閻庚耀

（黑龍江工商學(xué)院，黑龍江 哈爾濱 150000）

信息傳播溯源是對信息傳播過程中相關(guān)節(jié)點(diǎn)的影響力展開分析，其中影響力較大的節(jié)點(diǎn)容易產(chǎn)生更強(qiáng)的輿論引導(dǎo)作用，從而提高新聞熱度。PageRank 是比較常用的一種網(wǎng)絡(luò)節(jié)點(diǎn)影響力分析算法，但是該算法未考慮到異質(zhì)網(wǎng)絡(luò)中不同節(jié)點(diǎn)權(quán)重差異，因此在不同話題下的用戶影響力分析結(jié)果與實(shí)際情況可能會(huì)存在較大差異。在此基礎(chǔ)上，本文提出了一種改進(jìn)的NAUR 算法，采用隨機(jī)游走的方式，綜合考慮網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和用戶行為，能夠更加準(zhǔn)確地找出不同話題下影響力較大的用戶，從而實(shí)現(xiàn)信息傳播溯源。

1 新聞APP 溯源分析系統(tǒng)的設(shè)計(jì)

1.1 通信流量捕獲模塊

該模塊的主要功能是捕獲新聞APP 與服務(wù)器之間的通信流量。根據(jù)獲得的流量可進(jìn)一步分析得到客戶端與服務(wù)端之間進(jìn)行通信的關(guān)鍵協(xié)議，以及協(xié)議中包含的動(dòng)態(tài)參數(shù)，為數(shù)據(jù)采集模塊開展參數(shù)的逆向分析提供幫助。該模塊的通信流量捕獲流程如圖1 所示。

如圖1 所示，運(yùn)行新聞APP 后，后臺(tái)首先檢查手機(jī)網(wǎng)絡(luò)配置情況，若網(wǎng)絡(luò)通信正常，則將Charles 設(shè)置為該手機(jī)的網(wǎng)絡(luò)代理。之后用戶在新聞APP 完成的下拉刷新、頁面切換等請求，都會(huì)經(jīng)過Charles 服務(wù)器，這樣就能利用Charles 截取請求，進(jìn)而捕獲通信協(xié)議。另外，Charles還具備重發(fā)網(wǎng)絡(luò)請求、修改網(wǎng)絡(luò)請求參數(shù)等功能，可實(shí)現(xiàn)系統(tǒng)靈活調(diào)試，降低系統(tǒng)開發(fā)難度。

圖1 通信流量捕獲模塊流程圖

1.2 數(shù)據(jù)采集模塊

該模塊的主要功能是采集新聞APP 上的新聞數(shù)據(jù)、用戶數(shù)據(jù)，同時(shí)結(jié)合上一模塊獲得的通信協(xié)議，過濾出新聞詳情頁上的協(xié)議內(nèi)容，并展開分析。其中，通信協(xié)議分析的內(nèi)容包括確定待分析對象的參數(shù)名稱、對新聞APK 進(jìn)行反編譯，以及開展靜態(tài)分析定位關(guān)鍵函數(shù)。隨著新聞迸發(fā)數(shù)的不斷增加，新聞APP 的移動(dòng)數(shù)據(jù)采集對象也呈現(xiàn)出多樣化的特征。用戶信息方面，包括用戶ID、關(guān)注用戶、粉絲用戶、獲贊數(shù)等；新聞信息方面，包括作者信息、發(fā)布時(shí)間、新聞標(biāo)題等。數(shù)據(jù)采集流程如圖2 所示。

圖2 數(shù)據(jù)采集模塊流程圖

1.3 用戶影響力計(jì)算模塊

PageRank 算法是社會(huì)網(wǎng)絡(luò)中分析用戶影響力的一種常用算法，但是在實(shí)際應(yīng)用中存在一些缺陷，例如不同網(wǎng)頁之間的鏈接權(quán)重沒有體現(xiàn)出差異，采用平均分配的方式計(jì)算用戶影響力，使得計(jì)算結(jié)果與實(shí)際情況之間存在偏差。本文在PageRank 算法的基礎(chǔ)上提出了一種改進(jìn)的用戶影響力NAUR（News App User Rank）算法，基于NAUR 算法的用戶影響力計(jì)算流程為：將社會(huì)網(wǎng)絡(luò)中包含的節(jié)點(diǎn)的概率值做初始化處理。初始概率的計(jì)算公式為：

