◆楊露露 金如和 王麗華

基于社會(huì)網(wǎng)絡(luò)分析的突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識(shí)別研究——以#李文亮醫(yī)生去世#話題為例

◆楊露露 金如和 王麗華

（中國(guó)人民警察大學(xué) 河北 065000）

網(wǎng)絡(luò)社會(huì)的深入發(fā)展為突發(fā)事件網(wǎng)絡(luò)輿情的傳播提供助力，為了維護(hù)社會(huì)的和諧穩(wěn)定以及平復(fù)公眾的焦慮心理，及時(shí)有效地處理突發(fā)事件網(wǎng)絡(luò)輿情傳播刻不容緩。本文通過社會(huì)網(wǎng)絡(luò)分析理論以及復(fù)雜網(wǎng)絡(luò)分析工具Gephi，構(gòu)建突發(fā)事件微博輿情傳播網(wǎng)絡(luò)，以定量的方法識(shí)別出關(guān)鍵節(jié)點(diǎn)及傳播路徑，并提出相應(yīng)的干預(yù)及引導(dǎo)策略。研究表明：根據(jù)本文案例研究結(jié)果，為識(shí)別出突發(fā)事件網(wǎng)絡(luò)輿情傳播中的關(guān)鍵節(jié)點(diǎn)，應(yīng)對(duì)那些連入度、連出度、中介中心度等度數(shù)較高的節(jié)點(diǎn)保持密切監(jiān)控，同時(shí)分離那些聯(lián)系較為緊密的傳播模塊，突破謠言傳播的壁壘。

社會(huì)網(wǎng)絡(luò)分析；Gephi；網(wǎng)絡(luò)輿情；關(guān)鍵節(jié)點(diǎn)識(shí)別

1 研究背景

當(dāng)前，隨著網(wǎng)絡(luò)社會(huì)的深入發(fā)展，信息的發(fā)布、傳播以及互動(dòng)的方式產(chǎn)生了巨大的改變。各類突發(fā)事件更是借助互聯(lián)網(wǎng)的形式以更快的速度進(jìn)入人們的視野，成為網(wǎng)絡(luò)輿情傳播和熱議的焦點(diǎn)。然而，突發(fā)事件影響重大，在事件未明之前就進(jìn)行大肆傳播，不僅有可能成為謠言傳播的溫床，影響社會(huì)的和諧穩(wěn)定發(fā)展，還有可能在公眾之間形成輿論導(dǎo)向，造成社會(huì)心理的緊張與焦慮。

此外，互聯(lián)網(wǎng)時(shí)代的多極化勢(shì)頭，使得輿情傳播的速度可謂是一瀉千里，輿情在傳播過程中不斷擴(kuò)散和變異，使得我們對(duì)輿情的影響難以控制。

因此，面對(duì)突發(fā)事件造成的網(wǎng)絡(luò)輿情，我們應(yīng)如何應(yīng)對(duì)以化解危機(jī)，成為亟待解決的當(dāng)務(wù)之急。

面對(duì)2019年底突然爆發(fā)的新冠肺炎疫情，社會(huì)各界議論紛紛，作為最先發(fā)現(xiàn)新冠肺炎的八位“吹哨人”之一的李文亮醫(yī)生，其救治過程牽動(dòng)人心。2019年2月7日凌晨三時(shí)許，經(jīng)其所任職的醫(yī)院武漢中心醫(yī)院證實(shí)，李文亮醫(yī)生已于當(dāng)天2點(diǎn)58分去世。#李文亮醫(yī)生去世#一度登上當(dāng)天的微博熱搜話題。本文擬基于社會(huì)網(wǎng)絡(luò)分析方法，以#李文亮醫(yī)生去世#微博熱搜產(chǎn)生當(dāng)天發(fā)表觀點(diǎn)的新浪微博用戶為研究對(duì)象，研究此話題產(chǎn)生當(dāng)天的首發(fā)節(jié)點(diǎn)、擴(kuò)散節(jié)點(diǎn)等，識(shí)別出話題傳播的關(guān)鍵節(jié)點(diǎn)，并據(jù)此提出引導(dǎo)話題走向的策略。

2 理論基礎(chǔ)

