摘 " "要：[目的/意義]新媒體技術(shù)的飛速發(fā)展使得社交媒體平臺(tái)成為信息傳播的主要載體。運(yùn)用社會(huì)網(wǎng)絡(luò)分析法研究微博輿論場(chǎng)中突發(fā)事件信息傳播結(jié)構(gòu)及傳播模式，為政府高效應(yīng)對(duì)突發(fā)事件危機(jī)提供理論支持。[方法/過程]以“唐山燒烤店打人事件”為例進(jìn)行微博數(shù)據(jù)采集，構(gòu)建具有節(jié)點(diǎn)間強(qiáng)弱關(guān)系的信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法分析信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)的用戶屬性、節(jié)點(diǎn)屬性、網(wǎng)絡(luò)屬性和傳播屬性，探討節(jié)點(diǎn)間強(qiáng)弱關(guān)系在突發(fā)事件信息傳播中的作用規(guī)律。[結(jié)果/結(jié)論]1）網(wǎng)絡(luò)用戶的性別、活躍度、地域等因素影響用戶傳播力；2）核心節(jié)點(diǎn)的作用尤為關(guān)鍵，他們?cè)趥鞑ユ湕l中起到“橋梁”的作用，弱關(guān)

系和權(quán)威關(guān)系的傳播主要集中在少數(shù)核心節(jié)點(diǎn)之間，而強(qiáng)關(guān)系的傳播路徑較為分散；3）突發(fā)事件信息傳播網(wǎng)絡(luò)具有較高的

傳播效率，且呈現(xiàn)出稀疏的特征；4）整個(gè)信息傳播過程中仍以弱關(guān)系傳播為主，權(quán)威連接在信息傳播的各個(gè)階段均發(fā)揮重

要作用，而強(qiáng)連接的作用主要集中于信息傳播的初始階段。研究結(jié)果為相關(guān)部門制定有效的突發(fā)事件傳播和引導(dǎo)策略提供了支撐。

關(guān)鍵詞：突發(fā)事件；信息傳播；社會(huì)網(wǎng)絡(luò)分析；微博；節(jié)點(diǎn)間強(qiáng)弱關(guān)系

中圖分類號(hào)：TP391；G202 " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼：A " " " " " " " " "文章編號(hào)：1002-1248（2024）01-0083-14

引用本文：李思佳，鄭德銘，劉博.考慮節(jié)點(diǎn)間強(qiáng)弱關(guān)系的突發(fā)事件信息傳播網(wǎng)絡(luò)分析[J].農(nóng)業(yè)圖書情報(bào)學(xué)報(bào)，2024，36（1）： 83-96.

0 "引 " 言

當(dāng)今中國(guó)正處于社會(huì)轉(zhuǎn)型的關(guān)鍵時(shí)期，改革的不斷深化、現(xiàn)代化的迅速推進(jìn)，都伴隨著社會(huì)風(fēng)險(xiǎn)的產(chǎn)生[1]。信息社會(huì)和網(wǎng)絡(luò)社會(huì)的雙重到來在改變社會(huì)結(jié)構(gòu)和傳統(tǒng)價(jià)值觀的同時(shí)，也增加了更多的不穩(wěn)定性和風(fēng)險(xiǎn)性，給中國(guó)突發(fā)事件輿情信息的傳播和應(yīng)對(duì)提出了挑戰(zhàn)。社會(huì)環(huán)境已經(jīng)不能再將公共危機(jī)排除在外，其成為當(dāng)今內(nèi)在社會(huì)結(jié)構(gòu)的重要組成部分[2]。在突發(fā)事件發(fā)生發(fā)展的過程中，微博輿論場(chǎng)已經(jīng)成為突發(fā)事件網(wǎng)絡(luò)輿情生成演化的重要載體和重要的信息源、動(dòng)力源以及發(fā)酵池[3]。

與傳統(tǒng)的信息控制模式不同，微博場(chǎng)域中的信息傳播模式打破了以政府機(jī)構(gòu)為主體的單向型信息控制模式[4]。在多媒體交互參與、多極化信息傳播的微博輿情信息中，真相與謠言并存，任何突發(fā)事件一旦爆發(fā)于網(wǎng)絡(luò)中，都會(huì)迅速成為整個(gè)公共輿論空間中的熱門話題，若無正確引導(dǎo)，事件升級(jí)速度將更加迅速，極易造成非理性的群體事件、引發(fā)公民的不安和恐慌[5]。因此把握突發(fā)事件輿情信息在微博中的傳播結(jié)構(gòu)將有助于政府機(jī)構(gòu)及相關(guān)部門，更好地發(fā)揮告知真相、引導(dǎo)輿論的作用，構(gòu)建健康的網(wǎng)絡(luò)環(huán)境與和諧穩(wěn)定的社會(huì)環(huán)境。

1 "相關(guān)研究

近年來，突發(fā)事件信息傳播的相關(guān)研究逐漸成為學(xué)界關(guān)注的熱點(diǎn)領(lǐng)域[6，7]。學(xué)者們從信息傳播模式規(guī)律和信息傳播網(wǎng)絡(luò)結(jié)構(gòu)特征兩方面開展了一些研究工作，大多建立在實(shí)證研究的基礎(chǔ)上。第一，信息傳播模式規(guī)律方面，主要采用模型構(gòu)建與實(shí)證分析相結(jié)合的研究手段，探究突發(fā)事件信息的傳播規(guī)律及影響因素。例如，王林等基于信息生態(tài)學(xué)理論，從信息、信息人和信息環(huán)境三要素分析輿情事件，構(gòu)建信息生態(tài)學(xué)視角下的網(wǎng)絡(luò)輿情傳播分析模型，并以新冠病毒的方艙醫(yī)院事件為例，運(yùn)用主題分析、情感分析等方法進(jìn)行實(shí)證研究，分析輿情內(nèi)容演進(jìn)和情感演化規(guī)律，總結(jié)新冠病毒網(wǎng)絡(luò)輿情傳播特征[8]；陳迎欣等基于利益相關(guān)者模型提出災(zāi)害救助信息網(wǎng)絡(luò)傳播的相關(guān)參與主體作用力，即意見領(lǐng)袖影響力、普通網(wǎng)民參與度、網(wǎng)媒傳播度、政務(wù)及時(shí)性，并選取2016—2021年的19個(gè)自然災(zāi)害典型案例，對(duì)變量采取定量測(cè)度，運(yùn)用定性比較分析方法，對(duì)災(zāi)害事件中救助信息網(wǎng)絡(luò)傳播的作用力進(jìn)行剖析，分析災(zāi)害救助信息網(wǎng)絡(luò)傳播的影響因

