(江蘇財(cái)會(huì)職業(yè)學(xué)院，江蘇 連云港 222061)

0 引言

隨著“互聯(lián)網(wǎng)+”時(shí)代的到來(lái)，網(wǎng)絡(luò)信息量與日俱增，微博自2006誕生以來(lái)，以其獨(dú)樹一幟的簡(jiǎn)短性、開放性、動(dòng)態(tài)性信息傳播風(fēng)格，極大地促進(jìn)了信息傳播與共享，尤其在發(fā)生一個(gè)重大事件或者熱點(diǎn)話題后，便會(huì)出現(xiàn)與這一事件相關(guān)聯(lián)話題跟蹤討論，使得信息在各用戶之間傳遞，因此，微博平臺(tái)已逐漸成為人們獲取信息的主要來(lái)源。

微博文本語(yǔ)言不超過(guò)140個(gè)字，從語(yǔ)法、語(yǔ)義顯示出獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu)，從而形成對(duì)話題事件產(chǎn)生各種情緒、觀點(diǎn)及意見(jiàn)，微博作為一種新興的交流媒體，一方面大大促進(jìn)了人們之間的交流，催生了基于微博平臺(tái)的營(yíng)銷手段；另外一方面，微博平臺(tái)已成為許多不良謠言、誹謗等網(wǎng)絡(luò)暴力的陣地，帶來(lái)了諸多不良的社會(huì)負(fù)面影響。

微博用戶在線上交流過(guò)程中明顯表現(xiàn)出強(qiáng)烈的社會(huì)特征，各用戶在微博網(wǎng)絡(luò)中的互相關(guān)注、交流評(píng)價(jià)等行為與網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)間存在相互影響[1]，微博話題在各用戶之間傳遞影響著微博網(wǎng)絡(luò)整體發(fā)展和形態(tài)；反過(guò)來(lái)，微博的網(wǎng)絡(luò)演化也影響著用戶的個(gè)體行為。在信息迅速傳播的年代，非常有必要對(duì)微博進(jìn)行深入的研究。

目前，國(guó)內(nèi)外對(duì)微博數(shù)據(jù)的分析主要分為以下幾個(gè)方面：①對(duì)微博用戶的研究。②對(duì)微博文本語(yǔ)義的研究。③對(duì)微博信息傳播網(wǎng)絡(luò)的研究。目前這幾個(gè)方面，在各個(gè)維度和深度上都取得了一定進(jìn)展，通過(guò)對(duì)微博數(shù)據(jù)進(jìn)行輿論引導(dǎo)、用戶興趣關(guān)聯(lián)推薦等綜合應(yīng)用，從而凸顯出微博的媒體價(jià)值，由于微博環(huán)境的開放性，為網(wǎng)民輿論自由提供了條件，但也有少數(shù)不法分子會(huì)在平臺(tái)上散布煽動(dòng)性言論，因此，運(yùn)用復(fù)雜網(wǎng)絡(luò)方法挖掘微博話題特征具有一定的實(shí)際應(yīng)用價(jià)值。

1 復(fù)雜網(wǎng)絡(luò)及其復(fù)雜性

目前復(fù)雜網(wǎng)絡(luò)由學(xué)者錢學(xué)森給出最為嚴(yán)密的定義：復(fù)雜網(wǎng)絡(luò)即是包含組織、自相似、吸引子、小世界、無(wú)標(biāo)度中部分或全部性質(zhì)的網(wǎng)絡(luò)[2]。它被理解為是一種研究復(fù)雜系統(tǒng)的手段和方法，已廣泛地應(yīng)用到眾多學(xué)科之中，解決各系統(tǒng)中的復(fù)雜現(xiàn)象問(wèn)題，無(wú)論在理論價(jià)值上還是工程應(yīng)用方面都具有重要的意義。

自然界的大量復(fù)雜系統(tǒng)如醫(yī)學(xué)、社會(huì)科學(xué)、經(jīng)濟(jì)學(xué)、物流等都可以用網(wǎng)絡(luò)來(lái)描述，復(fù)雜網(wǎng)絡(luò)的復(fù)雜性主要體現(xiàn)在網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、網(wǎng)絡(luò)動(dòng)態(tài)進(jìn)化、邊多樣性、動(dòng)力學(xué)復(fù)雜性、節(jié)點(diǎn)多樣性等特點(diǎn)。