本研究采用社會(huì)網(wǎng)絡(luò)分析方法研究此微博傳播網(wǎng)絡(luò)中各節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)系。社會(huì)網(wǎng)絡(luò)指的是社會(huì)行動(dòng)者以及他們之間關(guān)系的集合，研究行動(dòng)者之間的關(guān)系特征并探索這些關(guān)系對(duì)行動(dòng)者的影響是社會(huì)網(wǎng)絡(luò)分析的主要研究對(duì)象。本研究利用復(fù)雜網(wǎng)絡(luò)分析工具Gephi，構(gòu)建出微博輿情傳播網(wǎng)絡(luò)。通過此微博輿情傳播網(wǎng)絡(luò)，可以直觀地觀察微博用戶關(guān)系的組成結(jié)構(gòu)、整體網(wǎng)絡(luò)的分布形態(tài)等，通過Gephi找出網(wǎng)絡(luò)節(jié)點(diǎn)之間的關(guān)系。

趙蓉英、王旭采用社會(huì)網(wǎng)絡(luò)分析方法，進(jìn)行突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識(shí)別研究，通過網(wǎng)絡(luò)社群圖分析、接近中心性分析和K-叢分析等，發(fā)現(xiàn)輿情傳播網(wǎng)絡(luò)中的意見領(lǐng)袖等關(guān)鍵節(jié)點(diǎn)，挖掘出輿情傳播的內(nèi)在結(jié)構(gòu)特征以及演變規(guī)律，并提出相應(yīng)的突發(fā)事件網(wǎng)絡(luò)輿情引導(dǎo)對(duì)策；邱晨子利用復(fù)雜網(wǎng)絡(luò)分析工具Gephi，構(gòu)建出微博輿情網(wǎng)絡(luò)圖譜，并據(jù)此觀察某一熱點(diǎn)話題下微博用戶關(guān)系的組成和網(wǎng)絡(luò)結(jié)構(gòu)，基于此提出引導(dǎo)與控制微博輿情信息傳播的策略及建議。

在相關(guān)學(xué)者的研究基礎(chǔ)上，本文采用社會(huì)網(wǎng)絡(luò)分析方法以及復(fù)雜網(wǎng)絡(luò)分析工具Gephi，以典型突發(fā)事件為例，對(duì)其輿情傳播網(wǎng)絡(luò)進(jìn)行定量分析，嘗試識(shí)別關(guān)鍵節(jié)點(diǎn)，發(fā)現(xiàn)其內(nèi)在傳播規(guī)律，并據(jù)此提出干預(yù)及引導(dǎo)策略。

3 突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識(shí)別分析

3.1 數(shù)據(jù)提取

本文選取#李文亮醫(yī)生去世#微博熱搜話題當(dāng)天發(fā)表觀點(diǎn)的新浪微博用戶作為研究樣本。研究過程中發(fā)現(xiàn)，將所有發(fā)布該話題的用戶收集起來，用戶數(shù)量過于龐大，難以展開分析。之后縮小樣本范圍，以武漢中心醫(yī)院發(fā)布李文亮醫(yī)生去世訃告的時(shí)間2020年2月7日凌晨2點(diǎn)58分為截點(diǎn)，定義此前發(fā)布#李文亮醫(yī)生去世#話題的微博用戶均屬于傳播謠言，將這些用戶及與該用戶存在轉(zhuǎn)發(fā)或評(píng)論關(guān)系的用戶數(shù)據(jù)爬取下來，共計(jì)獲得56696個(gè)節(jié)點(diǎn)，59975條邊。隨后將其導(dǎo)入復(fù)雜網(wǎng)絡(luò)分析工具Gephi中進(jìn)行分析。

3.2 實(shí)證分析

（1）載入數(shù)據(jù)

將收集到的數(shù)據(jù)處理，轉(zhuǎn)換成可供復(fù)雜網(wǎng)絡(luò)分析工具Gephi識(shí)別的.csv數(shù)據(jù)表格文件，Source為發(fā)布#李文亮醫(yī)生去世#相關(guān)微博的用戶節(jié)點(diǎn)，Target為轉(zhuǎn)發(fā)或評(píng)論Source節(jié)點(diǎn)的微博用戶節(jié)點(diǎn)。將數(shù)據(jù)導(dǎo)入軟件中，得到初始的節(jié)點(diǎn)關(guān)系圖，如圖1所示，該微博網(wǎng)絡(luò)中有56696個(gè)節(jié)點(diǎn)、59975條邊。

