李熠輝 李冠 趙衛(wèi)東

摘要：推動微博輿情事件演化是眾多意見領(lǐng)袖共同作用的結(jié)果，因此識別意見領(lǐng)袖群對于輿情事件的監(jiān)管具有重要作用。提出微博輿情話題下的意見領(lǐng)袖群識別模型，綜合考慮用戶屬性特征、交互特征和網(wǎng)絡結(jié)構(gòu)，設計微博輿情下用戶影響力評估算法MUR，并結(jié)合K-means算法形成MUK-means算法，實現(xiàn)對意見領(lǐng)袖群的識別。以新浪微博數(shù)據(jù)進行實驗，MUK-means算法的聚類時間（14s）遠遠少于傳統(tǒng)K-means算法（32s），而且基于MUK-means算法得到的意見領(lǐng)袖群的用戶覆蓋率高達86.3%。實驗結(jié)果表明，MUK-means算法改進了K-means算法初始聚類中心不確定的缺點，不僅提高了聚類效率，而且實現(xiàn)了對意見領(lǐng)袖群的有效識別。

關(guān)鍵詞：微博輿情;MUR;MUK-means;意見領(lǐng)袖群

DOI：10.11907/rjd k.192007

中圖分類號：TP301 文獻標識碼：A 文章編號：1672-7800（2019）012-0030-05

0引言

網(wǎng)絡輿情事件是指在網(wǎng)絡世界中，由于各種刺激人們對于該事件所有的認知、態(tài)度、情感和行為傾向的集合。網(wǎng)絡輿情事件的突發(fā)性、環(huán)境隱蔽性和網(wǎng)絡用戶素質(zhì)參差不齊，都加大了社會公共治理難度。在通過法律手段對網(wǎng)絡環(huán)境進行規(guī)范的同時，應更關(guān)注意見領(lǐng)袖對普通網(wǎng)民潛移默化的影響，正確的思想方向與規(guī)范的言論能夠正確引導普通網(wǎng)民對待輿情事件的態(tài)度，繼而影響事件的發(fā)展態(tài)勢。微博作為國內(nèi)主流社交平臺，不僅擁有龐大的用戶群，便捷化、大眾化和實時性等特點更使其成為網(wǎng)絡輿情事件形成和發(fā)展的主要陣地。在微博這個社會網(wǎng)絡中，“意見領(lǐng)袖”不是指某一個體，單個的意見領(lǐng)袖并不能牽動全局，對輿情事件的引導、推動作用是眾多意見領(lǐng)袖共同作用的結(jié)果。因此，準確識別出意見領(lǐng)袖群，對于網(wǎng)絡輿情事件管理具有重大意義。

1相關(guān)工作

近年來，國內(nèi)外學者在意見領(lǐng)袖識別方面作了大量研究，主要分為3個方向：基于鏈路分析的方法、基于社會網(wǎng)絡分析的方法和基于用戶特征的方法。

基于鏈路分析的方法主要以網(wǎng)頁排序算法PageRank及其拓展算法為基礎，根據(jù)用戶間的鏈接關(guān)系對影響力進行迭代計算。這種算法主要研究用戶間的交互行為，忽略了對交互內(nèi)容的分析。對此，朱茂然通過分析回帖的情感傾向，計算情感權(quán)重，提出了Leader-PageRank算法。

傳統(tǒng)基于社會網(wǎng)絡分析的方法通過用戶間的關(guān)系構(gòu)建社會網(wǎng)絡，利用節(jié)點人度、點度中心性、中間中心性、接近中心性等結(jié)構(gòu)要素實現(xiàn)關(guān)鍵節(jié)點識別。Dewi提出通過定義社會網(wǎng)絡中邊緣類型尋找意見領(lǐng)袖。但是基于社會網(wǎng)絡分析的方法在考慮節(jié)點全局性的同時，忽略了節(jié)點自身屬性特征。

基于用戶特征的方法主要利用層次分析法，通過對提取的特征加權(quán)，實現(xiàn)對用戶影響力的綜合評價，但是由于缺乏統(tǒng)一標準，往往會造成特征提取不全面。因此在微博輿情事件下，綜合分析用戶交互內(nèi)容、用戶自身特性及其網(wǎng)絡拓撲結(jié)構(gòu)對意見領(lǐng)袖群的識別具有重要意義。

上述研究雖然從不同角度實現(xiàn)了對用戶影響力的評估，但對意見領(lǐng)袖范圍進行確定時，往往采用排名閾值方式，而閾值由研究者自己決定，具有很強的不確定性和人為性。為了解決此問題，本文提出微博輿情話題下的意見領(lǐng)袖群識別模型：綜合考慮用戶屬性特征、交互特征和網(wǎng)絡結(jié)構(gòu)，借鑒PageRank算法思想，提出了MUR（Microb-log-lyric User-Influence Rank）算法實現(xiàn)對用戶影響力評估，并將MUR算法與K-means算法相結(jié)合得到MUK-means（Microblog-lyric User-Influence-based K-means）算法，以影響力最大的用戶為簇心進行聚類，識別意見領(lǐng)袖群，得到意見領(lǐng)袖的范圍。