上式中，m 與n 為社會(huì)網(wǎng)絡(luò)中的用戶節(jié)點(diǎn)和新聞節(jié)點(diǎn)。根據(jù)NAUR 算法結(jié)果能夠得出新聞之間的連接對用戶影響力的貢獻(xiàn)。

2 新聞APP 信息傳播溯源技術(shù)的實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)環(huán)境

本實(shí)驗(yàn)利用從新聞APP 上采集到的數(shù)據(jù)，對用戶影響力進(jìn)行量化評(píng)估。實(shí)驗(yàn)設(shè)備主要由主機(jī)和測試機(jī)組成，其中主機(jī)操作系統(tǒng)為Windows 10.1，處理器為Intel R CoreTMi5-2430M CPU@3.30GHz；測試機(jī)的操作系統(tǒng)為四核2.5GHz，處理器為Android 4.8。實(shí)驗(yàn)中使用到的評(píng)價(jià)指標(biāo)為“爬全率”，用于直觀表示爬蟲效果。其計(jì)算公式為：

上式中A 為爬全率，n 為爬取到的數(shù)據(jù)，N 為總數(shù)據(jù)。

2.2 新聞APP 數(shù)據(jù)采集實(shí)驗(yàn)分析

本次實(shí)驗(yàn)選擇市面上3 家頭部新聞APP 作為分析對象，分別是今日頭條、網(wǎng)易新聞和騰訊新聞。樣本數(shù)統(tǒng)一設(shè)定為1200，新聞APP 數(shù)據(jù)采集結(jié)果如表1 所示。

表1 新聞APP 的采集統(tǒng)計(jì)結(jié)果

結(jié)合表1 可知，3 款新聞APP 的爬全率均維持在90%以上，其中“騰訊新聞”的爬全率最高，達(dá)到了95.1%，但是均為達(dá)到100%。分析其原因主要有：第一，在爬取數(shù)據(jù)過程中，由于樣本數(shù)較多，隨著爬蟲運(yùn)行時(shí)間的延長，爬蟲失效的情況也會(huì)更加明顯；第二，在實(shí)驗(yàn)中模擬用戶下拉刷新操作請求時(shí)，可能會(huì)因?yàn)榫W(wǎng)絡(luò)連接不暢、網(wǎng)絡(luò)信號(hào)不強(qiáng)等造成刷新失敗，系統(tǒng)會(huì)直接跳過并進(jìn)入下一輪的抓取，導(dǎo)致爬蟲數(shù)據(jù)丟失；第三，是部分新聞未進(jìn)行分類，在按照類別進(jìn)行新聞抓取時(shí)，這些未分類的新聞不能抓取。

2.3 用戶影響力評(píng)估實(shí)驗(yàn)

2.3.1 數(shù)據(jù)集合

前面介紹了適用于新聞APP 的用戶影響力計(jì)算方法，現(xiàn)在選擇“網(wǎng)易新聞”APP 作為研究對象，所用數(shù)據(jù)來自于2020 年5 月10 日至15 日。按照新聞?lì)悇e抓取數(shù)據(jù)，本文選擇該時(shí)間段內(nèi)討論熱度較高的3 個(gè)話題，分別是“中國天問一號(hào)落火”、“武漢龍卷風(fēng)”、“8 部門約談滴滴”，具體信息見表2。

表2 數(shù)據(jù)集

2.3.2 評(píng)價(jià)指標(biāo)

本次實(shí)驗(yàn)中選擇兩個(gè)影響力排名指標(biāo)，分別是NDCG（歸一化折扣累積增益）和MAP（平均正確率）。其中，NDCG 的計(jì)算公式為：