素[9]；王晰巍針對(duì)突發(fā)事件網(wǎng)絡(luò)輿情信息傳播特征在各個(gè)階段的變化建立輿情傳播模型，以新浪微博熱點(diǎn)話題“南海仲裁案”為數(shù)據(jù)源，對(duì)移動(dòng)端和非移動(dòng)端突發(fā)事件網(wǎng)絡(luò)輿情演化規(guī)律、預(yù)警規(guī)律、演化模型及用戶工具端使用規(guī)律進(jìn)行分析，發(fā)現(xiàn)移動(dòng)端的突發(fā)事件網(wǎng)絡(luò)輿情信息傳播比非移動(dòng)端傳播速度更快、傳播程度更深、傳播范圍更廣[10]；王治瑩等采用案例分析和結(jié)構(gòu)化描述方法構(gòu)建突發(fā)事件信息演化系統(tǒng)的隨機(jī)Petri網(wǎng)模型，并通過情景仿真提出突發(fā)事件信息演化現(xiàn)象的結(jié)構(gòu)化描述、演化系統(tǒng)及不同演化狀態(tài)，得出系統(tǒng)均衡狀態(tài)變動(dòng)規(guī)律及其調(diào)控機(jī)制[11]；鄧建高等以“江蘇響水爆炸事故”為例，引入突發(fā)事件類型的特有變量構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情傳播的系統(tǒng)動(dòng)力學(xué)模型，并通過仿真分析探討政府行為對(duì)網(wǎng)絡(luò)輿情傳播態(tài)勢(shì)的影響，研究發(fā)現(xiàn)政府的響應(yīng)時(shí)間、政府危機(jī)處理力度及官方新聞透明度對(duì)輿情熱度的影響分別為正相關(guān)、負(fù)相關(guān)及負(fù)相關(guān)[12]。第二，信息傳播網(wǎng)絡(luò)結(jié)構(gòu)特征方面，主要采用社會(huì)網(wǎng)絡(luò)分析方法，挖掘突發(fā)事件在社交媒體平臺(tái)上的信息傳播網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)及結(jié)構(gòu)特征，從而探究有效的突發(fā)事件信息傳播的引導(dǎo)控制策略。例如，沈家豪等以2021年河南“7·20”特大暴雨為研究對(duì)象，運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法研究微博和微信應(yīng)急信息傳播的網(wǎng)絡(luò)結(jié)構(gòu)特征，生成關(guān)鍵詞傳播網(wǎng)絡(luò)拓?fù)鋱D，并基于鄰接矩陣測(cè)算網(wǎng)絡(luò)密度、小世界、中心性、“核心-邊緣”和小團(tuán)體，研究發(fā)現(xiàn)突發(fā)事件下應(yīng)急信息的傳播網(wǎng)絡(luò)具有多層次性和異質(zhì)性，微博比微信的傳播網(wǎng)絡(luò)密度小、節(jié)點(diǎn)平均距離大、中心性高、核心行動(dòng)者少、小團(tuán)體結(jié)構(gòu)清晰[13]；汪婧等以江蘇響水“3·21”爆炸事故為實(shí)證研究對(duì)象，生成輿情傳播網(wǎng)絡(luò)拓?fù)鋱D，并從網(wǎng)絡(luò)整體結(jié)構(gòu)、中心性、位置角色3個(gè)維度下的7個(gè)測(cè)度指標(biāo)進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)特征的測(cè)度分析，研究發(fā)現(xiàn)該突發(fā)事件輿情傳播網(wǎng)絡(luò)具有較高的連通性和異質(zhì)性、網(wǎng)絡(luò)的結(jié)構(gòu)特性影響輿情信息傳播速度和效力、用戶的信息傳播能力具有馬太效應(yīng)、用戶特性影響其在網(wǎng)絡(luò)中的地位[14]；萬鈺玨等以突發(fā)事件“湖北十堰燃?xì)獗ā睘槔?，運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法對(duì)突發(fā)事件網(wǎng)絡(luò)輿情意見領(lǐng)袖的傳播規(guī)律進(jìn)行分析，并從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度探討了意見領(lǐng)袖的傳播影響力，發(fā)現(xiàn)該網(wǎng)絡(luò)輿情傳播的整體關(guān)聯(lián)度較低，傳播網(wǎng)絡(luò)結(jié)構(gòu)較為松散，意見領(lǐng)袖及其他傳播者之間交互性不夠緊密[15]；王雪秋對(duì)突發(fā)金融輿情事件信息的傳播網(wǎng)絡(luò)、關(guān)鍵節(jié)點(diǎn)、網(wǎng)民情感分類以及輿情信息內(nèi)容等進(jìn)行分析，同樣發(fā)現(xiàn)突發(fā)金融輿情事件信息傳播網(wǎng)絡(luò)結(jié)構(gòu)較為分散，且信息傳播較多依賴意見領(lǐng)袖節(jié)點(diǎn)[16]；徐嘉碩等以2022年上海疫情事件作為信息源，基于LDA模型結(jié)合用戶轉(zhuǎn)發(fā)關(guān)系挖掘微博中的網(wǎng)絡(luò)社群，并對(duì)劃分后的社群進(jìn)行社會(huì)網(wǎng)絡(luò)分析及情感分析，研究發(fā)現(xiàn)社群挖掘能有效減少微博網(wǎng)絡(luò)中用戶間弱聯(lián)系，微博網(wǎng)絡(luò)社群中信息具有良好的可達(dá)性[17]。

然而，目前關(guān)于突發(fā)事件信息傳播的研究仍以信息傳播模式規(guī)律為主，對(duì)信息傳播網(wǎng)絡(luò)結(jié)構(gòu)特征的關(guān)注較少。且現(xiàn)有研究往往將信息傳播網(wǎng)絡(luò)中的個(gè)體間關(guān)系無差別對(duì)待，但現(xiàn)實(shí)網(wǎng)絡(luò)社交平臺(tái)的賬號(hào)之間的互動(dòng)交流強(qiáng)弱存在顯著差異，其在突發(fā)事件信息傳播中的作用不能忽視[18]。因此，本研究以“唐山燒烤店打人事件”為例，構(gòu)建具有節(jié)點(diǎn)間強(qiáng)弱關(guān)系的微博信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法分析信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)的用戶屬性、節(jié)點(diǎn)屬性、網(wǎng)絡(luò)屬性和傳播屬性，探討節(jié)點(diǎn)間強(qiáng)弱關(guān)系在突發(fā)事件信息傳播中的作用規(guī)律，旨在通過深入理解和探索考慮節(jié)點(diǎn)間強(qiáng)弱關(guān)系的突發(fā)事件信息傳播網(wǎng)絡(luò)，進(jìn)一步揭示和解析信息傳播的規(guī)律和機(jī)制，以期為公眾輿論的形成與發(fā)展，以及社會(huì)管理決策提供科學(xué)依據(jù)和有效途徑。