圖1 初始節(jié)點(diǎn)關(guān)系圖

（2）度數(shù)與度的分布

對(duì)導(dǎo)入進(jìn)Gephi的數(shù)據(jù)進(jìn)行度的運(yùn)算，得到網(wǎng)絡(luò)的平均度為1.058，節(jié)點(diǎn)度的比例分布如圖2所示。從圖2中可以直觀看出，此微博網(wǎng)絡(luò)中絕大多數(shù)的節(jié)點(diǎn)都擁有很小的度，即和其他節(jié)點(diǎn)相連接的概率很小。只有少數(shù)節(jié)點(diǎn)擁有較大的度數(shù)，因而這些度數(shù)較大的節(jié)點(diǎn)就是該網(wǎng)絡(luò)輿情傳播中的核心節(jié)點(diǎn)。

由圖2和圖3可以看出，圖中大面積覆蓋的顏色是紫色，他們?cè)诰W(wǎng)絡(luò)圖中的度為1，表示只有一個(gè)節(jié)點(diǎn)與其相連，這些節(jié)點(diǎn)占到全部節(jié)點(diǎn)比重的94.39%；度數(shù)為2的節(jié)點(diǎn)為綠色，放大網(wǎng)絡(luò)圖后發(fā)現(xiàn)，這些綠色的節(jié)點(diǎn)均勻地分布在網(wǎng)絡(luò)圖的中部，表示有2個(gè)節(jié)點(diǎn)與其相連，占全部節(jié)點(diǎn)的3.82%；度數(shù)為3的節(jié)點(diǎn)為藍(lán)色，表示有3個(gè)節(jié)點(diǎn)與其相連，占全部節(jié)點(diǎn)的0.2%；度數(shù)為4的節(jié)點(diǎn)為黑色，表示有4個(gè)節(jié)點(diǎn)與其相連，占全部節(jié)點(diǎn)的0.61%；度數(shù)為5的節(jié)點(diǎn)為橙色，表示有5個(gè)節(jié)點(diǎn)與其相連，占全部節(jié)點(diǎn)的0.1%；以此類推。由于該網(wǎng)絡(luò)中節(jié)點(diǎn)總數(shù)大，因此，即便一些度數(shù)高的節(jié)點(diǎn)在網(wǎng)絡(luò)中占比較小，但是在網(wǎng)絡(luò)圖中也可以找到。

然而，該網(wǎng)絡(luò)中約占98%的節(jié)點(diǎn)都擁有較小的連接度，且這些節(jié)點(diǎn)的連入度和連出度也大多為1和0，說明在該網(wǎng)絡(luò)中，絕大多數(shù)的節(jié)點(diǎn)屬于自關(guān)聯(lián)節(jié)點(diǎn)，即在微博網(wǎng)絡(luò)中他們對(duì)網(wǎng)絡(luò)信息發(fā)出個(gè)人觀點(diǎn)，但不再有人對(duì)其進(jìn)行評(píng)論或轉(zhuǎn)發(fā)。

圖2 節(jié)點(diǎn)度的比例分布（部分）

圖3 節(jié)點(diǎn)的連接與度的分布比例

觀察表1展示的部分表格可以看出，度和連出度較高的部分節(jié)點(diǎn)，其連入度并不高，說明這些節(jié)點(diǎn)發(fā)表個(gè)人觀點(diǎn)之后，有較多的節(jié)點(diǎn)對(duì)其評(píng)論或轉(zhuǎn)發(fā)，但這些節(jié)點(diǎn)卻很少再去評(píng)論或轉(zhuǎn)發(fā)別的節(jié)點(diǎn)。

表1 節(jié)點(diǎn)的度、連入度和連出度（部分）

IDModularity Class連入度連出度度 經(jīng)濟(jì)觀察報(bào)0076927692 央視新聞42047714771 深藍(lán)財(cái)經(jīng)64024912491 鳳凰網(wǎng)華人佛教2115021502 優(yōu)醫(yī)邦23113451345 醫(yī)生媽媽歐茜8010391039 扎西-德樂211986986 中國(guó)校園之聲50983983 嚴(yán)鋒300957957 頭條新聞490808808 皮膚科博士-陳奇權(quán)1090685685 鈦媒體APP11593593 萬能的大熊60583583 九爪小蟹91573573 支點(diǎn)財(cái)經(jīng)921567567 歷史影像回憶錄60566566 傳媒接班人761531531 鳳凰網(wǎng)科技30510510 小白測(cè)評(píng)1320466466 福布斯中文網(wǎng)110457457

