話題下微博信息傳播拓?fù)浣Y(jié)構(gòu)研究范文

本站小編為你精心準(zhǔn)備了話題下微博信息傳播拓?fù)浣Y(jié)構(gòu)研究參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：

隨著互聯(lián)網(wǎng)的普及，論壇、微博、微信等新媒體已經(jīng)成為人們獲取和信息的重要渠道，而微博已經(jīng)成為輿情傳播的主要平臺，研究微博上輿情信息的傳播情況具有重大社會意義，文章基于話題研究微博信息的傳播特點。首先，通過對話題傳播過程中新增用戶數(shù)和參與話題用戶的累計概率分布的統(tǒng)計，研究用戶對話題轉(zhuǎn)發(fā)的參與度，總結(jié)出話題傳播過程，包括產(chǎn)生期、爆發(fā)期和衰亡期；接著利用話題中用戶的轉(zhuǎn)發(fā)關(guān)系，整理出話題傳播的拓?fù)浣Y(jié)構(gòu)，通過測量傳播拓?fù)浣Y(jié)構(gòu)中的平均路徑、網(wǎng)絡(luò)直徑和聚類系數(shù)，并與無尺度網(wǎng)絡(luò)進行比較，對話題傳播拓?fù)浣Y(jié)構(gòu)進行進一步的分析，總結(jié)出傳播網(wǎng)絡(luò)具有小世界特性，這些特性能夠加快話題在網(wǎng)絡(luò)中的傳播速度并擴大傳播范圍。文章研究話題傳播的拓?fù)浣Y(jié)構(gòu)，為研究網(wǎng)絡(luò)上的微博輿情提供了基礎(chǔ)。

關(guān)鍵詞：

微博；話題；信息傳播；拓?fù)?/a>結(jié)構(gòu)