2微博輿情話題下的意見領(lǐng)袖群識別

微博輿情話題下的意見領(lǐng)袖群識別模型如圖1所示，主要包括4個方面：①數(shù)據(jù)獲取及處理，主要任務是對以Python語言編寫程序爬取的輿情數(shù)據(jù)進行預處理;②用戶特征分析，從用戶活躍度和影響力角度對用戶屬性特征進行詮釋，用戶的交互特征是從語義角度對用戶交互過程中產(chǎn)生的影響力進行刻畫;③用戶影響力評估，借鑒Pager-ank算法思想，綜合用戶屬性特征、交互特征和網(wǎng)絡結(jié)構(gòu)，設計微博輿情下的用戶影響力評估算法MUR;④意見領(lǐng)袖群識別，K-means算法與MUR算法相結(jié)合形成MUK-means算法，實現(xiàn)對意見領(lǐng)袖群和一般用戶群初始簇心的確定，以對用戶進行聚類，得到意見領(lǐng)袖群。

2.1用戶特征分析

在微博輿情傳播過程中，用戶影響力是多種因素共同作用的結(jié)果，從靜態(tài)和動態(tài)兩個角度出發(fā)，本文選取用戶屬性特征與用戶交互特征作為影響力評估基礎。

2.1.1用戶屬性特征

根據(jù)拉扎斯菲爾德對意見領(lǐng)袖的定義，意見領(lǐng)袖是小部分具有一定影響力的活躍分子。綜合微博特性和已有研究，本文從用戶活躍度和影響力兩個維度對用戶屬性特征進行描述。用戶屬性特征組成如圖2所示。

活躍度A（i）是指用戶單位時間內(nèi)更新微博的數(shù)量，通過原創(chuàng)微博數(shù)（M1）和轉(zhuǎn)發(fā)微博數(shù)（M2）體現(xiàn)。微博用戶單位時間內(nèi)活躍度越高，其在微博輿情話題下保持高活躍度的概率就越大。

影響力I（f）是身份認證（M3）、粉絲數(shù)（M4）和單位時間內(nèi)微博被轉(zhuǎn)發(fā)率（M5）的綜合體現(xiàn)。微博用戶認證意味著更高的可信度與曝光度，認證后的用戶極可能被收錄到搜索引擎，使用戶及其所發(fā)微博的曝光度大大增加，而且在一般用戶的認知中，經(jīng)過認證的用戶所發(fā)表的文字更加權(quán)威，更使人信服，可信度更高。用戶粉絲量越大，其接觸到的用戶范圍就越大，產(chǎn)生的影響輻射范圍就越大。用戶單位時間內(nèi)微博被轉(zhuǎn)發(fā)率越高，其在微博輿情話題下發(fā)表的言論被轉(zhuǎn)發(fā)的機率就越大。

由于特征數(shù)據(jù)的維度不統(tǒng)一，因此為了方便數(shù)據(jù)處理，使處理結(jié)果更加準確，本文對各級特征數(shù)據(jù)進行歸一化處理，采用rain-max方法，對數(shù)據(jù)進行線性變換，將數(shù)據(jù)映射到[0，1]區(qū)間內(nèi)，轉(zhuǎn)換如式（1）所示。

2.1.2用戶交互特征

意見領(lǐng)袖的權(quán)威度來自于其他用戶對其言論的認可，在微博輿情傳播過程中，轉(zhuǎn)發(fā)量和評論量是對其最直接的體現(xiàn)。但是在對意見領(lǐng)袖進行識別過程中，單純地對數(shù)據(jù)量進行疊加并不能很好地詮釋用戶在交互過程中產(chǎn)生的影響力，因此本文同時從語義角度出發(fā)對用戶交互特征進行分析：通過判斷轉(zhuǎn)發(fā)、評論內(nèi)容與原微博情感極性是否一致，作為互動行為有效性的依據(jù)。

