韓新明(西南科技大學新聞系，四川 綿陽 621010)

微信自2011年1月21日推出后，以其接入便捷、即時性、草根性的特點迅速成為人們生活交流中的重要媒介[1-2]。截止到2017年9月底，微信使用用戶達到9.02億，日發(fā)消息380億次，成為人們自我表達和獲取信息的重要通道之一。微信用戶在朋友圈的閱讀和轉(zhuǎn)發(fā)行為是微信平臺信息傳播的重要途徑，用戶已從傳統(tǒng)意義上的信息接受者轉(zhuǎn)化為信息的參與者，甚至可以說是信息生產(chǎn)者，微信平臺上信息傳播具有速度快、范圍廣的特點，傳播效果明顯超越了傳統(tǒng)媒體[3-4]。因此研究微信朋友圈的信息傳播十分必要。

近年來微信朋友圈的信息傳播問題已成為學者關(guān)注的熱點，主要集中在以下5個方面：

第一，微信信息傳播基本理論研究。武沖對微信信息傳播模式進行了研究，指出微信朋友圈信息傳播具有高隱蔽性、傳播鏈條易斷以及娛樂性強的特點，它的應用實現(xiàn)了用戶的自我表達和信息分享[5]。薛楊等基于沉浸理論的視角探究了用戶關(guān)注行為和分享行為產(chǎn)生的動機，構(gòu)建了微信營銷環(huán)境下用戶信息行為的理論模型[6]。王小立以復雜網(wǎng)絡理論為基礎建立Agent模型，提出信息本身價值、Agent節(jié)點之間制約作用以及意志氣候制約等演化規(guī)則影響微信信息傳播機制[7]?？纶S認為輿論信息傳播具有小世界和無標度特性，以微信平臺為基礎進行實證分析，指出移動互聯(lián)社交網(wǎng)的無標度特性使得信息傳播存在蝴蝶效應，擁有眾多關(guān)注度的微信號或公眾平臺上轉(zhuǎn)發(fā)的信息更容易引起用戶的廣泛轉(zhuǎn)發(fā)與分享，更容易形成社會輿論，在專業(yè)話題討論中存在著小世界特征，傳播路徑短、傳播速度快[8]。

第二，微信信息傳播內(nèi)容、影響因素研究。金曉玲等從信息內(nèi)容中提取出影響微信朋友圈健康信息傳播的相關(guān)因素，認為富含情緒性、有用性和有趣性對電子健康信息的傳播行為影響最大[9]。趙大麗等基于理性行為理論構(gòu)建微信朋友圈知識共享模型，認為用戶知識共享態(tài)度影響其知識共享意愿，同時關(guān)系資本、結(jié)構(gòu)資本和認知資本對用戶的知識共享態(tài)度具有顯著影響[10]。紀慧生等認為推送標題、推送內(nèi)容、推送時機、數(shù)據(jù)化分析、二次轉(zhuǎn)發(fā)者等是影響微信公眾號信息傳播效果的主要因素[11]。吳中堂等認為標題中關(guān)鍵詞熱度、導向性等是影響微信公眾號信息傳播的重要因素[12]。方婧等研究認為微信公眾號文章熱度與其主題、推送時間、標題特征有一定正相關(guān)性[13]。

第三，微信信息傳播模型構(gòu)建與仿真。李莉等以傳染病模型為基礎，建立基于微信的信息傳播模型，考察了信息發(fā)布率、信息不關(guān)注率、重新關(guān)注率和訊息屏蔽率等因素對微信平臺內(nèi)信息傳播的影響[14]。朱海濤等建立了改進SEIR信息傳播的系統(tǒng)動力學模型并進行了仿真，分析了用戶相似度、信息價值和信息出現(xiàn)頻次等因素對微信信息傳播的影響[15]。彭慧潔等提出用戶接受閾值及關(guān)系動機對于微信信息傳播速度與廣度具有重要影響，微信用戶更愿意接收并接受來自親近好友所傳播的信息[16]。王宏波基于微信朋友圈緊密度、免疫系數(shù)及策略改變機制等因素構(gòu)建了基于SIR模型的微信朋友圈信息傳播演化模型，并進行仿真模擬[17]。