綜上所述，我們?cè)谟^察微博網(wǎng)絡(luò)輿情傳播的過程中，應(yīng)實(shí)時(shí)監(jiān)控這些度數(shù)大的節(jié)點(diǎn)的輿情動(dòng)向，控制其轉(zhuǎn)發(fā)和評(píng)論動(dòng)向，從而引導(dǎo)輿情的生長(zhǎng)，使輿情信息能夠及時(shí)得到有效控制。

（3）平均路徑長(zhǎng)度及中心度分析

①平均路徑長(zhǎng)度

通過對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行平均路徑分析，得到網(wǎng)絡(luò)中的平均路徑長(zhǎng)度約為1.005，結(jié)果如圖4所示，即表明在此網(wǎng)絡(luò)中，信息只傳播一步之后便不再繼續(xù)傳遞，信息傳播的深度不大，網(wǎng)絡(luò)整體層次不強(qiáng)。

圖4 平均路徑長(zhǎng)度運(yùn)算結(jié)果

②中心度分析

由Gephi軟件分析可得各個(gè)節(jié)點(diǎn)的中介中心度（Betweenness Centrality）和接近中心度（Closeness Centrality），如表2所示。

表2 中心度數(shù)據(jù)（部分）

IDCloseness CentralityBetweenness Centrality 大肥皂1.076.0 一路上有你ZL1.047.0 疏風(fēng)襲雨1.024.0 Dr.Summer1.024.0 茶健身1.023.0 我是那小誰誰誰1.020.0 才仁冷珠1.020.0 華創(chuàng)傳媒老薄1.012.0 分析師謝漠煙1.010.0 老怪中國(guó)blog1.09.0 導(dǎo)演宋健君1.06.0 歷史影像回憶錄1.00.0 頭條新聞1.00.0 建筑-FAN1.00.0 香港紫荊衛(wèi)視1.00.0

中介中心度表示處于網(wǎng)絡(luò)中最短路徑上的節(jié)點(diǎn)出現(xiàn)的頻率。由圖2展示數(shù)據(jù)可以看出，中介中心度大于0的節(jié)點(diǎn)在56696個(gè)節(jié)點(diǎn)中只有11個(gè)，剩余的絕大多數(shù)節(jié)點(diǎn)的中介中心度均為0。所以，只有11個(gè)節(jié)點(diǎn)在處于網(wǎng)絡(luò)其他節(jié)點(diǎn)傳播的最短路徑上，說明這些節(jié)點(diǎn)占據(jù)著至關(guān)重要的作用，對(duì)信息傳播的影響最大。

接近中心度表示網(wǎng)絡(luò)中某一節(jié)點(diǎn)到網(wǎng)絡(luò)中其他可達(dá)節(jié)點(diǎn)的距離。由圖2展示數(shù)據(jù)可以得出，該網(wǎng)絡(luò)中接近中心度大于0的節(jié)點(diǎn)數(shù)目約為471個(gè)，這表示在該網(wǎng)絡(luò)中只有很小一部分節(jié)點(diǎn)與其他節(jié)點(diǎn)存在最短路徑，在第一時(shí)間轉(zhuǎn)發(fā)一個(gè)熱點(diǎn)話題的可能性較大。因此，在該網(wǎng)絡(luò)中，絕大多數(shù)的節(jié)點(diǎn)都難以在第一時(shí)間到達(dá)其他節(jié)點(diǎn)，我們只需要對(duì)這些接近中心度大于0的節(jié)點(diǎn)保持監(jiān)控，就可影響信息傳播的過程。

綜合中介中心度和接近中心度的分析結(jié)果，可以得出前11個(gè)節(jié)點(diǎn)的中介中心度和接近中心度較高，因此，在對(duì)網(wǎng)絡(luò)輿情進(jìn)行引導(dǎo)和控制的時(shí)候要尤為關(guān)注這些節(jié)點(diǎn)，以及時(shí)發(fā)現(xiàn)和控制不良信息的傳播。

（4）模塊化分析

利用Gephi對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行模塊化分析，如圖5所示得到的結(jié)果將網(wǎng)絡(luò)中所有用戶分為162個(gè)社區(qū)。