引言

隨著互聯(lián)網(wǎng)和互聯(lián)網(wǎng)終端的迅速普及，涌現(xiàn)出了許多便捷的互聯(lián)網(wǎng)應(yīng)用，如電子商務(wù)、社交網(wǎng)絡(luò)、微博等。從美國的Twitter到我國的新浪、騰訊，微博在中國乃至全世界迅速普及。據(jù)統(tǒng)計，中國的微博總注冊量已經(jīng)超過5億人次，每天更新的信息量已經(jīng)超過1億條。微博流行的原因主要在于它讓人們信息的門檻大大降低，任何人都可以發(fā)表內(nèi)容而且不必具有專業(yè)的文學(xué)撰寫水平，這滿足了大眾快速交流分享信息的需要。作為一種實時的交流、信息分享工具，用戶可以在任何時候任何地點微博信息，和他人互動，此外微博用戶還可以關(guān)注其他用戶，使得微博平臺成為了一個巨大的社會化網(wǎng)絡(luò)。微博的普及、海量的信息以及龐大的用戶群體，使得它也成為了一種實時信息來源工具，并且成了一種有著巨大社會影響力的社會媒體，近幾年一些重要的社會熱點話題都是由微博平臺率先報道出來的。研究話題在微博平臺上傳播的過程和形成的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，是對微博平臺上用戶行為、用戶影響力等進行研究的基礎(chǔ)。目前對微博平臺上拓?fù)浣Y(jié)構(gòu)的測量和研究很多，GUO[1]等人對新浪微博上的用戶進行分析，發(fā)現(xiàn)用戶網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)有很強的動態(tài)性，用戶關(guān)注間的關(guān)系表現(xiàn)出馬太效應(yīng)；微博用戶網(wǎng)絡(luò)中存在著影響力巨大的用戶，這些用戶成為“核心”，這些核心加速了話題在微博網(wǎng)絡(luò)上的傳播。WANG[2]等人對微博上的信息傳播進行研究，提出了一個微博的信息瀑傳播模型，測量了微博的轉(zhuǎn)發(fā)數(shù)分布，指出其分布情況可以用一個廣延指數(shù)模型來表示。CHA[3]等人通過對入度、轉(zhuǎn)發(fā)和引用的對比研究，發(fā)現(xiàn)用戶的轉(zhuǎn)發(fā)行為主要受微博自身價值的影響，而且對于名人和微博大V的微博應(yīng)用明顯要多于其他人。WEBBERLEY[4]等人對微博傳播的深度和范圍進行了研究，其目標(biāo)針對一條微博，傳播深度表示其最長的轉(zhuǎn)發(fā)路徑；傳播范圍表示其參與轉(zhuǎn)發(fā)的用戶群體數(shù)量；他們通過Twitter的數(shù)據(jù)進行驗證，實驗結(jié)果顯示一條微博的平均最長轉(zhuǎn)發(fā)路徑為1.8，表示大多數(shù)消息被轉(zhuǎn)發(fā)2次左右；平均轉(zhuǎn)發(fā)規(guī)模在六左右，這和6度空間理論比較符合。平亮[5]等人基于網(wǎng)絡(luò)中心性對微博平臺上信息的傳播進行研究，通過分析微博用戶的點度中心度、中介中心性和接近中心性三個屬性，證明了點度中心度可以衡量用戶傳播和獲取信息的能力，中介中心性表示用戶控制信息傳播的能力，接近中心性能夠衡量信息傳播到其他用戶的速度，這幾個參數(shù)都可以間接用來表示用戶的個人影響力大小。MISLOVE[6]等人對Flickr、YouTube、LiveJournal和Orkut四種社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)進行研究，對社交網(wǎng)絡(luò)的冪率特性、小世界特性以及無標(biāo)度屬性進行了驗證。CHA[7]等人在MISLOVE的基礎(chǔ)上對Flickr上的圖片拓?fù)浣Y(jié)構(gòu)進行研究，發(fā)現(xiàn)其中的信息傳播需要依靠關(guān)鍵節(jié)點，并且時間可能較長。CHENG[8]等人對YouTube進行了測量，分析了上面的用戶行為特征、社會網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等，總結(jié)出了YouTube特有的統(tǒng)計行為方式。GUO[9]等人在對三種不同的共享型網(wǎng)絡(luò)（博客、書簽共享、知識問答網(wǎng)）上的用戶行為進行測量研究時，發(fā)現(xiàn)用戶的使用時間長短不服從指數(shù)分布，用戶的貢獻服從廣延指數(shù)模型而不是服從冪率分布，證明了這種共享型網(wǎng)絡(luò)并不是由少數(shù)核心節(jié)點所支配。CHUN[10]等人利用用戶之間的交互信息，如留言、評論等進行研究，發(fā)現(xiàn)利用這些信息形成的網(wǎng)絡(luò)結(jié)構(gòu)特征與好友關(guān)系形成的拓?fù)浣Y(jié)構(gòu)相似，并且二者的分布極為相似，得到了與Mislove相同的結(jié)論。袁毅[11]對微博的用戶網(wǎng)絡(luò)結(jié)構(gòu)、信息傳播路徑以及影響因素進行研究，他們跟蹤一條微博，采集所有相關(guān)的評論數(shù)據(jù)和用戶數(shù)據(jù)，同時獲取相關(guān)用戶的好友關(guān)系。研究將信息傳播歸為3種類型：偶發(fā)型、偶遇機會型和強勢節(jié)點呼應(yīng)型。其中的強勢節(jié)點越早加入轉(zhuǎn)發(fā)過程，越有利于信息的擴散；另外，一個用戶的微博轉(zhuǎn)發(fā)數(shù)量與該用戶的粉絲數(shù)有一定的相關(guān)性。本文通過跟蹤騰訊微博話題，采集相關(guān)話題下的所有用戶數(shù)據(jù)，根據(jù)用戶間話題數(shù)據(jù)的轉(zhuǎn)發(fā)關(guān)系，整理出話題在整個網(wǎng)絡(luò)上傳播的拓?fù)浣Y(jié)構(gòu)，測量話題傳播拓?fù)浣Y(jié)構(gòu)的性質(zhì)，總結(jié)拓?fù)浣Y(jié)構(gòu)的特征。相比于傳統(tǒng)的通過好友關(guān)系和跟蹤一條微博形成的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，這種通過轉(zhuǎn)發(fā)關(guān)系建立的拓?fù)浣Y(jié)構(gòu)更加完整，能夠展現(xiàn)出整個話題的擴散速度和范圍，更有利于輿情信息的監(jiān)測和控制。