第四，微信信息傳播的案例研究。余張瑞睿等以大學生群體為研究對象，以深度訪談的方法探明不同的性別、年級以及專業(yè)對微信信息分享動機的影響[18]。付永升等以華中農(nóng)業(yè)大學信息專業(yè)學生微信使用情況所構(gòu)成的社會網(wǎng)絡為案例進行分析，認為中心性、凝聚子群和整體網(wǎng)絡密度對微信朋友圈信息傳播特征具有重要影響[19]。

第五，信息傳播影響力評價、障礙與對策。蘇云等以天津港爆炸事件為例對雙微信息傳播數(shù)據(jù)進行分析，指出利益相關(guān)者對信息傳播失真具有影響，從法律法規(guī)、政府管理、技術(shù)平臺和信息倫理4個層面提出了雙微信息傳播失真的防范策略[20]。冀芳等認為微信公眾平臺在自身功能建設存在不足，信息內(nèi)容存在隱患，輿情引導與監(jiān)管尚不到位等問題，構(gòu)建了涵蓋公眾平臺、粉絲、傳播內(nèi)容與傳播方式的微信公眾平臺傳播效果評價體系，建議通過聚焦粉絲與傳播方式，特別是關(guān)注粉絲的依賴性與傳播互動性提升微信傳播效果的策略[21]。

現(xiàn)有研究成果，為研究微信朋友圈的信息傳播奠定了理論基礎。目前的微信朋友圈信息傳播模型構(gòu)建中鮮見有針對用戶行為分析的研究，本文從信息發(fā)布者、信息接受者、信息內(nèi)容3個方面提取出5個特征對用戶轉(zhuǎn)發(fā)行為進行分析建模和仿真，對分析微信用戶行為、揭示朋友圈信息傳播規(guī)律具有理論意義和應用價值。

1 微信朋友圈信息傳播機制

微信朋友圈這一半封閉的社交平臺具有大眾信息傳播的功能，隨著版本的升級，微信朋友圈信息傳播功能不斷完善，其媒介屬性也在不斷增強。由于微信朋友圈本身設計的特殊性，用戶彼此之間發(fā)表的評論僅針對互為好友雙方可見，在一定程度上限制了信息的自由流動，控制了信息的擴散速度，其信息傳播的流動性和累積程度與微博相比相對較弱，一般不會形成跟微博一樣的輿論事件。

在微信朋友圈信息傳播的網(wǎng)絡中，用戶發(fā)表信息后，其微信好友通過朋友圈會以一定的概率看到該信息，如果好友對該信息有興趣，就會轉(zhuǎn)發(fā)，如果不感興趣，轉(zhuǎn)發(fā)行為就不會產(chǎn)生。進行轉(zhuǎn)發(fā)的好友將成為信息發(fā)布者，使得信息在其朋友圈中傳播，由此，信息沿著好友的關(guān)系一直傳播擴散下去，直至轉(zhuǎn)發(fā)行為的停止。

圖1 微信朋友圈關(guān)系示意圖

圖1表示微信朋友圈的關(guān)系示意圖，用節(jié)點1、2、3、4分別表示微信的4個用戶，箭頭方向表示好友關(guān)系。節(jié)點1與節(jié)點2、3、4互為好友，同時節(jié)點4也與節(jié)點2、3互為好友，在微信中，好友的關(guān)系是相互的，這就決定了信息在微信好友之間傳播具有雙向性。當節(jié)點1發(fā)表朋友圈后，其好友節(jié)點2、3、4同時看到信息，他們將根據(jù)實際情況決定是否轉(zhuǎn)發(fā)，如果節(jié)點2或者節(jié)點3轉(zhuǎn)發(fā)該信息，節(jié)點4會同樣看到該信息，由于微信好友之間的這種復雜性，導致節(jié)點4最終轉(zhuǎn)發(fā)的概率是其多次看到信息后所進行選擇的結(jié)果。