在已有研究中，往往通過正向情感占比實現(xiàn)對微博情感支持率的分析，由于情感粒度劃分較粗，只統(tǒng)計正向情感的比例容易忽略關(guān)鍵信息，如在負面輿情事件中，博主發(fā)表微博“愿逝者安息，英雄一路走好”表達悲傷，情感極性為負向，而評論“太悲傷了”，情感極性雖然為負向，但表達的是對博主言論的支持，博主的言論對其產(chǎn)生了影響。為了改進上述問題，本文通過判斷轉(zhuǎn)發(fā)、評論內(nèi)容與原微博情感極性是否一致對用戶獲取的情感支持，即產(chǎn)生的影響力進行衡量。本文采用FastText分類器對微博內(nèi)容進行情感極性分析，將情感極性分為正向和負向兩類。FastText是Mikolov于2016年提出的一種快速文本分類器，能夠獲得與深度學習分類器相近的準確率，但運行效率遠遠高于深度學習分類器，保證了輿情快速演化過程中情感極性的準確快速識別。獲得情感極性分類后，定義在微博輿情傳播過程中，情感一致的轉(zhuǎn)發(fā)、評論行為視為有效互動行為，用戶有效互動值Eij計算如式（5）所示。

2.2基于MUR的用戶影響力評估

微博輿情下用戶間的互動網(wǎng)絡可以抽象為有向加權(quán)圖G（v，E），其中v表示節(jié)點集合，E表示邊的集合。將參與輿情話題討論的用戶看作節(jié)點，若用戶間存在互動關(guān)系，構(gòu)建用戶間的有向邊，邊的權(quán)值由用戶間的有效互動率確定。

PageRank算法是衡量網(wǎng)絡中網(wǎng)頁重要程度的經(jīng)典算法，基于微博拓撲結(jié)構(gòu)與網(wǎng)絡拓撲結(jié)構(gòu)的相似性，本文借鑒PageRank算法思想，提出了微博輿情用戶影響力評估算法MUR，具體計算如式（6）所示。原始PageRank算法只考慮了網(wǎng)絡結(jié)構(gòu)，在影響力分配過程中往往采取平均分配原則，既忽視了用戶節(jié)點本身影響力大小的不同，也忽視了傳遞過程中用戶受影響程度的不同。鑒于此，本文將用戶屬性特征值P（i）作為節(jié)點初值，根據(jù)有效互動率分配用戶影響力，對傳統(tǒng)PageRank算法進行改進。

2.3基于MUK-means的意見領(lǐng)袖群識別

K-means算法是一種無監(jiān)督學習的聚類算法，基于物以類聚的思想，對內(nèi)在相似性大的數(shù)據(jù)進行分類組織，其因簡單高效而應用廣泛，但初始聚類中心的不確定性容易使K-means算法陷入局部最優(yōu)解，造成聚類結(jié)果不穩(wěn)定。本文提出將MUR算法和K-means算法結(jié)合形成MUK-means算法，在有效解決初始聚類中心不確定的同時，實現(xiàn)對意見領(lǐng)袖群的識別。在識別意見領(lǐng)袖時，用戶總會被劃分為意見領(lǐng)袖和非意見領(lǐng)袖，則可確定劃分K值為2。MUR算法優(yōu)化了PageRank算法，得到微博輿情話題下微博用戶影響力從高到低的準確排名，用戶的MUI值越大，其影響力就越大，排名越高。將MUR算法與K-means算法相結(jié)合，MUI值最高的用戶代表意見領(lǐng)袖簇的聚類中心，MUI值最低的用戶代表非意見領(lǐng)袖簇的聚類中心，避免了聚類中心的隨機性，保證了簇間距離的最大化，優(yōu)化了聚類效果，同時也得到了意見領(lǐng)袖群和一般用戶群。

3實驗與結(jié)果分析

3.1實驗數(shù)據(jù)收集預處理

本文基于新浪微博提供的開放API，以“重慶公交車墜江”作為關(guān)鍵詞，爬取2018年10月28日-2018年11月2日的相關(guān)傳播數(shù)據(jù)，詳細數(shù)據(jù)集信息如表1所示。此外，實驗數(shù)據(jù)還包括用戶基礎信息：粉絲數(shù)、認證信息及其近一個月內(nèi)發(fā)表、轉(zhuǎn)發(fā)微博的相關(guān)信息。

在收集的數(shù)據(jù)集中，僅包含“#重慶公交車墜江#”話題標簽的微博數(shù)據(jù)有539條，不能作為有效數(shù)據(jù)進行分析，在過濾掉無效數(shù)據(jù)后，剩余45519條微博，參與討論（發(fā)布原創(chuàng)微博或轉(zhuǎn)發(fā)微博）的用戶數(shù)為39074，有12642個用戶發(fā)表了原創(chuàng)微博，但是沒有引起任何轉(zhuǎn)發(fā)和評論，有16007個用戶轉(zhuǎn)發(fā)他人微博后并沒有引發(fā)二次轉(zhuǎn)發(fā)。本文將對剩余的10425個用戶及其互動關(guān)系構(gòu)造的網(wǎng)絡進行影響力計算。