2 "考慮節(jié)點(diǎn)間強(qiáng)弱關(guān)系的突發(fā)事件信息傳播網(wǎng)絡(luò)構(gòu)建

2.1 "數(shù)據(jù)爬取及預(yù)處理

本研究選擇“唐山燒烤店打人事件”作為樣本案例。根據(jù)在線輿情信息監(jiān)測(cè)平臺(tái)，2022年6月10日至2022年6月21日15時(shí)，“唐山燒烤店打人事件”相關(guān)輿情信息1 950 756條，輿情傳播主要位于新浪微博平臺(tái)，相關(guān)輿情聲量為1 812 569條，占比92.92%，新浪微博平臺(tái)形成多個(gè)微博話題，累計(jì)閱讀量超400億，討論量超1 500萬。因此，本文選取了微博平臺(tái)作為數(shù)據(jù)源，選擇“央視新聞”于2022年6月10日發(fā)布的“#警方通報(bào)唐山燒烤店打人案件#”為源微博，通過編寫網(wǎng)絡(luò)爬蟲程序，對(duì)相關(guān)話題下的微博內(nèi)容、轉(zhuǎn)發(fā)用戶信息、轉(zhuǎn)發(fā)用戶關(guān)注列表等數(shù)據(jù)進(jìn)行爬取，并對(duì)數(shù)據(jù)進(jìn)行去重、噪聲清洗、規(guī)范格式等預(yù)處理，然后基于該數(shù)據(jù)構(gòu)建微博信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)。

2.2 "突發(fā)事件信息傳播網(wǎng)絡(luò)構(gòu)建

通過預(yù)處理后的微博內(nèi)容、轉(zhuǎn)發(fā)數(shù)據(jù)，構(gòu)建出具有6 819個(gè)節(jié)點(diǎn)7 681條連邊的“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)，如圖1所示。網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)代表一個(gè)微博用戶，連邊代表用戶之間的轉(zhuǎn)發(fā)關(guān)系?？梢钥吹剑W(wǎng)絡(luò)的中心節(jié)點(diǎn)是源微博發(fā)出者“央視新聞”的微博賬號(hào)，直接轉(zhuǎn)發(fā)源微博的節(jié)點(diǎn)數(shù)量最多，除此之外，還存在距離源微博一步之遙的節(jié)點(diǎn)，這些節(jié)點(diǎn)的數(shù)量相對(duì)較少?？梢娫摼W(wǎng)絡(luò)具有明顯的星形擴(kuò)散特征，體現(xiàn)了較強(qiáng)的媒體傳播特性，即以“央視新聞”微博賬號(hào)為核心，信息多數(shù)由“央視新聞”微博賬號(hào)直接到達(dá)用戶，而經(jīng)過其他用戶的二級(jí)傳播較少，這與文獻(xiàn)報(bào)道的權(quán)威媒體微博賬號(hào)發(fā)布的突發(fā)事件信息擴(kuò)散模式一致[19]。

2.3 "節(jié)點(diǎn)間強(qiáng)弱關(guān)系劃分

為了揭示節(jié)點(diǎn)之間的影響力差異，從而更好地反映網(wǎng)絡(luò)中信息傳播的強(qiáng)度和速度，考慮微博賬號(hào)之間的互動(dòng)交流強(qiáng)弱關(guān)系，本研究將節(jié)點(diǎn)之間的轉(zhuǎn)發(fā)連邊分為3類：第一類，弱關(guān)系，即用戶之間無關(guān)注有轉(zhuǎn)發(fā)；第二類，強(qiáng)關(guān)系，即用戶之間有關(guān)注有轉(zhuǎn)發(fā)；第三類，權(quán)威關(guān)系，普通人容易受到權(quán)威（有影響力的用戶或主流媒體）的影響進(jìn)而轉(zhuǎn)發(fā)傳播消息，這類關(guān)系有別于單純的強(qiáng)、弱關(guān)系，可稱為權(quán)威關(guān)系。粉絲數(shù)之比能夠在一定程度上衡量節(jié)點(diǎn)之間的影響力差異，因此，本文結(jié)合用戶之間的轉(zhuǎn)發(fā)關(guān)系、關(guān)注關(guān)系和粉絲數(shù)之比，來劃分節(jié)點(diǎn)間關(guān)系的強(qiáng)弱和權(quán)威性。具體而言，劃分步驟如下。

（1）劃分強(qiáng)、弱連邊。對(duì)于網(wǎng)絡(luò)中任意一對(duì)存在轉(zhuǎn)發(fā)關(guān)系的賬號(hào)（節(jié)點(diǎn)）A和B，如果節(jié)點(diǎn)B轉(zhuǎn)發(fā)節(jié)點(diǎn)A的微博，則判斷節(jié)點(diǎn)B是否關(guān)注節(jié)點(diǎn)A，如果至少存在單向關(guān)注關(guān)系，則將對(duì)應(yīng)的連邊劃分為強(qiáng)連邊，否則，劃分為弱連邊。

（2）劃分權(quán)威連邊。在用戶交互影響較強(qiáng)的強(qiáng)連邊基礎(chǔ)上，進(jìn)一步劃分被轉(zhuǎn)發(fā)方具有權(quán)威影響力的權(quán)威連邊，即對(duì)于網(wǎng)絡(luò)中任意一對(duì)強(qiáng)連邊，如果節(jié)點(diǎn)B轉(zhuǎn)發(fā)節(jié)點(diǎn)A的微博，則計(jì)算它們的粉絲數(shù)之比：

wAB = "（1）

如果該值大于某一閾值，即wAB gt; wc，則將對(duì)應(yīng)的連邊劃分為權(quán)威邊。

為了尋找合理的權(quán)威關(guān)系閾值wc，將wc分別設(shè)置為 1 000、10 000、100 000和1 000 000，得到“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)的連邊類型分布如圖2所示?？梢钥吹?，當(dāng)1000≤wc≤100000時(shí)，權(quán)威邊的數(shù)量沒有明顯變化；而當(dāng)wc繼續(xù)增大到1 000 000時(shí)，權(quán)威邊的數(shù)量顯著降低，這可能是閾值wc設(shè)置過大導(dǎo)致的。因此，本文在權(quán)威邊數(shù)量較為穩(wěn)定的wc取值范圍內(nèi)，選取wc=10 000作為權(quán)威連邊的劃分閾值。當(dāng)設(shè)置wc=10 000時(shí)，信息傳播網(wǎng)絡(luò)中絕大部分是弱連邊，這與微博信息傳播中弱關(guān)系占主導(dǎo)地位相符[8]，在微博這一平臺(tái)上，信息可以通過弱關(guān)系迅速跨越不同的社交圈子，達(dá)到更廣泛的受眾；與強(qiáng)連邊相比，權(quán)威連邊的數(shù)量有明顯優(yōu)勢(shì)，說明盡管信息傳播主要依賴弱關(guān)系，但權(quán)威用戶（如官方賬號(hào)、知名人士等）在信息傳播中仍然扮演關(guān)鍵角色，有助于提高信息的可信度；強(qiáng)連邊數(shù)量最少，這可能代表朋友或家人之間的強(qiáng)關(guān)系，或者互動(dòng)交流密切且均具有較大影響力的意見領(lǐng)袖、主流媒體之間的轉(zhuǎn)發(fā)，而后他們將信息傳播到廣大受眾，這也在一定程度上促進(jìn)了信息的進(jìn)一步擴(kuò)散。

