萬鈺玨，李世銀，房子豪，折亞亞，王雨秋，王 帆，景興鵬

(1.西安科技大學 安全科學與工程學院，陜西 西安 710054;2.中煤科工集團西安研究院有限公司，陜西 西安 710054)

0 引 言

截至2021年12月，中國網(wǎng)民規(guī)模為10.32億，手機網(wǎng)民規(guī)模達10.29億，互聯(lián)網(wǎng)普及率73%[1]。隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡成為熱點輿論最重要的聚集地，引導和管控網(wǎng)絡輿情發(fā)展是處置突發(fā)事件網(wǎng)絡輿情的重要手段。面對突發(fā)事件，快速有效地對網(wǎng)絡輿情意見領袖進行引導是管控突發(fā)事件網(wǎng)絡輿情發(fā)展的關鍵。

當前，國內(nèi)外學者對網(wǎng)絡輿情意見領袖開展了一系列研究。BAMAKAN等綜述近年來各類網(wǎng)絡輿情意見領袖識別方法并分析其優(yōu)缺點[2]。JAIN等提出了GOLD算法、WHALE優(yōu)化算法來識別意見領袖聯(lián)盟[3-4]。LI等通過分析用戶情感影響識別意見領袖[5]。LUQIU等以中國社交平臺微博為信息源，從事件關注者數(shù)量和評論語調2個方面識別意見領袖并分析其影響力[6]。YIN等構建意見延遲免疫模型揭示意見領袖對信息傳播的影響力[7]。嚴煒煒通過構建視頻質量評價指標體系，使用聚類分析法揭示了意見領袖形成路徑[8]。安璐等從意見領袖的評論內(nèi)容及用戶間的交互入手識別網(wǎng)絡意見領袖[9]。徐翔認為意見領袖具有信息傳播的擴散力與影響力[10]。孫羽等基于網(wǎng)絡分析和文本挖掘分析意見領袖的各類特點[11]。方世南等認為意見領袖在傳播和引導網(wǎng)絡輿情時具有正負2個方面的作用[12]。余樹英認為不同類型網(wǎng)絡意見領袖的影響力存在一定的差異性[13]。國外對意見領袖的研究側重于識別算法，而國內(nèi)對意見領袖的研究主要圍繞其傳播特征及作用機理，對于突發(fā)事件網(wǎng)絡輿情下的意見領袖傳播影響力特征研究較少。

因此，以突發(fā)事件“湖北十堰燃氣爆炸”為例，微博作為數(shù)據(jù)源，通過網(wǎng)絡爬蟲采集樣本數(shù)據(jù)，運用Gephi繪制意見領袖輿情傳播可視化圖，呈現(xiàn)突發(fā)事件網(wǎng)絡輿情意見領袖傳播關系。利用UCINET從網(wǎng)絡密度、網(wǎng)絡中心性、凝聚子群3個維度，對突發(fā)事件網(wǎng)絡輿情意見領袖傳播網(wǎng)絡結構特征進行測度分析，以期為更好地引導和管控突發(fā)事件網(wǎng)絡輿情提出切實可行的方法。

1 社會網(wǎng)絡分析

1.1 社會網(wǎng)絡分析法

社會網(wǎng)絡分析法(social network analysis，SNA)能夠直觀、有效地展示社會網(wǎng)絡結構中行動者之間的互動關系，通過使用相關可視化工具繪制網(wǎng)絡圖，分析社會網(wǎng)絡關系中各節(jié)點的中心趨勢、密切關系、分散程度。該方法可應用于各行各業(yè)的事物及人物之間復雜關系分析研究[14-16]。

1.2 Gephi可視化

Gephi可處理海量的網(wǎng)絡數(shù)據(jù)集，既能在節(jié)點層面對網(wǎng)絡屬性進行統(tǒng)計分析，也可使用不同布局算法對數(shù)據(jù)進行可視化處理，還可以對動態(tài)網(wǎng)絡進行模擬分析[17-19]。因此，本文使用Gephi可視化處理“湖北十堰燃氣爆炸”事件數(shù)據(jù)，利用網(wǎng)絡密度、點度中心性屬性，更加直觀地反映出意見領袖傳播的復雜關系。