圖5 網(wǎng)絡(luò)模塊化報(bào)告

圖6和7表示各模塊節(jié)點(diǎn)的度數(shù)所占的比例和模塊化圖示，從圖4.3可以看出，節(jié)點(diǎn)之間呈現(xiàn)出不同的顏色，不同顏色的節(jié)點(diǎn)就代表著不同的模塊，模塊即相關(guān)聯(lián)的節(jié)點(diǎn)間組成的社區(qū)。從圖7中可以很明顯地看出，該網(wǎng)絡(luò)有8個(gè)較大的模塊，每種顏色代表一個(gè)模塊，每種顏色的模塊中間有一個(gè)中心節(jié)點(diǎn)，這個(gè)節(jié)點(diǎn)擁有很大的連出度和少量的連入度。只有少量的模塊擁有較多關(guān)聯(lián)節(jié)點(diǎn)，絕大多數(shù)的模塊擁有的關(guān)聯(lián)節(jié)點(diǎn)都很少，這體現(xiàn)了微博網(wǎng)絡(luò)信息傳播的無標(biāo)度性，即網(wǎng)絡(luò)中少數(shù)節(jié)點(diǎn)擁有極其多的連接，大多數(shù)節(jié)點(diǎn)只有很少量的連接，各節(jié)點(diǎn)之間的連接狀況（度數(shù)）具有嚴(yán)重的不均勻分布性，網(wǎng)絡(luò)具有嚴(yán)重的異質(zhì)性。在無標(biāo)度網(wǎng)絡(luò)中，幾個(gè)大節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)起著主導(dǎo)作用，如果我們對(duì)這些大節(jié)點(diǎn)保持監(jiān)控，那么就可以影響輿情信息的傳播。

圖6 模塊化分層節(jié)點(diǎn)度比例（部分）

圖7 網(wǎng)絡(luò)模塊化分布結(jié)構(gòu)

4 結(jié)論

4.1 分析結(jié)論

（1）從節(jié)點(diǎn)的度來看，連入度取值大于等于10的節(jié)點(diǎn)只有4個(gè)，分別是“V奉天承運(yùn)V”、“才來憑寄”、“農(nóng)家皇甫”、“武漢YASU共賞圈”4名用戶，說明這4名用戶曾經(jīng)對(duì)超過10名發(fā)布#李文亮醫(yī)生去世#微博謠言信息的用戶進(jìn)行過轉(zhuǎn)發(fā)或評(píng)論。然而，同時(shí)比對(duì)這幾名用戶的連出度，發(fā)現(xiàn)他們的連出度取值均為0，表明這些用戶雖然積極地轉(zhuǎn)發(fā)或評(píng)論了關(guān)于#李文亮醫(yī)生去世#的謠言話題，但是這些謠言只影響了他們自己，并沒有通過他們影響更多的人。我們?cè)谝龑?dǎo)謠言傳播的過程中，可以采取重點(diǎn)對(duì)這幾名用戶進(jìn)行官方私信辟謠等做法，使其免受謠言欺騙。

（2）從節(jié)點(diǎn)的度來看，連出度取值越大，表示該節(jié)點(diǎn)被轉(zhuǎn)發(fā)或評(píng)論的次數(shù)越多，其發(fā)布的謠言被更多的人知道的概率越大。從數(shù)據(jù)表格中可以發(fā)現(xiàn)，連出度取值最大的為7692，最小的為3，共471名用戶連出度大于0，其中有119名用戶的連出度取值大于等于100。在這119名用戶中，有36名用戶的連入度大于0，這表明這36名用戶在發(fā)布謠言并得到大量轉(zhuǎn)發(fā)或評(píng)論的同時(shí)，也對(duì)其他用戶進(jìn)行了轉(zhuǎn)發(fā)或評(píng)論，說明這36名用戶不僅影響他人，也受到其他人的影響。但是檢查發(fā)現(xiàn)，這些用戶的連入度均為1，表示這些用戶并未受到過多其他謠言的影響，我們的重點(diǎn)仍應(yīng)放在其連出度方面。在引導(dǎo)謠言傳播的過程中，我們應(yīng)重點(diǎn)識(shí)別這119名受到大量轉(zhuǎn)發(fā)或評(píng)論的微博用戶，并采取有效及時(shí)的措施控制其對(duì)謠言的傳播。