3 "突發(fā)事件信息傳播網(wǎng)絡(luò)分析

3.1 "用戶屬性

為了挖掘突發(fā)事件信息傳播的用戶特征，對(duì)“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)中的用戶屬性，包括性別分布、關(guān)注數(shù)和粉絲數(shù)分布以及地理分布進(jìn)行了分析。

3.1.1 " 性別分布

圖3（a）所示為轉(zhuǎn)發(fā)用戶的性別分布，可以明顯看出參與信息傳播的女性的數(shù)量遠(yuǎn)高于男性，說明女性更易受到突發(fā)事件的影響，信息傳播力更強(qiáng)。圖3（b）所示為不同性別的轉(zhuǎn)發(fā)用戶的連邊類型分布，可以看出，男、女性轉(zhuǎn)發(fā)用戶的權(quán)威、強(qiáng)、弱連邊比例差異不大，且與信息傳播網(wǎng)絡(luò)中連邊類型的總體分布幾乎一致。

3.1.2 " 關(guān)注數(shù)和粉絲數(shù)分布

用戶的關(guān)注數(shù)和粉絲數(shù)分布分別如圖4（a）和4（b）所示。為了更好地展示數(shù)據(jù)，將數(shù)值進(jìn)行了對(duì)數(shù)轉(zhuǎn)換（取log10）?？傻萌缦路治鼋Y(jié)果。①分布集中，大部分用戶的關(guān)注數(shù)集中在100～1 000（圖4（a）中2.0～3.0）的數(shù)量級(jí)，而粉絲數(shù)集中在10～500（圖4（b）中1.5～2.5）之間，這反映了大部分用戶在社交網(wǎng)絡(luò)中的普遍活躍度；②異常值存在，在關(guān)注數(shù)和粉絲數(shù)分布中，均存在超過10 000（圖4（a）和4（b）中4.0）的少數(shù)離群值，這些離群值代表一些特別活躍或者具有影響力的用戶，例如知名人士或者主流媒體，他們?cè)谛畔鞑ゾW(wǎng)絡(luò)中扮演關(guān)鍵角色；③粉絲數(shù)分布呈現(xiàn)出比較明顯的左偏分布的特點(diǎn)，也就是說，大部分用戶的粉絲數(shù)相對(duì)較低，存在少數(shù)用戶的粉絲數(shù)非常高；④男、女性用戶對(duì)比而言，關(guān)注數(shù)和粉絲數(shù)均值相當(dāng)，女性用戶的關(guān)注數(shù)和粉絲數(shù)分布更加集中。

3.1.3 " "地理分布

傳播網(wǎng)絡(luò)中的用戶所在省份分布如圖5所示?？梢钥闯?，參與信息傳播的用戶主要集中在廣東、江蘇、浙江、四川和上海等地。這些省份在全國(guó)的經(jīng)濟(jì)發(fā)展中處于領(lǐng)先地位，特別是廣東省的用戶數(shù)量最多，其信息傳播的影響力不容小覷。經(jīng)濟(jì)發(fā)達(dá)的省份通常有較高的網(wǎng)絡(luò)普及率和用戶活躍度，用戶在信息傳播中的參與度也相對(duì)較高。

3.2 "節(jié)點(diǎn)屬性

為了挖掘信息傳播中的關(guān)鍵節(jié)點(diǎn)，采用度中心性指標(biāo)衡量節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要性[20]。節(jié)點(diǎn)度中心性指的是節(jié)點(diǎn)在與其直接相連的鄰居節(jié)點(diǎn)中的中心程度[21]，采用一個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)的連邊數(shù)量衡量，在本網(wǎng)絡(luò)中可以認(rèn)為采用節(jié)點(diǎn)轉(zhuǎn)發(fā)信息或被轉(zhuǎn)發(fā)的數(shù)量衡量。表1列出了“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)中度中心性最大的4個(gè)關(guān)鍵節(jié)點(diǎn)信息?？梢钥闯觯@些節(jié)點(diǎn)均在事件發(fā)生不久后就對(duì)信息進(jìn)行了轉(zhuǎn)發(fā)，表明早期的轉(zhuǎn)發(fā)對(duì)于信息傳播起到重要作用。

對(duì)于不同類型的連邊，統(tǒng)計(jì)兩端節(jié)點(diǎn)的度中心性分布如圖6所示?？梢钥闯?，強(qiáng)連邊連接的節(jié)點(diǎn)的度中心性相對(duì)較高；權(quán)威連邊、弱連邊連接的節(jié)點(diǎn)雖個(gè)別具有較高的度中心性，但大部分節(jié)點(diǎn)呈現(xiàn)出普遍較低的度中心性。表明強(qiáng)連邊連接的節(jié)點(diǎn)在信息傳播網(wǎng)絡(luò)中普遍處于中心地位，這些節(jié)點(diǎn)主要由意見領(lǐng)袖、主流媒體構(gòu)成，他們具有較大的影響力，這與前面的分析一致；而權(quán)威連邊和弱連邊連接的節(jié)點(diǎn)存在大量的普通用戶，因而節(jié)點(diǎn)度中心性較低。

3.2.2 " 節(jié)點(diǎn)的度分布

節(jié)點(diǎn)的度分布是指網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)的連邊數(shù)量的概率分布[21]。對(duì)于突發(fā)事件信息傳播網(wǎng)絡(luò)，分析度分布有助于揭示網(wǎng)絡(luò)的傳播模式，如是否存在高度集中的核心節(jié)點(diǎn)或者是更分散的傳播路徑。傳播網(wǎng)絡(luò)總體度分布以及不同類型連邊兩端節(jié)點(diǎn)的度分布如圖7所示。

對(duì)于網(wǎng)絡(luò)總體度分布，可以看出，大部分節(jié)點(diǎn)的度較低，這是由于大部分用戶在信息傳播中的角色相對(duì)較弱，他們更多地充當(dāng)信息的接收者而非傳播者；而網(wǎng)絡(luò)中存在一部分度較高的節(jié)點(diǎn)，這些節(jié)點(diǎn)可能是權(quán)威信息源，或者是擁有大量社交關(guān)系的用戶，他們的信息傳播能力強(qiáng)，能夠影響到更多的用戶。

對(duì)比不同類型連邊兩端節(jié)點(diǎn)的度分布，可以看出，弱連邊和權(quán)威邊的度分布相對(duì)集中，大部分節(jié)點(diǎn)的度較低，這表明在網(wǎng)絡(luò)中，弱關(guān)系和權(quán)威關(guān)系的傳播主要集中在少數(shù)核心節(jié)點(diǎn)之間；而強(qiáng)連邊的度分布相對(duì)均勻，節(jié)點(diǎn)的度差異較小，說明強(qiáng)關(guān)系的傳播路徑較為分散。

3.2.3 " "“度-度”相關(guān)性

“度-度”相關(guān)性是指網(wǎng)絡(luò)中節(jié)點(diǎn)的度數(shù)與其相鄰節(jié)點(diǎn)的度數(shù)之間的相關(guān)性[21]。通過對(duì)“度-度”相關(guān)性的分析，可以更好地了解節(jié)點(diǎn)之間的關(guān)聯(lián)性和網(wǎng)絡(luò)的特點(diǎn)。