復(fù)雜網(wǎng)絡(luò)研究的第一步往往是研究復(fù)雜網(wǎng)絡(luò)性質(zhì)，由圖來(lái)表示網(wǎng)絡(luò)性質(zhì)，抽象的復(fù)雜網(wǎng)絡(luò)是由點(diǎn)集V和邊集E組成的圖G=(V，E)[3]，點(diǎn)集V代表著節(jié)點(diǎn)的數(shù)量，邊集E代表著網(wǎng)絡(luò)邊數(shù)的數(shù) ，復(fù)雜網(wǎng)絡(luò)經(jīng)過(guò)多年的發(fā)展，在計(jì)算機(jī)領(lǐng)域得到了關(guān)注，根據(jù)實(shí)際的網(wǎng)絡(luò)情況，可以將圖分為4種類型：加權(quán)有向圖、加權(quán)無(wú)向圖、無(wú)權(quán)有向圖和無(wú)權(quán)無(wú)向圖[4]，為了更客觀反映網(wǎng)絡(luò)結(jié)構(gòu)，從多角度描述復(fù)雜網(wǎng)絡(luò)拓?fù)涮匦裕饕卸确植?、平均路徑長(zhǎng)度、聚類系數(shù)等。

劉冰瑤等人[6]通過(guò)一種特征降維方法解決微博語(yǔ)義中存在的高維性和稀疏性；李坤[7]在傳統(tǒng)的FF模型上，提出基于多維特片的用戶決策模型，建立話題傳播模型，并分析用戶變化對(duì)話題傳播的影響。田占偉[8]從節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)差異、群落結(jié)構(gòu)兩個(gè)度，分析了微博中信息中傳播的規(guī)律，構(gòu)建了微博信息傳播過(guò)程模型。

復(fù)雜網(wǎng)絡(luò)分析方法無(wú)論是在微博文本上還是話題傳播方面是都是可行的，在復(fù)雜網(wǎng)絡(luò)的相關(guān)參數(shù)，如度分布、聚類系數(shù)、平均最短路徑等方面反映了微博語(yǔ)言的語(yǔ)體特征。該研究不僅拓展了復(fù)雜網(wǎng)絡(luò)方法在語(yǔ)言學(xué)領(lǐng)域的應(yīng)用，而且為基于復(fù)雜網(wǎng)絡(luò)的微博內(nèi)容挖掘提供了可行途徑。

2 微博話題傳播特性分析

2.1 微博話題傳播

與傳統(tǒng)的新聞媒體相比，微博在傳播的速度和深度上遠(yuǎn)比傳統(tǒng)媒體來(lái)得深遠(yuǎn)，一些重大新聞事件將微博作為首發(fā)源頭，對(duì)于微博用戶來(lái)說(shuō)，了解信息可以選擇感興趣的用戶，也可選擇感興趣的微博，由于微博具有發(fā)布功能、轉(zhuǎn)發(fā)功能、關(guān)注功能和評(píng)價(jià)功能，信息可以通過(guò)多種傳播途徑在用戶之間實(shí)現(xiàn)消息的互通。

微博的傳播特征呈現(xiàn)裂變性、自媒體性、多維特征等性質(zhì)，一則話題發(fā)布后，當(dāng)轉(zhuǎn)發(fā)的用戶累積到某個(gè)點(diǎn)時(shí)候，尤其經(jīng)過(guò)大V及公眾人物的發(fā)布之后，信息將會(huì)達(dá)到裂變式傳播，從而使傳播效率大大提高，因此微博具有裂變性；微博的傳播具有自媒體性，信息的分享改變了自上而下的廣播模式，以用戶節(jié)點(diǎn)為核心，實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)的傳播模式，這種自發(fā)傳播性決定了每個(gè)用戶都是消息的傳播者和產(chǎn)生者；微博具有多維特性，話題不僅包含語(yǔ)義類信息，更含有發(fā)布者的個(gè)人情感傾向，有正面評(píng)價(jià)、負(fù)面評(píng)價(jià)，也有中立觀點(diǎn)，正是由于所持觀點(diǎn)及情感的不同，才會(huì)使話題熱度不斷升高。

2.2 話題傳播模型

“互聯(lián)網(wǎng)+”時(shí)代，隨著社交網(wǎng)絡(luò)的蓬勃發(fā)展，為學(xué)者研究話題傳播提供了海量的實(shí)際數(shù)據(jù)，經(jīng)過(guò)多年的成果積淀，研究者們?cè)谠掝}信息傳播模型上取得了突破性的成果，主要有基于網(wǎng)絡(luò)結(jié)構(gòu)的傳播模型、傳染病傳播模型等。