2 微信轉(zhuǎn)發(fā)行為特征分析

2.1 轉(zhuǎn)發(fā)行為影響因素相關(guān)研究

目前國內(nèi)外針對微信朋友圈轉(zhuǎn)發(fā)行為的影響因素研究主要集中在用戶特征、用戶需求以及轉(zhuǎn)發(fā)成本等3個方面。關(guān)于用戶特征的研究，李照[22]研究認為微信用戶群體具有“年輕、高學歷”等特點，盡管使用微信朋友圈的男性用戶數(shù)量多于女性，但分享意愿卻弱于女性用戶；李晨等[23]運用問卷調(diào)查方法，對微信朋友圈轉(zhuǎn)發(fā)行為動機進行了實證分析，結(jié)果顯示依賴習慣、普遍化趨勢和便捷生活的需求是微信用戶轉(zhuǎn)發(fā)的重要因素；鄧勝利等[24]利用五因素方法分析了微信用戶的轉(zhuǎn)發(fā)行為，得出外向型和開放性與社交媒體信息分享呈正相關(guān)，而盡責性與社交媒體信息分享呈負相關(guān)。關(guān)于用戶需求研究，Sally M.Li等[25]通過研究信息分享行為的強大影響力等5類信息分享行為動機，指出擴展社會影響社交圈是主要轉(zhuǎn)發(fā)動機；蔡劍等[26]從研究生用戶群著手，利用馬斯洛需要層次理論得出收藏動機、名譽聲望、自身需求、利他動機、安全需求和社交動機是影響研究生信息分享行為的因素。關(guān)于轉(zhuǎn)發(fā)成本研究，姜雪[27]認為成本對于信息分享有特殊意義，包括時間、金錢、個人隱私等成本；柳瑤等[28]指出安全性因素是影響自媒體用戶生成內(nèi)容的主要動機。這些成果對微信朋友圈轉(zhuǎn)發(fā)行為的特征提取具有重要借鑒意義。

2.2 特征選取

特征選取直接決定著模型的合理性。在已有研究基礎上，本文認為微信朋友圈內(nèi)信息的轉(zhuǎn)發(fā)行為與信息發(fā)布者、信息接受者以及信息內(nèi)容等因素相關(guān)，本文從這3個方面進行特征選取。

2.2.1 信息發(fā)布者

信息發(fā)布者的影響力采用PageRank方法進行評價[29]。該方法的優(yōu)點是同時考慮了用戶自身及其微信朋友圈關(guān)系兩方面特征，能夠更真實地評價信息發(fā)布者的影響力。信息發(fā)布者的影響力越高，信息接受者轉(zhuǎn)發(fā)的概率越大，其發(fā)布的微信朋友圈信息相對來說更容易被轉(zhuǎn)發(fā)。其計算公式如式(1)：

(1)

其中：RU為信息發(fā)布者U的影響力；I(U)為信息發(fā)布者RU的好友集合；CV為信息發(fā)布者V的好友數(shù)量；d為阻尼系數(shù)，根據(jù)經(jīng)驗取0.85。

2.2.2 信息接受者

決定轉(zhuǎn)發(fā)行為的信息接受者因素主要包括用戶習慣、與信息發(fā)布者親密度以及用戶興趣。首先，不同用戶使用微信朋友圈的意圖不同，有傾向于通過發(fā)表原創(chuàng)信息來表達個人的狀態(tài)或者針對某些問題的觀點，也有傾向于轉(zhuǎn)發(fā)信息提高個人關(guān)注度的；其次，信息接受者與信息發(fā)布者之間溝通交流相對較多，表明他們之間的關(guān)系越親密，那么他們之間發(fā)生轉(zhuǎn)發(fā)的概率就會越高；第三，信息接受者與信息發(fā)布者之間興趣愛好的差異也會導致轉(zhuǎn)發(fā)行為的不同。因此，在表征信息接受者對轉(zhuǎn)發(fā)行為影響時，采用轉(zhuǎn)發(fā)活躍度、用戶親密度與興趣相近度進行度量。

①轉(zhuǎn)發(fā)活躍度Ar代表在一定時間t內(nèi)，信息接受者轉(zhuǎn)發(fā)信息的數(shù)量與發(fā)布原創(chuàng)信息數(shù)量的比值，計算公式如下：

(2)