“度-度”相關(guān)性可以通過計(jì)算網(wǎng)絡(luò)的相關(guān)系數(shù)來得出，通常情況下使用皮爾遜相關(guān)系數(shù)來衡量。皮爾遜相關(guān)系數(shù)r的計(jì)算公式如下：

式中，N表示網(wǎng)絡(luò)中節(jié)點(diǎn)的總數(shù)，ki表示節(jié)點(diǎn)i的度數(shù)，knni 表示與節(jié)點(diǎn)i相鄰的節(jié)點(diǎn)的平均度數(shù)，k表示網(wǎng)絡(luò)中所有節(jié)點(diǎn)的平均度數(shù)，knn表示網(wǎng)絡(luò)中所有節(jié)點(diǎn)鄰居的平均度數(shù)。如果度數(shù)較高的節(jié)點(diǎn)傾向于與度數(shù)較高的節(jié)點(diǎn)相連，那么就呈現(xiàn)“度-度”正相關(guān)，即rgt;0；反之，則呈現(xiàn)“度-度”負(fù)相關(guān)，即rlt;0；當(dāng)r=0時(shí)，表示“度-度”不相關(guān)。

通過上式計(jì)算可得，“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)的皮爾遜相關(guān)系數(shù)r為－0.883，呈現(xiàn)“度-度”負(fù)相關(guān)。這意味著在網(wǎng)絡(luò)中，擁有較高度數(shù)（即較多連接）的用戶更傾向于與擁有較低度數(shù)的用戶建立連接，反之亦然。這種趨勢(shì)反映了信息傳播過程中的一種普遍現(xiàn)象，即影響力較大的用戶（如媒體機(jī)構(gòu)或知名人士）往往通過向大眾傳播信息，而普通用戶則通過轉(zhuǎn)發(fā)或評(píng)論這些信息來參與到信息的傳播中去。

3.3 "網(wǎng)絡(luò)屬性

3.3.1 " 平均路徑長(zhǎng)度

平均路徑長(zhǎng)度是指網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)之間距離（經(jīng)過的連邊數(shù)量）的平均值[22]。本網(wǎng)絡(luò)的平均路徑長(zhǎng)度為2.012。這個(gè)值相對(duì)較低，說明在該信息傳播網(wǎng)絡(luò)中，信息可以通過平均兩步就從一個(gè)節(jié)點(diǎn)傳播到另一個(gè)節(jié)點(diǎn)，表明該網(wǎng)絡(luò)具有較高的傳播效率。

3.3.2 " 網(wǎng)絡(luò)直徑

網(wǎng)絡(luò)直徑是網(wǎng)絡(luò)中所有節(jié)點(diǎn)對(duì)之間最短路徑的最大值，用于衡量網(wǎng)絡(luò)的最大規(guī)模[22]。網(wǎng)絡(luò)直徑的大小能夠反映信息在網(wǎng)絡(luò)中傳播的速度和效率。對(duì)于“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)，網(wǎng)絡(luò)直徑為4。結(jié)果顯示網(wǎng)絡(luò)的高度緊湊性，即信息能夠在較短的時(shí)間內(nèi)從網(wǎng)絡(luò)的一端傳播到另一端。

3.3.3 " 網(wǎng)絡(luò)密度

網(wǎng)絡(luò)密度用于衡量網(wǎng)絡(luò)中節(jié)點(diǎn)間連接緊密程度，定義為網(wǎng)絡(luò)中實(shí)際擁有的連接數(shù)與可能存在的最大連接數(shù)之比。對(duì)于“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)，網(wǎng)絡(luò)密度為0.000 311。這個(gè)值相對(duì)較小，表示網(wǎng)絡(luò)中節(jié)點(diǎn)之間的連接并不緊密，網(wǎng)絡(luò)呈現(xiàn)出稀疏的特征。

3.3.4 " 網(wǎng)絡(luò)的聚類系數(shù)

節(jié)點(diǎn)的聚類系數(shù)是用于衡量節(jié)點(diǎn)鄰居間關(guān)系的密切程度的指標(biāo)，定義為節(jié)點(diǎn)的鄰居節(jié)點(diǎn)之間實(shí)際存在的邊數(shù)和總的可能的邊數(shù)之比。網(wǎng)絡(luò)的聚類系數(shù)定義為所有節(jié)點(diǎn)的聚類系數(shù)的平均值，用于衡量網(wǎng)絡(luò)節(jié)點(diǎn)間聯(lián)系的密切程度[22]。網(wǎng)絡(luò)聚類系數(shù)越高，則說明節(jié)點(diǎn)之間的聯(lián)系越緊密，信息傳播的效率和速度也會(huì)更高。對(duì)于“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)，網(wǎng)絡(luò)聚類系數(shù)為0.061，同樣表明網(wǎng)絡(luò)中節(jié)點(diǎn)之間的連接較為稀疏。

3.4 "傳播屬性

3.4.1 " 傳播深度分析

在微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)中，信息傳播過程中的“深度”是衡量信息從源頭傳播到特定節(jié)點(diǎn)的跳數(shù)[23]。一級(jí)轉(zhuǎn)發(fā)（傳播深度為1）指的是直接從源節(jié)點(diǎn)（即原始微博的發(fā)布者）轉(zhuǎn)發(fā)信息的用戶，而二級(jí)轉(zhuǎn)發(fā)（傳播深度為2）則指的是從一級(jí)轉(zhuǎn)發(fā)用戶那里間接獲取并進(jìn)一步轉(zhuǎn)發(fā)信息的用戶。

為了研究“唐山燒烤店打人事件”信息傳播網(wǎng)絡(luò)的傳播深度與不同類型連邊（弱邊、強(qiáng)邊和權(quán)威邊）之間的關(guān)系，在不同傳播深度下分別統(tǒng)計(jì)連邊類型分布，如圖8所示。可以看出，權(quán)威連邊和強(qiáng)連邊主要存在于一級(jí)轉(zhuǎn)發(fā)階段，它們?cè)谛畔鞑コ跗诎缪葜P(guān)鍵角色，影響力較大的用戶由于其在社交網(wǎng)絡(luò)中的顯著地位和具有的廣泛的社交聯(lián)系，能夠迅速地獲取并傳播信息；而在二級(jí)轉(zhuǎn)發(fā)階段，弱連邊占據(jù)了主導(dǎo)，表明一旦信息從核心用戶傳播出去，它會(huì)通過弱連接快速擴(kuò)散到網(wǎng)絡(luò)的各個(gè)角落，這一發(fā)現(xiàn)與“弱聯(lián)系理論”相符，該理論強(qiáng)調(diào)弱聯(lián)系在信息傳播和社區(qū)橋接中的重要作用。

3.4.2 " 傳播階段分析

為了進(jìn)一步了解突發(fā)事件信息傳播的動(dòng)態(tài)過程，對(duì)“唐山燒烤店打人事件”信息傳播階段及不同階段下的連邊類型分布進(jìn)行分析。