1.3 UCINET軟件

UCINET是目前學術研究運用較廣的社會網(wǎng)絡分析軟件之一[20-22]。UCINET的中心性、凝聚子群、關聯(lián)性分析等方法，可通過直觀的網(wǎng)絡圖進行數(shù)據(jù)關系展示?；诖耍肬CINET中網(wǎng)絡密度、網(wǎng)絡中心性、凝聚子群3個維度的分析指標得到意見領袖傳播影響力測度數(shù)據(jù)，為文中研究提供科學的理論依據(jù)。

2 實例分析

2.1 事件回顧

2021年6月13日早晨6點30分左右，湖北十堰市張灣區(qū)艷湖小區(qū)發(fā)生燃氣爆炸事故。隨著救援工作的開展，官方媒體實時報道現(xiàn)場救援情況，由于傷亡人數(shù)不斷增加，網(wǎng)民通過網(wǎng)絡平臺獲取到該突發(fā)事件的相關報道，并發(fā)表個人對于此次突發(fā)事件的觀點和情緒，從而加速引發(fā)了網(wǎng)絡平臺上的群體性互動，該事件迅速成為熱點話題，推動了此次突發(fā)事件網(wǎng)絡輿情的發(fā)展。通過百度指數(shù)搜索“湖北十堰”、“燃氣爆炸”、“化工園區(qū)”、“張灣區(qū)艷湖小區(qū)”等關鍵詞，研究的時間段設定為6月13日至6月23日，獲得此次突發(fā)事件網(wǎng)絡輿情傳播趨勢，如圖1所示。

圖1 “湖北十堰燃氣爆炸”網(wǎng)絡輿情傳播趨勢Fig.1 Dissemination trend of internet public opinion on “Gas explosion in Shiyan，Hubei”

2.2 數(shù)據(jù)獲取

采用網(wǎng)絡爬蟲、微博關鍵詞搜索、“滾雪球采樣”等方法對“湖北十堰燃氣爆炸”突發(fā)事件進行研究，為獲取與事件相關微博的轉發(fā)量和評論量，對相關微博進行了三輪信息數(shù)據(jù)爬取。

具體步驟為：將爬取數(shù)據(jù)源的時間設置為2021年6月13日—6月23日，在新浪微博搜索“湖北十堰”、“張灣區(qū)艷湖小區(qū)”、“燃氣爆炸”等高頻關鍵詞爬取相關話題的微博轉發(fā)量、評論量等信息。第1輪數(shù)據(jù)爬取，共獲得微博數(shù)據(jù)889條，將889條微博用戶ID以轉發(fā)量和粉絲量為標準，從高到低綜合排序，選取其中轉發(fā)量和粉絲量排名均在前100的微博用戶ID；第2輪數(shù)據(jù)爬取，隨機選取第1輪中具有代表性的5條微博ID，作為第2次數(shù)據(jù)爬取初始節(jié)點，從而進行第2輪數(shù)據(jù)爬取，即第2輪數(shù)據(jù)爬取初始節(jié)點為“澎湃新聞”、“頭條新聞”、“扒妹一米五”、“中國新聞網(wǎng)”、“每日經(jīng)濟新聞”；第3輪數(shù)據(jù)爬取，重復第1輪、第2輪數(shù)據(jù)爬取流程，同樣根據(jù)高頻關鍵詞，隨機性選取具有代表性的微博用戶ID，從而進行第3次信息數(shù)據(jù)爬取。

2.3 Gephi可視化分析

基于獲取的數(shù)據(jù)，將其轉化為Gephi所需要的CSV格式，導入Gephi中，共得到246個節(jié)點以及268條有向邊。在此次傳播網(wǎng)絡中，節(jié)點屬性代表發(fā)布相關信息的傳播者微博ID，邊屬性代表傳播者相互之間的轉發(fā)、評論關系。經(jīng)過統(tǒng)計計算得到Gephi可視化網(wǎng)絡參數(shù)見表1。