其中：ri為信息接受者在i時間的轉(zhuǎn)發(fā)信息的數(shù)量，pi為信息接受者在i時間發(fā)布的原創(chuàng)信息數(shù)量。

②用戶親密度C表示某一時間范圍內(nèi)信息發(fā)布者與信息接受者之間信息交往的頻度，以轉(zhuǎn)發(fā)和評論這兩種行為占用戶總行為的比值來衡量交互頻度，體現(xiàn)了一方對于另一方的重要性。信息交往主要包括信息評論和信息轉(zhuǎn)發(fā)，C可由式(3)得到：

(3)

其中：rUV為用戶U轉(zhuǎn)發(fā)V的微信信息次數(shù)，cUV為用戶U評論V的微信信息次數(shù)，rU為該時間段內(nèi)用戶U轉(zhuǎn)發(fā)微信信息的總次數(shù)，cU為該時間段內(nèi)用戶U評論微信信息的總次數(shù)。

③興趣相近度可以通過用戶之間內(nèi)容整合的特征距離表示。微信朋友圈作為信息傳播的平臺，為用戶開展信息傳遞和溝通帶來了便利，以原創(chuàng)信息和轉(zhuǎn)發(fā)信息為依據(jù)將與用戶相關(guān)的信息進行整合，通過分詞和特征值選取的方式建立向量矩陣F，采用VSM模型計算特征距離[30]，計算方法如下：

(4)

(5)

通過公式(4)、(5)計算出特征距離后，采用特征距離對興趣相近度進行表征，特征距離越大，用戶之間微信朋友圈信息相似度越大，信息接受者轉(zhuǎn)發(fā)的概率越大。微信朋友圈中好友之間的關(guān)系以熟人為主，人員組成相對穩(wěn)定，雖然隨著時間的變化用戶的關(guān)注點發(fā)生改變，但是他們之間相似度相對穩(wěn)定。因此，某一時間用戶之間的相似度能夠代表某一周期的狀態(tài)。

2.2.3 信息內(nèi)容

微信朋友圈用戶的轉(zhuǎn)發(fā)行為是用戶結(jié)合自身的認知，對朋友圈信息進行選擇和決策的過程，而不是一個簡單的瞬息行為。因此，微信朋友圈用戶在進行轉(zhuǎn)發(fā)時是有選擇的，在眾多的信息中，僅有部分信息被轉(zhuǎn)發(fā)，其影響力被進一步強化。微信朋友圈的信息內(nèi)容在信息傳播的過程中被大家熟知的比例越大，熱議值越高，被轉(zhuǎn)發(fā)的概率就越大。微信平臺利用大數(shù)據(jù)的思維發(fā)布了微信指數(shù)。在微信指數(shù)中，微信平臺為了方便查詢在某一時間段內(nèi)的某詞匯的熱度，對大量用戶的搜索和瀏覽數(shù)據(jù)進行分析，形成了當日、7日、30日以及90日動態(tài)指數(shù)變化分析。本文采用微信指數(shù)中7日內(nèi)“關(guān)鍵詞”動態(tài)指數(shù)的平均值表征微信朋友圈信息熱度。

3 信息傳播模型的構(gòu)建與仿真模擬

3.1 基于LR轉(zhuǎn)發(fā)模型的預測方法

在進行轉(zhuǎn)發(fā)行為預測時，建立如下方程表征好友在看到信息后所采取的行為：

YUV=f(U,V,W)

(6)

其中：U為信息發(fā)布者，V為信息接受者，W為信息內(nèi)容，YUV=1代表轉(zhuǎn)發(fā)，YUV=0代表不轉(zhuǎn)發(fā)。

微信朋友圈中信息的轉(zhuǎn)發(fā)行為符合機器學習中的二分類問題的特點，用戶的轉(zhuǎn)發(fā)概率與影響轉(zhuǎn)發(fā)的屬性特征呈現(xiàn)出線性關(guān)系。因此本文在進行每個用戶轉(zhuǎn)發(fā)概率時，采用LR模型進行分類，進而沿著好友關(guān)系逐級進行計算并判斷是否轉(zhuǎn)發(fā)，最終確定轉(zhuǎn)發(fā)規(guī)模。