（3）從此微博網(wǎng)絡(luò)的平均路徑長(zhǎng)度來看，平均路徑長(zhǎng)度為1.005，也就是說大部分節(jié)點(diǎn)只傳播一步便不再傳播，這說明該微博網(wǎng)絡(luò)傳播的深度不大，比較容易得到控制。同時(shí)，從平均路徑長(zhǎng)度我們也可以得出該網(wǎng)絡(luò)的中介中心度和接近中心度。中介中心度表示處于網(wǎng)絡(luò)中最短路徑上的節(jié)點(diǎn)出現(xiàn)的頻率，接近中心度表示網(wǎng)絡(luò)中某一節(jié)點(diǎn)到網(wǎng)絡(luò)中其他可達(dá)節(jié)點(diǎn)的距離，綜合中介中心度和接近中心度的分析結(jié)果，有11個(gè)節(jié)點(diǎn)的中介中心度和接近中心度較高，分別是大肥皂、一路有你ZL、疏風(fēng)襲雨、才人冷珠等。同時(shí)檢查這些節(jié)點(diǎn)的度發(fā)現(xiàn)，他們的連入度取值均在100以下，連出度取值在1到3。這說明這些節(jié)點(diǎn)不僅影響其他節(jié)點(diǎn)，還受到其他節(jié)點(diǎn)的影響，還能作為其他節(jié)點(diǎn)之間聯(lián)系的橋梁。因此，在引導(dǎo)謠言傳播的過程中，這11名用戶應(yīng)受到重點(diǎn)監(jiān)控。

（4）從模塊化分析來看，該微博傳播網(wǎng)絡(luò)可以分為8個(gè)比較明顯的模塊。觀察發(fā)現(xiàn)，紫色、草綠色、藍(lán)色、青綠色和膚粉色的模塊大多只有完整的一塊，而橙色、黃色和粉紅色的模塊則由多個(gè)連接在一起的小模塊組成，其余灰色的小模塊由于分布較廣，難以整合，不予估計(jì)。同時(shí)參考模塊化度量值，模塊度越高，表示該模塊內(nèi)部聯(lián)系越緊密，受到外部的影響越弱，分組質(zhì)量越好。在該網(wǎng)絡(luò)的模塊化分組中，草綠色、藍(lán)色和膚粉色模塊的模塊度較高，且在整體網(wǎng)絡(luò)中占比可觀，在數(shù)據(jù)表格中發(fā)現(xiàn)，草綠色、藍(lán)色和膚粉色模塊的中心節(jié)點(diǎn)分別是央視新聞、深藍(lán)財(cái)經(jīng)和優(yōu)醫(yī)邦。在引導(dǎo)謠言傳播過程中，應(yīng)注意分離這幾組模塊。

4.2 引導(dǎo)策略

（1）信息控制

首先，控制網(wǎng)絡(luò)中連出度比較大的節(jié)點(diǎn)。連出度較大說明該節(jié)點(diǎn)發(fā)布的信息有較大的轉(zhuǎn)發(fā)量或評(píng)論量，控制住這些節(jié)點(diǎn)可以抑制謠言的大范圍擴(kuò)散，初步遏制謠言的傳播。

其次，截?cái)嘀薪橹行亩群徒咏行亩容^高的節(jié)點(diǎn)。節(jié)點(diǎn)的連出度高，但并不能覆蓋整個(gè)網(wǎng)絡(luò)范圍，我們還需要注意處在節(jié)點(diǎn)之間最短連接路徑上的節(jié)點(diǎn)。將這些節(jié)點(diǎn)截?cái)啵敲炊鄠€(gè)節(jié)點(diǎn)之間的連接路徑就會(huì)被切斷，難以進(jìn)行信息交換，謠言的傳播自然無法蔓延。

再次，持續(xù)關(guān)注那些連入度較高的節(jié)點(diǎn)。連入度較高，說明該節(jié)點(diǎn)多次轉(zhuǎn)發(fā)或評(píng)論其他節(jié)點(diǎn)發(fā)布的謠言，那么該節(jié)點(diǎn)信謠傳謠的可能性就較大。及時(shí)對(duì)這些連入度較高的節(jié)點(diǎn)進(jìn)行私信辟謠，可以提高這些節(jié)點(diǎn)的警惕心，降低信謠傳謠的可能性。