圖9所示為單位時(shí)間內(nèi)的信息轉(zhuǎn)發(fā)量隨時(shí)間的變化?？梢钥闯觯畔鞑ミ^程可以劃分為潛伏期、高潮期、緩解期、消退期4個(gè)階段[24，25]?！把胍曅侣劇蔽⒉┵~號(hào)于2022年6月10日發(fā)布“#警方通報(bào)唐山燒烤店打人案件#”信息之后，信息傳播迅速進(jìn)入高潮期，單位時(shí)間內(nèi)的轉(zhuǎn)發(fā)量達(dá)到頂峰；隨后進(jìn)入緩解期，信息熱度逐漸緩解，單位時(shí)間內(nèi)轉(zhuǎn)發(fā)量逐漸減少；之后進(jìn)入消退期，信息熱度消失，單位時(shí)間內(nèi)轉(zhuǎn)發(fā)量幾乎歸零。

圖10展示了在高潮期、緩解期和消退期，強(qiáng)、弱和權(quán)威連邊所占比例分布情況?？梢钥闯?，不同階段下的連邊類型分布存在一定的差異：高潮期，權(quán)威連接比例為15.4%，強(qiáng)連接比例為7.5%，弱連接比例為77.0%，由于信息在傳播初始迅速達(dá)到高潮，此時(shí)用戶間的互動(dòng)較少，但相對(duì)熟悉的關(guān)系和權(quán)威人士在傳播中起到一定的作用；緩解期，權(quán)威連接比例上升至44.9%，強(qiáng)連接比例下降至2.1%，而弱連接比例下降至53.0%，表明在緩解期，信息傳播逐漸穩(wěn)定，權(quán)威連接和弱連接仍然發(fā)揮著重要作用，而強(qiáng)連接的作用減弱；消退期，權(quán)威連接比例下降至33.0%，強(qiáng)連接比例保持在2.1%，弱連接比例繼續(xù)升高至64.8%，表明在消退期，信息傳播逐漸減弱，權(quán)威連接的作用減弱，用戶之間的互動(dòng)開始回歸到相對(duì)熟悉的弱關(guān)系?？偟膩砜?，整個(gè)信息傳播過程中仍以弱關(guān)系傳播為主，權(quán)威連接在各個(gè)階段均發(fā)揮重要作用，而強(qiáng)連接的作用主要集中于信息傳播的初始階段。

4 "結(jié)論與啟示

4.1 "結(jié) " 論

本文采用“唐山燒烤店打人事件”的微博信息傳播數(shù)據(jù)，構(gòu)建考慮節(jié)點(diǎn)間強(qiáng)弱關(guān)系的突發(fā)事件信息傳播網(wǎng)絡(luò)，并對(duì)網(wǎng)絡(luò)的用戶屬性、節(jié)點(diǎn)屬性、網(wǎng)絡(luò)屬性和傳播屬性，以及節(jié)點(diǎn)間強(qiáng)弱關(guān)系在突發(fā)事件信息傳播中的作用規(guī)律進(jìn)行了細(xì)致分析，得到如下結(jié)論。

（1）對(duì)于用戶屬性的分析表明，轉(zhuǎn)發(fā)用戶中女性更易受到突發(fā)事件的影響，信息傳播力更強(qiáng)；大部分轉(zhuǎn)發(fā)用戶具有一定的活躍度，且存在少量特別活躍或具有較高影響力的用戶；經(jīng)濟(jì)發(fā)展處于領(lǐng)先地位的省份中的轉(zhuǎn)發(fā)用戶占比較高。

（2）對(duì)于節(jié)點(diǎn)屬性的分析表明，強(qiáng)關(guān)系連接的節(jié)點(diǎn)在信息傳播網(wǎng)絡(luò)中普遍處于中心地位，可能主要由具有較大的影響力的意見領(lǐng)袖、主流媒體構(gòu)成；大部分用戶充當(dāng)信息的接收者而非傳播者，同時(shí)網(wǎng)絡(luò)中存在一部分信息傳播能力強(qiáng)的節(jié)點(diǎn)；弱關(guān)系和權(quán)威關(guān)系的傳播主要集中在少數(shù)核心節(jié)點(diǎn)之間，而強(qiáng)關(guān)系的傳播路徑較為分散。

（3）對(duì)于網(wǎng)絡(luò)屬性的分析表明，突發(fā)事件信息傳播網(wǎng)絡(luò)具有較高的傳播效率，網(wǎng)絡(luò)呈現(xiàn)出稀疏的特征。

（4）對(duì)于傳播屬性的分析表明，整個(gè)信息傳播過程中仍以弱關(guān)系傳播為主，權(quán)威連接在信息傳播的各個(gè)階段均發(fā)揮重要作用，而強(qiáng)連接的作用主要集中于信息傳播的初始階段。

4.2 "啟 " 示

本文的研究結(jié)果有助于加深對(duì)突發(fā)事件信息傳播模式及規(guī)律的理解，為如何更有效地管理和引導(dǎo)農(nóng)業(yè)領(lǐng)域的突發(fā)事件信息傳播提供了一些啟示，具體如下。

（1）針對(duì)用戶屬性，需要重點(diǎn)關(guān)注較活躍的網(wǎng)絡(luò)用戶如女性用戶、經(jīng)濟(jì)發(fā)達(dá)地區(qū)用戶、具有較高影響力的意見領(lǐng)袖等對(duì)農(nóng)業(yè)領(lǐng)域突發(fā)事件信息傳播的影響，深入了解這些不同特征用戶的信息需求，并制定針對(duì)性的信息傳播引導(dǎo)策略。

（2）針對(duì)節(jié)點(diǎn)屬性，在農(nóng)業(yè)領(lǐng)域突發(fā)事件的傳播過程中，某些節(jié)點(diǎn)（如公眾人物、新聞媒體）的作用尤為關(guān)鍵，他們?cè)趥鞑ユ湕l中扮演了“橋梁”的角色，需要對(duì)這些節(jié)點(diǎn)做好實(shí)時(shí)監(jiān)控與引導(dǎo)，以防止不準(zhǔn)確或誤導(dǎo)信息的傳播。同時(shí)，還應(yīng)重點(diǎn)關(guān)注農(nóng)業(yè)領(lǐng)域的意見領(lǐng)袖、主流媒體之間的交互傳播，這是使得信息傳播范圍迅速擴(kuò)大的一個(gè)重要路徑。

（3）針對(duì)網(wǎng)絡(luò)屬性，由于社交媒體網(wǎng)絡(luò)強(qiáng)大的傳播效率，信息能快速地在網(wǎng)絡(luò)中擴(kuò)散開來，因此，在面對(duì)農(nóng)業(yè)領(lǐng)域的突發(fā)事件時(shí)，應(yīng)盡早發(fā)布官方信息，及時(shí)引導(dǎo)輿論，避免錯(cuò)誤信息的傳播。