表1 Gephi可視化網(wǎng)絡參數(shù)Table 1 Gephi visual network parameters

平均度表示整個傳播網(wǎng)絡中各節(jié)點間的直接關聯(lián)程度，平均度數(shù)值越大，其直接關聯(lián)程度越高。從表1可得，該傳播網(wǎng)絡的平均度只有1.61，表明傳播網(wǎng)絡中各節(jié)點間的直接關聯(lián)程度較低。圖密度反映整個傳播網(wǎng)絡結構的完整程度，圖密度越小，表明網(wǎng)絡結構的完整程度越差。該傳播網(wǎng)絡的圖密度僅為0.01，表明傳播網(wǎng)絡結構完整程度較差，網(wǎng)絡結構較為松散，信息流通性較低。

在Gephi中，首先使用“Force Atlas”算法調整節(jié)點布局，然后通過彈性模型“Fruchterman Reingold”對節(jié)點進行布局優(yōu)化，最終得到“湖北十堰燃氣爆炸”網(wǎng)絡輿情傳播可視化如圖2所示。通過Gephi的點度中心度算法，對“湖北十堰燃氣爆炸”突發(fā)事件的網(wǎng)絡輿情傳播點度中心度進行測度，選取前20測度結果見表2。

表2 點度中心性Top 20測度結果Table 1 Top 20 measurement results of point degree centrality

從表2可得，“頭條新聞”、“央視新聞”、“人民日報”、“澎湃新聞”、“扒妹一米五”5個節(jié)點是點度中心性最高節(jié)點，占據(jù)此次突發(fā)事件網(wǎng)絡輿情傳播核心位置，意味著其處于網(wǎng)絡輿情傳播優(yōu)勢地位。入度值和出度值均表示一個點與其他點的交互情況，由此得出該5個節(jié)點影響力和交互性極高，表明這些節(jié)點是此次突發(fā)事件網(wǎng)絡輿情傳播中的意見領袖。

圖2為參與“湖北十堰小區(qū)爆炸”事件網(wǎng)絡輿情傳播者的網(wǎng)絡拓撲結構。網(wǎng)絡拓撲結構模塊化分析結果表明，“頭條新聞”社區(qū)是最大社區(qū)，占5個社區(qū)總和的30.52%；“扒妹一米五”社區(qū)是最小社區(qū)，占比10.17%?；诖私Y果可得，“頭條新聞”社區(qū)的傳播者聚積度最高，關系網(wǎng)最密集，是此次輿情事件中傳播影響力最大意見領袖。從傳播者類型分析，以“扒妹一米五”為代表的自媒體與以“頭條新聞”、“央視新聞”、“人民日報”為代表的官方媒體相比，所帶來的傳播影響力較小。

圖2 “湖北十堰燃氣爆炸”網(wǎng)絡輿情傳播拓撲結構Fig.2 Topology structure of network public opinion dissemination of “Gas explosion in Shiyan，Hubei”

由此可見，在引導與管控突發(fā)事件網(wǎng)絡輿情中的意見領袖時，應對傳播影響力較大的自媒體和官方媒體進行有效的監(jiān)管。

2.4 網(wǎng)絡密度分析

在UCINET軟件中，構建了246個節(jié)點間的微博轉發(fā)網(wǎng)絡，其中各節(jié)點代表微博信息發(fā)布者ID，邊之間權重代表節(jié)點之間進行轉發(fā)的互動次數(shù)。

網(wǎng)絡密度是傳播者構成的節(jié)點間信息傳播的互動程度，在有向網(wǎng)絡圖中，如果整體網(wǎng)絡中包含的實際關系數(shù)目為a，那么其中包含的關系總數(shù)在理論上的最大可能值為b(b-1)，則該網(wǎng)絡整體密度M的表達式為[23]

(1)

整體網(wǎng)的密度越大，表明網(wǎng)絡成員之間的聯(lián)系越緊密，該網(wǎng)絡對其中傳播者的態(tài)度、行為等產(chǎn)生的影響就越大。運用UCINET對“湖北十堰燃氣爆炸”網(wǎng)絡輿情傳播網(wǎng)絡密度進行測度，得到測度結果如圖3所示。