棚寬8～10m、棚長(zhǎng)40～60m、棚高2.3～2.5m。棚架主體寬6～8 cm，可選用竹片或塑鋼材料，根據(jù)氣候條件可做兩三層內(nèi)膜支架，內(nèi)膜支架間距為15～18 cm。

基于網(wǎng)絡(luò)結(jié)構(gòu)的傳播模型，是指經(jīng)過(guò)信息傳播的網(wǎng)絡(luò)結(jié)構(gòu)與鄰居節(jié)點(diǎn)之間的交互關(guān)系對(duì)信息傳播過(guò)程進(jìn)行建模[9]。此類模型中根據(jù)節(jié)點(diǎn)的活動(dòng)狀態(tài)又可分為線性閥值模型、獨(dú)立級(jí)聯(lián)模型，以及在此基礎(chǔ)上產(chǎn)生的擴(kuò)散模型?；诰W(wǎng)絡(luò)結(jié)構(gòu)的傳播模型應(yīng)用在信息影響力擴(kuò)散、個(gè)性化推薦等方面，有著獨(dú)特的優(yōu)勢(shì)，但是在研究過(guò)程中缺乏時(shí)效性，未能將網(wǎng)絡(luò)之外的因素考慮在內(nèi)。

基于傳染病傳播模型，復(fù)雜網(wǎng)絡(luò)傳播動(dòng)力學(xué)中研究最廣泛的是流行病傳播，因?yàn)閭魅静〉膫鞑ミ^(guò)程與信息傳播過(guò)程有很大的相似之處，均伴隨著一個(gè)起始、傳播、爆發(fā)和消亡/平息的全過(guò)程，在傳染病模型中，根據(jù)個(gè)體所呈現(xiàn)的受感染狀態(tài)的不同，可分為容易被感染的易感染狀態(tài)，具有傳播性的感染態(tài)等，從以上狀態(tài)的不同，提出不同的傳播模型，最經(jīng)典的概率傳播模型有SIR模型和SIS模型，SIR模型適合描述可能再次感染的疾病中，SEIR模型存在一個(gè)潛伏特性的E態(tài)特征，經(jīng)過(guò)潛伏后，才會(huì)出現(xiàn)傳染性。傳染病模型與消息傳播有相通性，但是傳染病模型對(duì)節(jié)點(diǎn)之間的重視不夠，然而微博中的傳播節(jié)點(diǎn)是至關(guān)重要的。

2.3 微博話題傳播特征分析

微博環(huán)境下的用戶轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論等信息傳播行業(yè)產(chǎn)生了大量的數(shù)據(jù)，為信息傳播特征分析提供了良好數(shù)據(jù)支撐[10]。微博中用戶關(guān)系存在3種情況，一是關(guān)注，二是被關(guān)注，三是相互關(guān)注，彼此之間的關(guān)注可以計(jì)算出用戶的出度和入度。

2.3.1 數(shù)據(jù)選取與收集

由于新浪微博對(duì)第三平臺(tái)提供開放的API端口，可以對(duì)其網(wǎng)絡(luò)中的數(shù)據(jù)進(jìn)行操作，包括獲取用戶信息獲取接口，微博文本數(shù)據(jù)獲取等。2019年國(guó)慶節(jié)期間，多部?jī)?yōu)秀的影視作品上映，本研究以2019年10月1日～10月7日之間，“中國(guó)機(jī)長(zhǎng)”話題下的點(diǎn)贊數(shù)大于1 000的微博節(jié)點(diǎn)及節(jié)點(diǎn)間關(guān)系為研究對(duì)象，獲取的數(shù)據(jù)包括用戶ID、用戶名稱、關(guān)注對(duì)象、被關(guān)注對(duì)象、微博文本、點(diǎn)贊數(shù)等，最終獲得數(shù)據(jù)有9 205 100條。

在獲得的數(shù)據(jù)中，共包含了2 001名用戶，存在2 041 020條關(guān)注關(guān)系，以2 001個(gè)用戶作為節(jié)點(diǎn)，并以他們之間的互相關(guān)注為連邊，構(gòu)建了微博話題傳播過(guò)程中的復(fù)雜網(wǎng)絡(luò)。

2.3.2 微博話題網(wǎng)絡(luò)分析2.3.2.1 度分析

度是描述單個(gè)節(jié)點(diǎn)屬性的最簡(jiǎn)單又是最重要的概念之一，節(jié)點(diǎn)i的度ki可理解為與節(jié)點(diǎn)i直接相連的邊的數(shù)目，在有向網(wǎng)絡(luò)中，度又可分為出度和入度。