結(jié)合微信朋友圈的特點得到轉(zhuǎn)發(fā)的預測公式如下：

P=1/(1+e-ωCu)

(7)

其中：P為信息接受者V的轉(zhuǎn)發(fā)概率，Cu為影響信息接受者轉(zhuǎn)發(fā)行為的特征向量，ω為特征權(quán)值向量，代表每個特征對轉(zhuǎn)發(fā)行為的影響程度，采用極大似然函數(shù)來求取每個特征的權(quán)重。

3.2 建模步驟

在微信朋友圈信息傳播機制分析和預測方法建立的基礎上，通過信息接受者轉(zhuǎn)發(fā)概率表征個體的信息轉(zhuǎn)發(fā)行為。構(gòu)建一個微信朋友圈的關(guān)系網(wǎng)，用G(A,B)來表示，其中A是該網(wǎng)絡中所有用戶的集合，B是微信朋友圈中所有用戶之間存在好友關(guān)系的集合。網(wǎng)絡中用戶節(jié)點的狀態(tài)有3種：信息發(fā)布者、信息轉(zhuǎn)發(fā)者和信息不轉(zhuǎn)發(fā)者。網(wǎng)絡中各用戶節(jié)點的狀態(tài)如圖2所示。

圖2 微信朋友圈各節(jié)點狀態(tài)

在進行微信朋友圈中節(jié)點狀態(tài)預測時，采用沿信息發(fā)布者好友路徑逐級預測，判斷信息接受者的轉(zhuǎn)發(fā)行為，依次進行迭代直至不產(chǎn)生新的轉(zhuǎn)發(fā)節(jié)點為止，統(tǒng)計轉(zhuǎn)發(fā)節(jié)點規(guī)模，具體步驟如下:

第一步，基礎參數(shù)準備。搜集微信朋友圈用戶歷史行為數(shù)據(jù)，根據(jù)行為特征，計算特征權(quán)值向量。

第二步，狀態(tài)初始化。以信息發(fā)布者U為基礎，建立微信朋友圈好友的關(guān)系網(wǎng)絡模型，對網(wǎng)絡中節(jié)點狀態(tài)進行初始化。

第三步，預測階段。計算當U發(fā)布微信朋友信息W后其每個好友進行轉(zhuǎn)發(fā)的概率，設定轉(zhuǎn)發(fā)閾值門限θ，θ∈[0,1]，假設當P(FUi)≥θ時，轉(zhuǎn)發(fā)行為發(fā)生，否則轉(zhuǎn)發(fā)行為不發(fā)生。將新增的轉(zhuǎn)發(fā)節(jié)點與A(N)合并，得到某一時刻的At(N)。

第四步，迭代階段。以At(N)為初始值，進行用戶的轉(zhuǎn)發(fā)行為預測，將新增加的轉(zhuǎn)發(fā)用戶增加到At(N)中。在迭代過程中，如果遇到V節(jié)點從n個節(jié)點中獲取信息，則可以得到V節(jié)點轉(zhuǎn)發(fā)的概率為：

(8)

第五步，結(jié)束階段。反復進行迭代，直到At(N)不變停止，得到最終的A(N)。計算集合中A(N)的轉(zhuǎn)發(fā)節(jié)點個數(shù)，得到轉(zhuǎn)發(fā)規(guī)模。

3.3 模型仿真

3.3.1 實驗數(shù)據(jù)采集與處理

本文以西南科技大學某學院大三年級本科生為研究對象，對各行為的特征向量進行求解和仿真，驗證模型的可靠性。采用問卷調(diào)查的方式調(diào)研了微信好友之間的關(guān)系矩陣，以“1”表示是微信好友，“0”表示不是微信好友。利用UCINET軟件對150位同學構(gòu)成的社交網(wǎng)絡進行分析，計算出該網(wǎng)絡的出入度標準化的平均值作為影響力的初始值，同時筆者添加了150名研究對象為好友，搜集研究對象的1個月的轉(zhuǎn)發(fā)信息作為研究數(shù)據(jù)基礎，共獲取信息總量7 210條，平均每人發(fā)布或者轉(zhuǎn)發(fā)信息47.1條，通過分析得到信息接受者轉(zhuǎn)發(fā)活躍度、用戶親密度以及興趣相近度的關(guān)系矩陣。本文將獲取的數(shù)據(jù)分為兩部分，前半個月作為訓練數(shù)據(jù)集，用于建立預測模型，后半個月作為測試數(shù)據(jù)集，對模型的準確性進行驗證。