圖3 整體網(wǎng)密度測度結果

從圖3可知，在此次“湖北十堰燃氣爆炸”輿情傳播網(wǎng)絡中，共有246個傳播節(jié)點，實際發(fā)生的關系連接數(shù)為1 270條，該事件網(wǎng)絡密度為0.021。表明每1 000名行為者中，僅有21人存在互動關系。MAYHEW等利用隨機選擇模型分析得出實際社會網(wǎng)絡整體圖中最大網(wǎng)絡密度值為0.5[24]。由此可得，突發(fā)事件“湖北十堰燃氣爆炸”的網(wǎng)絡輿情在傳播過程中整體網(wǎng)密度較低，傳播者的轉發(fā)、評論、點贊等信息互動性較差，傳播者間的關聯(lián)性較低。

2.5 網(wǎng)絡中心性分析

2.5.1 中間中心度分析

中間中心度是測量傳播者對信息資源控制的程度。即一個節(jié)點的中間中心度越大，表明在傳播過程中是比較重要的“中介”傳播路徑，表示該節(jié)點擁有控制信息資源的重要地位。如果一個點的中間中心度為1，表示能100%控制其他傳播者，擁有巨大的影響力。中間中心度表達式為[23]

(2)

式中bjk為點j和k間存在的最短數(shù)目，bjk(ni)是包含節(jié)點ni的2個節(jié)點之間的最短路線數(shù)目。

通過UCINET軟件測得該事件的中間中心度，并取前50名網(wǎng)絡節(jié)點見表3。

表3 中間中心度Top 50測度結果Table 3 Top 50 measurement results of betweenness centrality

從表3可得，“扒妹一米五”、“大鵬發(fā)布”、“筆錄舶圓鄉(xiāng)”等傳播者的中間中心度最大，表明眾多傳播者通過這些傳播者進行信息傳播，其在信息傳播中很大程度發(fā)揮了“中介”能力，同時表明這些傳播者有很強的信息控制能力，由此得出是此次輿情傳播影響力最大的意見領袖?！坝鲆娒篮谩薄ⅰ耙葜裣伞?、“南京市秦淮區(qū)紅十字會”等傳播者中間中心度為0，意味著上述傳播者在輿情傳播中不具備“中介”能力，表明上述傳播者并非信息發(fā)布源，幾乎沒有信息控制能力，由此認為在該次輿情傳播中上述傳播者非意見領袖。

2.5.2 接近中心度分析

接近中心度反映傳播者對網(wǎng)絡的控制程度。接近中心度越小，表示傳播者越接近網(wǎng)絡中的核心地位，其信息依賴程度越小，在信息獲取中越具有優(yōu)勢、權力聲望也越高，則表示該傳播者在整個網(wǎng)絡中越重要。接近中心度的表達式為[23]

(3)

式中dij為節(jié)點i與節(jié)點j的捷徑距離。

通過UCINET軟件測得該事件的接近中心度，并取前50名網(wǎng)絡節(jié)點見表4。

表4 接近中心度Top 50測度結果Table 4 Top 50 measurement results of closeness centrality

從表4可以看出，“頭條新聞”、“央視新聞”、“人民日報”傳播者接近中心度最小，表明上述傳播者更接近網(wǎng)絡輿情傳播核心地位，對其他傳播者的信息依賴程度最低。在獲取信息方面更具備優(yōu)勢，并在傳播過程中擁有的權力聲望更高，意味著其不易受其他傳播者控制，進一步證實上述傳播者是此次突發(fā)事件網(wǎng)絡輿情傳播的意見領袖?！扒嗔饕曨l”、“低調大士”、“大河報”等傳播者接近中心度最大，表明上述傳播者遠離網(wǎng)絡輿情傳播核心地位，對“頭條新聞”、“央視新聞”、“人民日報”等傳播者的信息依賴程度最高，從而極易受其他傳播者控制。在獲取信息方面不具備優(yōu)勢且傳播過程中擁有的權利聲望也最低。