1微博數(shù)據(jù)采集

1.1微博爬蟲設(shè)計

為了獲取實驗數(shù)據(jù)，本文針對騰訊微博設(shè)計了一款微博主題爬蟲，根據(jù)特定主題獲取微博網(wǎng)絡(luò)上的微博信息和用戶信息。本文設(shè)計實現(xiàn)的騰訊微博數(shù)據(jù)爬取系統(tǒng)從功能上主要分為API爬蟲、Web爬蟲以及分布式控制三個模塊。其中，API爬蟲模塊通過微博平臺的開放API實現(xiàn)對微博用戶信息的采集，主要用于獲取用戶的個人好友關(guān)系、轉(zhuǎn)發(fā)關(guān)系等；Web爬蟲通過程序模擬瀏覽器進行Web頁面瀏覽的過程，用于獲取用戶的微博信息，主要是對特定頁面的源代碼信息進行解析，進而獲取相應(yīng)的微博數(shù)據(jù)，該模塊主要采集微博內(nèi)容信息和微博相關(guān)屬性信息；分布式控制模塊按照指定的分布式任務(wù)分配策略從數(shù)據(jù)庫中讀取關(guān)鍵字，控制爬蟲的爬取策略和速度。API爬蟲和Web爬蟲以數(shù)據(jù)庫作為信息交互的媒介，通過為這兩個爬蟲設(shè)置合適的線程數(shù)來達到兩者之間的供需動態(tài)平衡。爬蟲系統(tǒng)的設(shè)計框架如圖1所示。為了采集微博平臺的話題傳播信息，并保證數(shù)據(jù)的安全性，爬蟲系統(tǒng)部署在四川大學(xué)網(wǎng)絡(luò)與可信計算研究所的科研網(wǎng)絡(luò)環(huán)境中，該科研網(wǎng)絡(luò)利用文偉平[12]等人和王永娟[13]等人的的信息安全風(fēng)險評估技術(shù)對網(wǎng)絡(luò)安全性進行評估，并根據(jù)評估結(jié)果對網(wǎng)絡(luò)進行改造升級，從軟件層面保證數(shù)據(jù)信息的安全性；其基礎(chǔ)設(shè)施安全防護借鑒卿斯?jié)h[14]所論述的身份鑒別過程，加強基礎(chǔ)設(shè)施保護措施，從硬件層面保證數(shù)據(jù)安全性。程序運行的服務(wù)器配置為：MicrosoftWindowsServer2003EnterpriseEdition；Intel(R)Xeon(R)CUPE55062.3gHz；8G內(nèi)存。為了提高數(shù)據(jù)的采集效率，爬蟲系統(tǒng)采用了分布式的爬行策略并行爬行。為了避免爬蟲系統(tǒng)被騰訊微博平臺識別為惡意程序而被封禁，保證爬蟲系統(tǒng)的連續(xù)運行，爬蟲系統(tǒng)的爬行間隔設(shè)置為5分鐘。數(shù)據(jù)的采集時間為2014年7月至9月，系統(tǒng)持續(xù)跟蹤了這段時間內(nèi)的所有話題。圖1爬蟲系統(tǒng)設(shè)計框架