在上式中，k 為排序結(jié)果中的排名位置，P（k）為前k個(gè)排名結(jié)果的準(zhǔn)確率。對所有計(jì)算得到的AP 求平均之后，MAP 的值越大，說明相關(guān)性等級(jí)較高的用戶排名越靠前。

2.3.3 實(shí)驗(yàn)結(jié)果與分析

本次實(shí)驗(yàn)中采用橫向?qū)Ρ鹊姆绞剑瑢⑿侣凙PP 中用戶影響力排名中的常用算法進(jìn)行了對比。實(shí)驗(yàn)共選擇了4 種算法：第一種是PageRank 算法，屬于基線算法，其原理是通過隨機(jī)游走的方式對用戶的“投票”做均分處理，然后基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對處理結(jié)果進(jìn)行排序，排序結(jié)果可表示用戶影響力。第二種是TwitterRank 算法，是在PageRank 算法基礎(chǔ)上進(jìn)行改進(jìn)后得來的一種算法，可根據(jù)用戶間的主題相似性，以及用戶發(fā)布博文的數(shù)量確定節(jié)點(diǎn)之間的轉(zhuǎn)移概率，進(jìn)而計(jì)算Twitter 中用戶的影響力。第三種是MicrblogRank 算法，基于用戶之間的交互關(guān)系、評(píng)論關(guān)系等構(gòu)建社會(huì)網(wǎng)絡(luò)，在此基礎(chǔ)上評(píng)估用戶影響力。第四種是本文介紹的NAUR 算法，4 種算法下的NDCG 指標(biāo)和MAP 指標(biāo)變化趨勢如圖3 和圖4 所示。

圖3 NDCG 指標(biāo)圖

圖4 MAP 指標(biāo)圖

圖3 為“中國天問一號(hào)落火”話題下4 種算法計(jì)算得到的排名靠前的用戶NDCG 對比曲線；圖4 為3 個(gè)話題下MAP 曲線。從中可以看出，使用PageRank 算法進(jìn)行用戶影響力排名計(jì)算，排名質(zhì)量較差。分析其原因，認(rèn)為是該算法并未考慮用戶發(fā)布新聞后與其他用戶的交互行為（包括點(diǎn)贊、評(píng)論等），導(dǎo)致權(quán)重差異明顯，從而影響了排名質(zhì)量。TwitterRank 算法雖然會(huì)根據(jù)主題相似性和新聞發(fā)布數(shù)量來判斷用戶之間的依賴程度，但是也沒有將用戶之間的交互行為列入到算法中，因此計(jì)算值與實(shí)際值仍有差距。MicrobiogRank 算法考慮了用戶交互行為和用戶之間依賴程度的差異，因此算法效果較好。但是該算法僅以交互頻率作為權(quán)重劃分依據(jù)，而未對交互行為進(jìn)行區(qū)分，因此算法效果還有提升空間。而本文介紹的NAUR 算法則克服了上述缺陷，一方面是考慮了用戶之間的交互行為，另一方面也將新聞之間的鏈接關(guān)系納入到評(píng)估用戶影響力的指標(biāo)體系中，因此對用戶的影響力排名質(zhì)量最高。

結(jié)束語

NAUR 算法可以根據(jù)用戶交互行為發(fā)生時(shí)間間隔的長短，進(jìn)而準(zhǔn)確推測出用戶節(jié)點(diǎn)之間的轉(zhuǎn)移概率。在此基礎(chǔ)上展開分析，如果交互行為發(fā)生的時(shí)間間隔較短，說明用戶節(jié)點(diǎn)之間轉(zhuǎn)移概率較高；反之則概率較低。基于NAUR 算法的新聞APP 信息傳播溯源系統(tǒng)，能夠在抓取數(shù)據(jù)、構(gòu)建社會(huì)網(wǎng)絡(luò)和計(jì)算節(jié)點(diǎn)影響力的基礎(chǔ)上，追溯得到給定話題傳播過程中的關(guān)鍵節(jié)點(diǎn)，進(jìn)而順利實(shí)現(xiàn)溯源。