2.6 凝聚子群分析

凝聚子群是傳播者的一個子集合，在此集合中的傳播者之間具有相對較強的、直接的、緊密的或積極的關系。如果傳播網(wǎng)絡存在凝聚子群，且凝聚子群的密度較高，表明傳播網(wǎng)絡中處于凝聚子群內(nèi)部的傳播成員相互之間聯(lián)系緊密，在信息交流和合作方面交互性高[23]。通過UCINET中的CONCER迭代相關收斂法，經(jīng)過3次迭代，得到此次突發(fā)事件網(wǎng)絡傳播的凝聚子群成員統(tǒng)計和網(wǎng)絡傳播凝聚子群，見表5，如圖4所示。

從圖4可以看出，該傳播網(wǎng)絡存在7個子群，從上到下依次排序為1子群-7子群。其中，1，3，4，7子群規(guī)模較大，包含傳播成員較多。從表5可看出，以1子群為例，1子群以“澎湃新聞”為中心形成包含55個傳播者的子群，意味著該子群中傳播者相互聯(lián)系緊密，具有穩(wěn)定且較大信息傳播影響力。最小子群是僅包含1個傳播者的6子群，即118號“大鵬發(fā)布”，表明子群也會出現(xiàn)單個成立的情況，同時表示該傳播者“大鵬發(fā)布”與其他傳播者交互性最差，且信息傳播影響力最低。由此得出，傳播者較多子群有利于信息傳播擴散，其傳播影響力則會更大。

表5 凝聚子群成員統(tǒng)計Table 5 Statistics of cohesive subgroup members

圖4 “湖北十堰燃氣爆炸”網(wǎng)絡輿情傳播凝聚子群Fig.4 Cohesive subgroup of network public opinion dissemination of “Gas Explosion in Shiyan，Hubei”

凝聚子群密度是衡量一個網(wǎng)絡中群體現(xiàn)象的嚴重程度，凝聚子群密度取值范圍在[-1，1]，值越接近于1，表示派系林立程度越大，值越接近于-1，表示派系林立程度越小[25]。從圖5可以看出，該網(wǎng)絡凝聚子群密度為0.249，證明在該網(wǎng)絡中存在小群體現(xiàn)象，但派系林立程度不嚴重。從整體來看，每個子群密度均高于整體網(wǎng)絡密度0.021。從子群間密度來看，個別子群與子群間密度值為0，表明一些子群間信息交流不緊密，但1,2,3,4,5子群間信息交流較為緊密。因此，可得出該網(wǎng)絡中傳播者之間派系關系相對合理，有派系林立且相互間有關聯(lián)性，有利于信息交流和傳播擴散。

圖5 凝聚子群密度矩陣

3 結 論

1)“湖北十堰燃氣爆炸”網(wǎng)絡輿情傳播的整體關聯(lián)度較低，傳播者之間交互性不夠緊密?；贕ephi和UCINET測度結果分析，“湖北十堰燃氣爆炸”整體網(wǎng)密度指數(shù)較低，傳播網(wǎng)絡結構較為松散，信息流通性較低；傳播者之間信息交流不夠密切、關聯(lián)程度不夠高。

2)研究發(fā)現(xiàn)，“頭條新聞”、“央視新聞”、“人民日報”、“澎湃新聞”、“扒妹一米五”5名傳播者是該次突發(fā)事件網(wǎng)絡輿情傳播影響力較大的意見領袖。該5名傳播者在網(wǎng)絡中擁有優(yōu)勢地位，能夠控制其他傳播者信息傳播擴散，具有較高權利和聲望，傳播影響力較大，應加強對意見領袖輿情傳播的引導與管控。

3)通過運用復雜網(wǎng)絡可視軟件Gephi和社會網(wǎng)絡分析軟件UCINET繪制可視化圖并構建網(wǎng)絡拓撲結構，從網(wǎng)絡密度、網(wǎng)絡中心性、凝聚子群3個維度分析突發(fā)事件網(wǎng)絡輿情意見領袖傳播影響力，總結突發(fā)事件網(wǎng)絡輿情意見領袖傳播影響力特點，為政府應對突發(fā)事件網(wǎng)絡輿情提供更有效的治理方法。