1.2數(shù)據(jù)采集結(jié)果

系統(tǒng)每天監(jiān)測排名前10的話題，由于每天的話題有重復(fù)，在數(shù)據(jù)采集期間一共獲取話題數(shù)量207個，獲取與所有話題相關(guān)的微博信息超過870萬條，用戶總量超過400萬。首先對話題的性質(zhì)進行分析，通過統(tǒng)計發(fā)現(xiàn)，話題主要分為娛樂性質(zhì)、社會性質(zhì)和其他性質(zhì)。娛樂性質(zhì)的話題主要和娛樂界的事件、人物相關(guān)，例如某個明星開演唱會等；社會性質(zhì)的話題主要和社會事件、人物相關(guān)，例如某地發(fā)生災(zāi)害或者草根爆料事件等；除了這兩種話題之外的其他話題屬性比較模糊，所占比例很小。表1是這3種性質(zhì)話題的統(tǒng)計結(jié)果。從表1中可以看出，社會性的話題數(shù)量占比為17.39%，而娛樂性話題的數(shù)量占比為73.91%，用戶比例表示相應(yīng)話題下所有參與話題討論或轉(zhuǎn)發(fā)的用戶占采集用戶總量的百分比。在話題數(shù)量差距巨大的前提下，參與話題的用戶數(shù)量卻基本相同，甚至社會性的話題參與人數(shù)還要略高于娛樂性的話題。從話題的平均持續(xù)時間可以分析出原因，對于娛樂性的話題，其平均持續(xù)時間為4天，比第三性質(zhì)的話題持續(xù)時間還短，遠小于社會性話題持續(xù)時間，說明用戶群體雖然對娛樂性質(zhì)的話題關(guān)注度較高，但是沒有持續(xù)跟蹤的熱情，但是對社會性質(zhì)的話題有很高的持續(xù)跟蹤熱情。話題在持續(xù)發(fā)展的過程中，隨著其影響范圍逐漸擴大，會吸引更多用戶參與其中，這和話題的傳播特點有關(guān)。根據(jù)采集的數(shù)據(jù)，從中選擇了“云南昭通市魯?shù)榭h地震”和“江蘇昆山工廠發(fā)生爆炸”這兩個社會性的話題微博數(shù)據(jù)作為實驗數(shù)據(jù)集，對話題傳播的特點進行分析，測量話題傳播過程中通過轉(zhuǎn)發(fā)形成的拓?fù)浣Y(jié)構(gòu)。

2話題傳播的拓?fù)浣Y(jié)構(gòu)