（4）針對(duì)傳播屬性，在處理農(nóng)業(yè)領(lǐng)域的突發(fā)事件時(shí)，應(yīng)發(fā)揮權(quán)威連接的主導(dǎo)作用，通過政府機(jī)構(gòu)、官方媒體等權(quán)威賬號(hào)進(jìn)行有效的信息發(fā)布和驗(yàn)證，確保信息的準(zhǔn)確性和及時(shí)性；重視信息傳播的初始階段，特別是來自農(nóng)業(yè)領(lǐng)域的意見領(lǐng)袖、主流媒體之間的交互傳播，通過監(jiān)控和引導(dǎo)這些關(guān)鍵節(jié)點(diǎn)，可以更有效地管理信息的傳播方向和速度。

本研究仍存在不足之處，如用戶屬性分析不夠全面、研究方法不夠豐富等，未來研究擬通過訪談或問卷調(diào)查獲取更為豐富的傳播用戶特征如年齡、職業(yè)、受教育程度等，并且引入新方法如機(jī)器學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等對(duì)突發(fā)事件信息傳播路徑及節(jié)點(diǎn)關(guān)系進(jìn)行預(yù)測(cè)分析，從而深入探究突發(fā)事件的信息傳播規(guī)律，以提高研究的全面性和有效性。

參考文獻(xiàn)：

[1] " 格巖. 加強(qiáng)重大決策社會(huì)風(fēng)險(xiǎn)評(píng)估與治理[J]. 中國(guó)管理信息化，

2023， 26（17）： 193-196.

GE Y. Strengthen the social risk assessment and governance of major decision-making[J]. China management informationization， 2023， 26（17）： 193-196.

[2] " 侯利君， 張峰. 微博突發(fā)事件負(fù)面輿情信息傳播機(jī)理及應(yīng)對(duì)策

略[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)， 2018， 48（23）： 167-174.

HOU L J， ZHANG F. Information dissemination mechanism and countermeasures of micro-blog negative public opinion[J]. Mathematics in practice and theory， 2018， 48（23）： 167-174.

[3] " 王輝. 微博輿論場(chǎng)的特點(diǎn)及引導(dǎo)策略[J]. 青年記者， 2023（19）： 60-62.

WANG H. The characteristics and guiding strategies of microblog public opinion field[J]. Youth journalist， 2023（19）： 60-62.

[4] " 陳然. 媒介變遷視域下媒介用戶傳播權(quán)力演變及其影響研究[D]. 昆明： 云南師范大學(xué)， 2023.

CHEN R. Research on the evolution and influence of media users' communication power from the perspective of media change[D].

Kunming： Yunnan Normal University， 2023.

[5] " 方星， 霍良安， 黃培清. 突發(fā)事件后的官方信息與不實(shí)信息傳播的交互模型[J]. 系統(tǒng)管理學(xué)報(bào)， 2018， 27（4）： 722-728.

FANG X， HUO L A， HUANG P Q. An interaction model for official information and unconfirmed information after emergencies[J]. Journal of systems amp; management， 2018， 27（4）： 722-728.

[6] " 李晚蓮， 高光涵. 突發(fā)事件網(wǎng)絡(luò)輿情研究進(jìn)展與趨勢(shì)分析[J]. 重

慶郵電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2019， 31（5）： 60-68.

LI W L， GAO G H. An analysis of the research progress and trends of emergency network public opinion[J]. Journal of Chongqing university of posts and telecommunications（social science edition）， 2019， 31（5）： 60-68.

[7] " 楊卓偉， 劉德林. 我國(guó)突發(fā)事件網(wǎng)絡(luò)輿情研究進(jìn)展[J]. 河南科學(xué)，

2023， 41（1）： 108-116.

YANG Z W， LIU D L. Research progress of emergency network public opinion in China[J]. Henan science， 2023， 41（1）： 108-116.

[8] " 王林， 張夢(mèng)溪， 吳江. 信息生態(tài)視角下新冠肺炎疫情的網(wǎng)絡(luò)輿情傳播與演化分析研究[J]. 情報(bào)科學(xué)， 2022， 40（1）： 31-37， 50.

WANG L， ZHANG M X， WU J. Propagation and evolution of public opinion in the outbreak of COVID-19 from the perspective of information ecology[J]. Information science， 2022， 40（1）： 31-37， 50.

[9] " 陳迎欣， 蘇澤偉， 周蕾. 災(zāi)害救助信息網(wǎng)絡(luò)傳播的關(guān)鍵因素及有效路徑[J]. 情報(bào)雜志， 2022， 41（5）： 106-111.

CHEN Y X， SU Z W， ZHOU L. Key factors and effective path of disaster relief information network dissemination[J]. Journal of intelligence， 2022， 41（5）： 106-111.

[10] "王晰巍， 邢云菲， 王楠阿雪， 等. 新媒體環(huán)境下突發(fā)事件網(wǎng)絡(luò)輿情信息傳播及實(shí)證研究——以新浪微博“南海仲裁案”話題為例[J]. 情報(bào)理論與實(shí)踐， 2017， 40（9）： 1-7.

WANG X W， XING Y F， WANG N A X， et al. An empirical study on information dissemination of network public opinion on emergencies under the new media environment[J]. Information studies： Theory amp;

application， 2017， 40（9）： 1-7.

[11] "王治瑩， 李勇建， 王偉康. 基于隨機(jī)Petri網(wǎng)的突發(fā)事件信息演化模型[J]. 中國(guó)管理科學(xué)， 2020， 28（3）： 113-121.

WANG Z Y， LI Y J， WANG W K. Evolving model of information towards emergencies based on stochastic petri net[J]. Chinese journal of management science， 2020， 28（3）： 113-121.

[12] "鄧建高， 張璇， 傅柱， 等. 基于系統(tǒng)動(dòng)力學(xué)的突發(fā)事件網(wǎng)絡(luò)輿情傳播研究：以“江蘇響水爆炸事故” 為例[J]. 數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)， 2020， 4（S1）： 110-121.

DENG J G， ZHANG X， FU Z， et al. Research on network public opinion propagation of emergencies based on system dynamics： Taking \"Xiangshui explosion accident in Jiangsu\" as an example[J]. Data analysis and knowledge discovery， 2020， 4（S1）： 110-121.

[13] "沈家豪， 汪傳雷， 潘加玲， 等. 基于SNA的“雙微”應(yīng)急信息關(guān)鍵詞拓?fù)渚W(wǎng)絡(luò)比較——以河南“7·20”特大暴雨為例[J]. 情報(bào)探索， 2022（8）： 69-78.

SHEN J H， WANG C L， PAN J L， et al. Comparison of keyword topology networks of microblog and WeChat emergency information based on SNA： Case study of “7·20” extraordinary rainstorm in Henan[J]. Information research， 2022（8）： 69-78.

[14] "汪婧， 陳發(fā)培. 基于SNA的突發(fā)事件輿情傳播網(wǎng)絡(luò)的結(jié)構(gòu)特征分析——以江蘇響水 “3·21” 爆炸事故為例[J]. 電子科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2021， 23（1）： 10-18.