3.3.2 轉(zhuǎn)發(fā)行為預測分析

引入總體命中率Y來評價總體的預測效果，Y表示實際發(fā)生轉(zhuǎn)發(fā)和非轉(zhuǎn)發(fā)信息被預測準確的比例。其計算公式如下：

Y=(X1+X4)/(X1+X2+X3+X4)

(9)

式中X1表示實際轉(zhuǎn)發(fā)預測正確的比例，X2表示實際轉(zhuǎn)發(fā)預測錯誤的比例，X3表示實際非轉(zhuǎn)發(fā)預測錯誤的比例，X4表示實際非轉(zhuǎn)發(fā)預測正確的比例。

圖3 總體命中率與轉(zhuǎn)發(fā)閾值之間關(guān)系

在選取轉(zhuǎn)發(fā)閾值θ時按照總體命中率Y最大化的原則，圖3表示Y與θ之間的關(guān)系，從圖3可以看出，轉(zhuǎn)發(fā)閾值θ在0～1之間變化時，總體命中率Y呈現(xiàn)出先增大后減小的趨勢，當轉(zhuǎn)發(fā)閾值θ=0.60時，Y值最大為0.92，說明此時模型的預測精度最高。預測結(jié)果如表1所示。

表1 實際預測結(jié)果

3.3.3 傳播效果預測分析

網(wǎng)絡中信息傳播規(guī)模增長速度呈現(xiàn)出先上升后下降，最終趨于0，轉(zhuǎn)發(fā)的規(guī)模最終趨于穩(wěn)定。由于轉(zhuǎn)發(fā)信息數(shù)量規(guī)模呈現(xiàn)出冪律分布的特點，因此本文在評價時采用數(shù)量級來劃分規(guī)模，劃分的方法如下。

假設正整數(shù)a、b和m，滿足a

(10)

在Sm區(qū)間的規(guī)模數(shù)屬于同一數(shù)量級，如果預測的規(guī)模數(shù)Np和實際轉(zhuǎn)發(fā)Nf的規(guī)模數(shù)為同一數(shù)量規(guī)模時，則式(11)成立。

|Np-Nf|<10「lgNf?-10?lgNf」)/2

(11)

其中：「?和?」為分表表示向上和向下取整。

然后對150名研究對象的3 000條轉(zhuǎn)發(fā)量較大微信朋友圈信息進行了轉(zhuǎn)發(fā)規(guī)模預測，預測準確率如圖4所示。從圖4可以看出，該預測模型對于不同用戶的預測準確率基本都能達到0.80以上，總體準確率為0.89，能較好地預測轉(zhuǎn)發(fā)規(guī)模。

圖4 轉(zhuǎn)發(fā)規(guī)模預測準確率

4 結(jié)束語

微信朋友圈信息傳播效果研究對于輿論監(jiān)控、信息發(fā)布以及熱點搜集具有重要意義。本文分析了微信朋友圈的信息傳播機制，從影響用戶轉(zhuǎn)發(fā)行為的信息發(fā)布者、信息接受者以及微信朋友圈信息內(nèi)容三方面凝練出5個特征因素，基于LR算法建立了微信朋友圈轉(zhuǎn)發(fā)模型的預測方法，提出了微信朋友圈信息轉(zhuǎn)發(fā)規(guī)模的預測方法。

以西南科技大學某學院大三年級本科生為研究對象進行模型的驗證，結(jié)果表明該方法對轉(zhuǎn)發(fā)行為預測的準確率為0.92，傳播規(guī)模預測的準確率為0.89，能夠客觀反映出用戶轉(zhuǎn)發(fā)行為對微信朋友圈信息傳播的影響。后續(xù)將在本文基礎上對微信朋友圈信息傳播規(guī)律和傳播路徑的形成機理作進一步的研究。