2.1話題傳播的特點

微博平臺是由關(guān)注與被關(guān)注的機制連接起來的社交關(guān)系網(wǎng)絡(luò)，是人們在現(xiàn)實生活中社交關(guān)系在互聯(lián)網(wǎng)上的映射和擴大。信息在微博上的傳遞大多數(shù)是通過轉(zhuǎn)發(fā)方式來實現(xiàn)的。微博上話題傳播的第一個特點是話題傳播的間接性，信息不直接傳遞給用戶，而是首先通過幾個微博用戶進行轉(zhuǎn)發(fā)，然后關(guān)注這些用戶的粉絲會選擇性地對這些信息進行轉(zhuǎn)發(fā)，這樣經(jīng)過層層轉(zhuǎn)發(fā)，信息間接地傳遞給受眾。根據(jù)YANG[15]等人對Twitter的研究發(fā)現(xiàn)，其中有接近25.5%的內(nèi)容是從朋友的推文中轉(zhuǎn)發(fā)而來。在采集到的騰訊微博中去除個人心情相關(guān)的博文，只統(tǒng)計和話題相關(guān)的博文，統(tǒng)計結(jié)果顯示，轉(zhuǎn)發(fā)博文所占比例的平均值高達54.7%。但是話題轉(zhuǎn)發(fā)率高，并不代表該話題就可以大范圍地傳播以及產(chǎn)生巨大影響，話題能否產(chǎn)生巨大影響和話題本身以及受眾的偏好有直接關(guān)系。根據(jù)研究人員對Facebook用戶群體的研究[16]，發(fā)現(xiàn)許多有影響力的用戶更傾向于彼此之間進行關(guān)注，這個現(xiàn)象說明社交網(wǎng)絡(luò)存在明顯的同質(zhì)性。同質(zhì)性[17]是指有相似特征的用戶之間形成好友關(guān)系的傾向，即通常所說的“物以類聚，人以群分”。有些話題與娛樂明星或者體育等相關(guān)，在關(guān)注這些人的圈子里，這方面的話題可以大量轉(zhuǎn)發(fā)和傳播，但卻不能在整個微博網(wǎng)絡(luò)平臺上產(chǎn)生廣泛關(guān)注，因為這些話題不能吸引圈子外其他人的興趣。相比之下與社會性相關(guān)度高的話題，能夠吸引更多人的興趣。而且微博網(wǎng)絡(luò)被證明符合六度空間理論。KWAK[18]等人對Twitter的轉(zhuǎn)發(fā)路徑研究表明，超過90%的轉(zhuǎn)發(fā)路徑長度都小于6，所以這類話題能夠在微博平臺上引起廣泛的關(guān)注和討論，傳播范圍更大。微博話題信息傳播的另一個特點是具有很強的時效性，即話題從產(chǎn)生到消亡的持續(xù)時間較短，不能長時間地保持很高話題熱度。話題的熱度發(fā)展趨勢可以分為產(chǎn)生期、爆發(fā)期和衰亡期，但是在產(chǎn)生期到爆發(fā)期之間可能會出現(xiàn)一個短暫的靜默期，同時在爆發(fā)期后也可能進入靜默期，在受到一些條件的刺激后，再次進入爆發(fā)期。其中話題在靜默期表現(xiàn)為話題的熱度基本維持不變或者是變化率很小；在爆發(fā)期時表現(xiàn)為話題的熱度呈現(xiàn)線性增長，話題迅速擴散，用戶參與話題的數(shù)量也呈線性增長趨勢；進入衰亡期后，熱度迅速下降，參與話題的總用戶量達到穩(wěn)定，變化率基本維持不變。根據(jù)從騰訊微博平臺采集的數(shù)據(jù)，針對“云南昭通市魯?shù)榭h地震”和“江蘇昆山工廠發(fā)生爆炸”兩個話題的數(shù)據(jù)進行分析，采用用戶的參與度來衡量微博話題的熱度。圖2為兩個話題每日新增用戶數(shù)量統(tǒng)計，話題持續(xù)時間較短的是“工廠爆炸”，它的發(fā)展是一個典型的話題發(fā)展過程，從話題產(chǎn)生后直接進入到爆發(fā)期。圖3是兩個微博話題參與用戶數(shù)的累計概率分布。從圖3可以看出，前3天的新增用戶量占了近90%，說明話題的傳播處于爆發(fā)期。然后迅速進入衰亡期，持續(xù)時間只有一個星期，衰亡也非常迅速，充分體現(xiàn)了話題傳播的時效性。云南地震話題的持續(xù)時間較長，它的發(fā)展是一個非典型的過程，首先它的熱度持續(xù)了較長時間，超過了3個星期，而且它有兩個爆發(fā)期，從圖3中看出，前3天和第8~12天這兩段時間的新增用戶所占比例分別接近40%和30%，說明這兩個時間段話題的傳播正處于爆發(fā)期。兩個爆發(fā)期中間還有一個短暫的靜默期，從話題產(chǎn)生開始就迅速增長，其第一個爆發(fā)期持續(xù)了3天多，這和地震的黃金救援72小時時間基本吻合，這段時間內(nèi)用戶關(guān)注數(shù)量增長非常快。接下來新增用戶數(shù)量逐漸減少，趨于平緩，然后就進入了靜默期。如果這個時期沒有其他的因素進行刺激，那么話題就有可能慢慢進入消亡期，熱度逐漸消退。但是話題卻再次被激活了，從靜默期又一次進入了爆發(fā)期，因為這段時間內(nèi)發(fā)生了較大余震，并且許多救援問題凸顯，導(dǎo)致許多用戶又開始關(guān)注這一話題，于是進入了第二個爆發(fā)期，新增用戶量又開始劇增。第二個爆發(fā)期后，由于事件中的所有問題都得到了妥善處理，沒有新的刺激點，用戶的關(guān)注度也逐漸下降，新增用戶數(shù)量逐漸減少，直至趨于穩(wěn)定，然后話題就逐漸進入消亡期，熱度逐漸消退。話題的發(fā)展趨勢和事件的發(fā)展及處理過程非常吻合。

2.2話題傳播的拓?fù)浣Y(jié)構(gòu)形態(tài)