最后，分離謠言傳播網(wǎng)絡(luò)中的大型傳謠群體。這些傳謠群體內(nèi)部聯(lián)系可能十分緊密，一人發(fā)布，多人之間互相轉(zhuǎn)發(fā)評(píng)論，這一方面會(huì)增加個(gè)人對(duì)謠言的信任，提高信謠的可能性，另一方面也會(huì)使謠言在更多節(jié)點(diǎn)之間傳播，擴(kuò)大謠言傳播的范圍。因此，要注意分離這些謠言傳播群體，降低謠言在更廣范圍內(nèi)的信任和持續(xù)傳播。

（2）輿論引導(dǎo)

①官方媒體主動(dòng)辟謠。在謠言大肆傳播的同時(shí)，建議官方媒體同步跟進(jìn)，主動(dòng)對(duì)謠言信息進(jìn)行辟謠和辯駁，并發(fā)布正確、正面的信息，以達(dá)到官方媒體的正面引導(dǎo)作用。這不僅有利于遏制虛假信息的傳播，還可以將真實(shí)的信息及時(shí)推送到用戶手中。此外，對(duì)于已經(jīng)識(shí)別為謠言的信息，微博官方也可以在其所發(fā)布的信息上標(biāo)注“謠言”等字樣，主動(dòng)告知各類用戶此為謠言，并限制對(duì)該信息的轉(zhuǎn)發(fā)和評(píng)論。另外，就此次疫情為例，微博官方還專門開辟了每日辟謠專題和話題，對(duì)于減少謠言的傳播、提高公眾的理智、維護(hù)社會(huì)的穩(wěn)定發(fā)揮了重要作用。

②意見領(lǐng)袖跟隨轉(zhuǎn)發(fā)。所謂意見領(lǐng)袖，即那些在各類話題中活躍度較高、對(duì)其他用戶影響力較大的用戶。微博意見領(lǐng)袖所發(fā)布的信息，一般擁有較大的轉(zhuǎn)發(fā)量和評(píng)論量，容易形成熱點(diǎn)話題。由微博意見領(lǐng)袖跟隨轉(zhuǎn)發(fā)的辟謠信息，一方面可以拉動(dòng)當(dāng)前處于弱勢(shì)地位的正面信息，將官方發(fā)布的辟謠信息更快地送到人們眼前，讓其與謠言對(duì)壘，瓦解謠言傳播鏈；另一方面，多位意見領(lǐng)袖發(fā)布辟謠信息形成辟謠信息網(wǎng)，將更快覆蓋謠言，將謠言遏制在傳播階段。

[1]劉軍.整體網(wǎng)分析：UCINTE軟件實(shí)用指南[M].上海：格致出版社，2014.

[2]趙蓉英，王旭.突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識(shí)別及導(dǎo)控對(duì)策研究——以大賢村遭洪災(zāi)事件為例[J].現(xiàn)代情報(bào)，2018，38 （01）：19-24+30.

[3]羅家德.社會(huì)網(wǎng)分析講義[M].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2005：96-156.

[4]邱晨子.微博網(wǎng)絡(luò)輿情熱點(diǎn)生長(zhǎng)分析模型研究[D]. 大連海事大學(xué)，2013.

[5]王佳秋.基于用戶行為及關(guān)系的微博電企業(yè)影響力度量[D]. 哈爾濱商業(yè)大學(xué)，2013.

[6]鄧君，馬曉君，畢強(qiáng).社會(huì)網(wǎng)絡(luò)分析工具Ucinet和Gephi的比較研究[J].情報(bào)理論與實(shí)踐，2014，37（08）：133-138.

[7]李學(xué)蘭. 基于Gephi的物流金融研究可視化[J].牡丹江大學(xué)學(xué)報(bào)，2017，26（01）：26-28+46.

國(guó)家民委民族研究項(xiàng)目“新媒體時(shí)代涉民族因素網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)建模與治理研究”（編號(hào)：2020-GMD-023）；河北省社會(huì)科學(xué)發(fā)展研究課題“重大突發(fā)事件網(wǎng)絡(luò)輿論新生風(fēng)險(xiǎn)治理機(jī)制研究”（編號(hào)：20200403102）；全國(guó)統(tǒng)計(jì)科學(xué)研究重點(diǎn)項(xiàng)目“基于輿情大數(shù)據(jù)的社會(huì)穩(wěn)定風(fēng)險(xiǎn)建模與預(yù)警研究”（編號(hào)：2019LZ07）；中國(guó)人民警察大學(xué)研究生創(chuàng)新計(jì)劃項(xiàng)目“基于社會(huì)網(wǎng)絡(luò)分析的輿情情報(bào)挖掘研究”