3.2評價指標

（1）用戶覆蓋率（coverage Rate，CR）。由于目前對用戶影響力沒有一個統(tǒng)一的評價指標，本文選用戶覆蓋率指標對用戶影響力評估準確性進行驗證。用戶覆蓋率是指在微博輿情事件中受用戶i影響的用戶數(shù)占總用戶的比例，計算公式如式（12）所示。NK表示前K個用戶影響的用戶數(shù)量，Ⅳ表示參與該輿情事件討論的用戶總數(shù)。

3.4實驗與分析

3.3.1基于MUR算法的用戶影響力評估實驗

將用戶作為種子節(jié)點，以用戶間的互動關(guān)系構(gòu)建網(wǎng)絡。提取用戶身份認證信息、粉絲數(shù)，并以用戶2018年9月27日2018年10月27日一個月內(nèi)的微博數(shù)據(jù)作為樣本，統(tǒng)計單位時間內(nèi)的原創(chuàng)微博數(shù)、轉(zhuǎn)發(fā)微博數(shù)、被轉(zhuǎn)發(fā)微博數(shù)。對數(shù)據(jù)進行歸一化處理后，根據(jù)式（4）計算用戶屬性值作為節(jié)點初始值。調(diào)用Python的FastText包實現(xiàn)情感極性的分類，工作流程如圖3所示。通過情感一致性判別對有效互動值進行計算，并根據(jù)MUR算法計算式（6）對互動網(wǎng)絡中的用戶影響力并進行迭代計算，直到每個節(jié)點的MUI值與上次計算的MUI值相等，得到每個用戶最終的影響力值。

為了驗證MUR算法對用戶影響力評估的準確性，采用前K個用戶的用戶覆蓋率對MUR算法與UI_LR算法、PageRank算法進行對比。3種算法的用戶覆蓋率結(jié)果如圖4所示。圖4中，MUR算法和UI-LR算法性能明顯優(yōu)于PageRank算法。雖然在前10個用戶的影響下，UI-LR算法與本文算法覆蓋的用戶范圍十分接近，但是在10名之后的用戶影響下，本文算法覆蓋的用戶范圍更廣，這充分說明了MUR算法對用戶影響力評估的有效性，同時保證了初始聚類中心的準確性。

3.3.2基于MUK-means算法的意見領(lǐng)袖群識別實驗

基于MUK-means算法的意見領(lǐng)袖群識別，即將意見領(lǐng)袖識別轉(zhuǎn)換為一個二分類問題，把用戶分為意見領(lǐng)袖和一般用戶。以在用戶影響力評估中影響力最大和最小的用戶作為初始聚類中心，歸一化后的用戶屬性特征與互動特征作為特征向量，利用Python實現(xiàn)用戶聚類，影響力最大的用戶所在的簇即為意見領(lǐng)袖群。

由于目前沒有對意見領(lǐng)袖群的識別研究，缺乏對比算法，為了證明MUK-means算法對意見領(lǐng)袖群識別的有效性，通過DBI指標和聚類時間對比MUK-means算法與K-means算法的聚類效果，并計算兩種算法得到意見領(lǐng)袖群用戶覆蓋率，結(jié)果如表2所示。

從表2可以看出，MUK-means算法運行時間要小于K-means算法，因為MUK-means算法對初始聚類中心的確定，減少了迭代次數(shù)，優(yōu)化了原始K-means算法。MUK-means算法的DBI值要低于K-means算法，說明MUK-means的聚類效果要優(yōu)于K-means算法，即由MUK-means算法得到的意見領(lǐng)袖群內(nèi)距離更小，相似度更大。從得到的意見領(lǐng)袖群的用戶覆蓋率看，MUK-means算法得到的意見領(lǐng)袖群用戶覆蓋率高達86.3%，遠大于K-means算法直接通過特征聚類得到的結(jié)果，說明了MUK-means識別意見領(lǐng)袖群的有效性。

4結(jié)語

本文針對現(xiàn)有研究對意見領(lǐng)袖范圍不確定的問題，基于對用戶屬性特征、交互特征和網(wǎng)絡結(jié)構(gòu)的多角度分析，提出了微博輿情話題下的意見領(lǐng)袖群識別算法MUK-means。實驗結(jié)果表明，MUK-means算法改進了傳統(tǒng)K-means算法初始聚類中心不確定的缺點，提高了聚類效率，能夠有效識別微博輿情話題下的意見領(lǐng)袖群，從而為相關(guān)部門及時掌握意見領(lǐng)袖范圍，了解輿情動態(tài)，進行輿情控制提供了依據(jù)。然而本文在分析用戶交互特征時，沒有考慮到網(wǎng)絡水軍所發(fā)虛假評論的影響，下一步研究中將對虛假評論進行過濾，從而進一步提高意見領(lǐng)袖群的識別準確率。