WANG J， CHEN F P. Analysis of structural features of public opinion dissemination network for emergency events based on SNA - Take Jiangsu Xiangshui \"3.21 explosive accident\" as an example[J]. Journal of university of electronic science and technology of China （social sciences edition）， 2021， 23（1）： 10-18.

[15] "萬鈺玨， 李世銀， 房子豪， 等. 基于SNA的突發(fā)事件網(wǎng)絡(luò)輿情意見領(lǐng)袖傳播影響力[J]. 西安科技大學(xué)學(xué)報(bào)， 2022， 42（2）： 290-298.

WAN Y J， LI S Y， FANG Z H， et al. Dissemination influence of Internet public opinion leaders in emergencies based on SNA[J]. Journal of Xi'an university of science and technology， 2022， 42（2）： 290-298.

[16] "王雪秋. 突發(fā)金融輿情事件信息傳播規(guī)律與對(duì)策研究[J]. 情報(bào)科學(xué)， 2021， 39（4）： 54-61.

WANG X Q. Research on the characteristics and laws of financial public opinion events[J]. Information science， 2021， 39（4）： 54-61.

[17] "徐嘉碩， 祁凱. 突發(fā)公共衛(wèi)生事件微博網(wǎng)絡(luò)社群挖掘及特征研究——基于2022年上海疫情事件的分析[J]. 情報(bào)探索， 2023

（11）： 74-80.

XU J S， QI K. Research on microblog network community mining and characteristics of public health emergencies： Based on the analysis of the 2022 Shanghai epidemic event[J]. Information research， 2023（11）： 74-80.

[18] "向紫娟. 強(qiáng)弱關(guān)系對(duì)突發(fā)事件信息傳播的影響[J]. 青年記者，

2020（35）： 18-19.

XIANG Z J. The influence of strong and weak relationship on the information dissemination of emergencies[J]. Youth journalist， 2020（35）： 18-19.

[19] "許小可， 胡海波， 張倫， 等. 社交網(wǎng)絡(luò)上的計(jì)算傳播學(xué)[M]. 北京：

高等教育出版社， 2015.

XU X K， HU H B， ZHANG L， et al. Computational communication on social networks[M]. Beijing： Higher Education Press， 2015.

[20] "李丹丹， 馬靜. 社會(huì)網(wǎng)絡(luò)上的輿論傳播及控制策略[J]. 系統(tǒng)管理

學(xué)報(bào)， 2017， 26（5）： 835-841.

LI D D， MA J. Rumor spreading and controlling strategies research in social networks[J]. Journal of systems amp; management， 2017， 26

（5）： 835-841.

[21] "孫璽菁， 司守奎. 復(fù)雜網(wǎng)絡(luò)算法與應(yīng)用[M]. 北京： 國(guó)防工業(yè)出版

社， 2015.

SUN X J， SI S K. Complex network algorithms and applications[M]. Beijing： National Defense Industry Press， 2015.

[22] "李鋒， 魏瑩. 小世界網(wǎng)絡(luò)下病毒式信息傳播的仿真分析[J]. 系統(tǒng)

仿真學(xué)報(bào)， 2019， 31（9）： 1790-1801.

LI F， WEI Y. Simulation analysis of viral-style information diffusion in small world networks[J]. Journal of system simulation， 2019， 31（9）： 1790-1801.

[23] "喬玉為， 鐘智錦， 許小可， 等. 突發(fā)事件輿論中的情緒極性與傳染模式：社會(huì)網(wǎng)絡(luò)分析視角[J]. 吉首大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2021， 42（6）： 131-142.

QIAO Y W， ZHONG Z J， XU X K， et al. Emotional polarity and contagion pattern in unexpected public opinion： From the perspective of network analysis[J]. Journal of Jishou university （social sciences）， 2021， 42（6）： 131-142.

[24] "夏一雪. 網(wǎng)絡(luò)話題傳播規(guī)律建模與預(yù)測(cè)問題研究[J]. 現(xiàn)代情報(bào)， 2019， 39（4）： 3-12.

XIA Y X. Research on modeling and prediction of network topic dissemination law[J]. Journal of modern information， 2019， 39（4）： 3-12.

[25] "蘭月新， 夏一雪， 劉冰月， 等. 網(wǎng)絡(luò)輿情傳播階段精細(xì)化建模與仿真研究[J]. 現(xiàn)代情報(bào)， 2018， 38（1）： 76-86.

LAN Y X， XIA Y X， LIU B Y， et al. The research on propagation phase accurate model and simulation of network public opinion[J]. Journal of modern information， 2018， 38（1）： 76-86.

Network Analysis of Emergency Information Dissemination Considering the Strength Relationship Between Nodes

LI Sijia1， ZHENG Deming1， LIU Bo2

（1. Research Center for Network Public Opinion Governance， China People's Police University， Langfang 065000;

2. Dunhuang Entry Exit Border Inspection Station， Dunhuang 736200）

Abstract： [Purpose/Significance] With the rapid development of new media technology， social media platform has become the main carrier of information dissemination. Social network analysis （SNA） is used to study the information dissemination structure and mode of emergencies in microblog， which provides theoretical support for the government to effectively deal with emergencies and crises. [Methods/Process] Taking \"Tangshan barbecue restaurant beating incident\" as an example， Weibo data were collected to build an information dissemination network with strength relationship between nodes. Social network analysis has been used to analyze the user attributes， node attributes， network attributes and dissemination attributes of the information dissemination network， in order to explore the role of the strength relationship between nodes in emergency information transmission. [Results/Conclusions] 1） The factors of user gender， activity， and region affect their dissemination power. In particular， female users， users with high activity or influence and those in developed provinces have a stronger power of information transmission. 2） The core nodes that plays the role of \"bridge\" in the dissemination chain is particularly critical. Nodes with strong relationships generally occupy central positions in the information dissemination network and may mainly consist of opinion leaders and mainstream media with greater influence. The pathways of weak and authority relationships are mainly concentrated around a few core nodes， while the pathways of strong relationships are dispersed. 3） Emergency information transmission network has high efficiency and sparse characteristics. 4） The whole process of information transmission is still dominated by weak relationships. Authority relations play an important role in all stages of information transmission， while the role of strong relationships is mainly concentrated in the initial stage. The results of this paper help to deepen the understanding of the patterns and rules of emergency information dissemination， and provide some insights for more effective management and guidance of emergency information dissemination in a particular field such as agriculture. However， our research still has shortcomings， such as insufficient crawling of user attributes and insufficient research methods. In the future study， we will obtain more abundant characteristics of users involved in the dissemination such as age， occupation and education level through interviews or questionnaires， and introduce new methods such as machine learning and graph neural network to predict and analyze the transmission path and node relationship of emergency information， so as to cover these shortcomings， improve the comprehensiveness and effectiveness of the study and deeply explore the information dissemination rules of emergencies.

Keywords： "emergencies; information dissemination; social network analysis; weibo; strength relationship between nodes