(wǎng)結(jié)構(gòu)[J].統(tǒng)計與信息論壇，2013，28（10）：8489.

[19]Z G ZHU. Discovering the influential users oriented to viral marketing based on online social networks [J]. Physica A：Statistical Mechanics and its Applications，2013（392）：34593469.

[20]馬寧，田儒雅，劉怡君，等.基于動態(tài)網(wǎng)絡分析（DNA）的意見領袖識別研究[J].科研管理，2014，35（8）：8392.

[21]王佳敏，吳鵬，陳芬，等.突發(fā)事件中意見領袖的識別和影響力實證研究[J].情報學報，2016，35（2）：169176.

[22]劉志明，劉魯.微博網(wǎng)絡輿情中的意見領袖識別及分析[J].系統(tǒng)工程，2011（6）：816.

[23]方興東，葉秀敏.微博意見領袖的評價研究[J].新聞界，2014（5）：5660.

[24]SHOEMAKER， FLOYD F. Communication of innovations[M]. Free Press， 1971.

[25]RHEE JW，EM KIM，H KIM.Exploring online opinion leadership： a validity test of the concept in the digital age[J]. Physica A：Statistical Mechanics and its Applications，2007（392）：34503461.

[26]約翰·斯科特.社會網(wǎng)絡分析法[M].重慶：重慶大學出版社，2016.

[27]曹明霞.灰色關聯(lián)分析模型及其應用的研究[D].南京：南京航空航天大學，2007.

[28]LOMAS J. Opinion leaders vs audit feedback to implement practice guidelinesreply[J]. Jama the Journal of the American Medical Association，1991，266（9）：12171218.

責任編輯（責任編輯：杜能鋼）endprint