作為網(wǎng)絡(luò)節(jié)點(diǎn)中的微博用戶，其度是指與本節(jié)點(diǎn)直接相連的節(jié)點(diǎn)個(gè)數(shù)，節(jié)點(diǎn)的度可以記為：

(1)

通常微博用戶節(jié)點(diǎn)度值的大小反映了該用戶節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中的重要性，圖1描述了該話題中用戶節(jié)點(diǎn)度值的概率分布，反映出節(jié)點(diǎn)度值整體上呈冪律分布。度值大于500的用戶節(jié)點(diǎn)，占的份額并不是很多，說(shuō)明這些節(jié)點(diǎn)比其他度低的節(jié)點(diǎn)傳播中占有更大的優(yōu)秀。

圖1 節(jié)點(diǎn)的度

通過(guò)對(duì)較大度的節(jié)點(diǎn)進(jìn)行分析，繪制出微博的入度和出度分布圖，如圖2、圖3所示。

圖2 各節(jié)點(diǎn)出度分布圖

圖3 各節(jié)點(diǎn)入度分布圖

從圖2和圖3中看出，入度最高的前5個(gè)節(jié)點(diǎn)分別是：張涵予、歐豪、杜江、袁泉、張?zhí)鞇?ài)、李沁，說(shuō)明影片因這些明星加快了傳播速度，因?yàn)樗麄兙哂袕?qiáng)大的粉絲，能夠產(chǎn)生口碑效應(yīng)。出度分布隨著度數(shù)增加而人數(shù)降低的分布規(guī)律，與泊松分布較為類似，這些出度較高的用戶表現(xiàn)出于他人較強(qiáng)的交流意愿。

2.3.2.2 聚類系數(shù)分析

Watts和Strogatz將聚類系數(shù)定義為某個(gè)節(jié)點(diǎn)所在鄰居節(jié)點(diǎn)之間連邊的數(shù)據(jù)占可能的最大連邊數(shù)的比例[5]，可表示為：

(2)

當(dāng)C取1時(shí)從中獲知網(wǎng)絡(luò)中所有節(jié)點(diǎn)是相連的，本微博話題用戶樣本所得的聚類系數(shù)為0.432，說(shuō)明此網(wǎng)絡(luò)的集聚性較好。集聚系數(shù)越大說(shuō)明了網(wǎng)絡(luò)節(jié)點(diǎn)中任意用戶之間獲得某種關(guān)聯(lián)的可能性也就越大。

2.3.2.3 平均路徑長(zhǎng)度分析

網(wǎng)絡(luò)中平均路徑長(zhǎng)度L可定義為任意兩個(gè)節(jié)點(diǎn)之間的平均值，其公式為：

(3)

通過(guò)軟件計(jì)算出微博關(guān)注網(wǎng)絡(luò)的網(wǎng)絡(luò)直徑為8.733，平均路徑長(zhǎng)度為2.159，說(shuō)明微博在任意2個(gè)用戶間進(jìn)行信息傳播，通過(guò)2.159個(gè)用戶關(guān)聯(lián)即可實(shí)現(xiàn)信息傳播，由此可見(jiàn)，微博用戶網(wǎng)絡(luò)結(jié)構(gòu)在一定程序上利于話題在用戶之間共享和傳遞。

3 結(jié)語(yǔ)

通過(guò)引入復(fù)雜網(wǎng)絡(luò)分析方法對(duì)微博話題的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析，從度分布、聚類系數(shù)和平均路徑長(zhǎng)度3個(gè)指標(biāo)分析了“中國(guó)機(jī)長(zhǎng)”話題下形成的網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，從結(jié)論中可以看出微博用戶具有集群性，話題傳播路徑與用戶的信息分享行為緊密相關(guān)，因此需要嚴(yán)格把控關(guān)鍵節(jié)點(diǎn)的控制，嚴(yán)禁負(fù)面言論的產(chǎn)生，引導(dǎo)網(wǎng)絡(luò)中的意見(jiàn)領(lǐng)袖來(lái)提升話題的熱度，在技術(shù)層面上，需要從信息源、內(nèi)容、傳播路徑進(jìn)行監(jiān)管，對(duì)不同節(jié)點(diǎn)發(fā)布信息進(jìn)行限制。在制度上，提高微博中大節(jié)點(diǎn)用戶自律行為，起到規(guī)范和引導(dǎo)的作用。