微博話題通過轉(zhuǎn)發(fā)的方式進行擴散，從一個或少數(shù)的用戶開始，到被大量的用戶發(fā)現(xiàn)并進行轉(zhuǎn)發(fā)，最后進行大規(guī)模傳播甚至擴散至整個微博平臺，轉(zhuǎn)發(fā)方式是用戶獲取和傳播信息的主要途徑。通過獲取話題中有轉(zhuǎn)發(fā)標(biāo)志的微博用戶，并標(biāo)注出話題在這些用戶中傳播的路徑，得到了話題的轉(zhuǎn)發(fā)樹，表示話題在傳播時的拓?fù)浣Y(jié)構(gòu)。圖4表示的是“昆山工廠爆炸”話題轉(zhuǎn)發(fā)樹的拓?fù)浣Y(jié)構(gòu)，表示的是用戶之間的轉(zhuǎn)發(fā)關(guān)系，一條線表示一個轉(zhuǎn)發(fā)關(guān)系。其中包含許多不同的“類”，這些類是若干個節(jié)點的集合，在這些類的內(nèi)部，各個節(jié)點之間聯(lián)系緊密，而各個類之間則僅僅通過少數(shù)的幾條邊相連接。從圖4可以看到各個點之間的聯(lián)系，而且很容易看出網(wǎng)絡(luò)的整體傳播結(jié)構(gòu)。形態(tài)。第1種形態(tài)是在關(guān)注朋友圈子里面的小范圍傳播，如圖4中的a）部分的簡單轉(zhuǎn)發(fā)結(jié)構(gòu)所示，話題微博僅僅被用戶的直接好友大量轉(zhuǎn)發(fā)，短時間內(nèi)話題的轉(zhuǎn)發(fā)量和用戶參與數(shù)迅速增加，但是之后就不會再繼續(xù)向外擴散，形成了一個小范圍的擴散結(jié)構(gòu)。第2種形態(tài)如圖4中的c）部分的簡單轉(zhuǎn)發(fā)結(jié)構(gòu)所示，話題微博也只是被用戶的直接好友轉(zhuǎn)發(fā)，但是參與數(shù)量很少，只有一個或幾個，即使轉(zhuǎn)發(fā)之后話題微博也難以向外擴散，很快就停止傳播。圖4中的兩個簡單轉(zhuǎn)發(fā)結(jié)構(gòu)表示的就是這種形態(tài)有共同的特點，就是擴散的用戶多但是路徑很短，擴散范圍小，而且傳播速度較慢。第3種形態(tài)就是圖4中的b）部分所展示的方式，話題的傳播路徑相對較長，參與轉(zhuǎn)發(fā)的用戶數(shù)量很多，話題的傳播范圍很廣，我們將針對這種傳播范圍廣的轉(zhuǎn)發(fā)樹來進一步研究。

2.3話題傳播拓?fù)浣Y(jié)構(gòu)的性質(zhì)

網(wǎng)絡(luò)平均路徑長度[19]指網(wǎng)絡(luò)中所有節(jié)點對之間最短路徑的平均值；而網(wǎng)絡(luò)直徑則是指網(wǎng)絡(luò)中任意節(jié)點對之間最短路徑的最大值。這兩個值可以用于描述網(wǎng)絡(luò)的信息傳輸速率、傳輸范圍等特性。節(jié)點的聚類系數(shù)[19]（ClusteringCoefficient）表示一個節(jié)點與鄰居之間相互連接的緊密程度，刻畫了網(wǎng)絡(luò)中節(jié)點的集團化程度；而網(wǎng)絡(luò)的平均聚類系數(shù)是所有節(jié)點聚類系數(shù)的平均值，刻畫整個網(wǎng)絡(luò)的聚類特性。網(wǎng)絡(luò)中的一個節(jié)點i有K條邊將它和其他節(jié)點相連，這K個節(jié)點就是節(jié)點i的鄰居，在這K個節(jié)點之間最多可能有K(K-1)/2條邊。而這K個節(jié)點之間實際存在的邊數(shù)E和總的可能存在的邊數(shù)之比就定義為節(jié)點i的聚類系數(shù)，如公式（1）所示：很明顯，Ca≤1。當(dāng)且僅當(dāng)所有節(jié)點都為孤立節(jié)點時，Ca=0。當(dāng)且僅當(dāng)網(wǎng)絡(luò)是全局耦合的時候，即網(wǎng)絡(luò)中任意兩個節(jié)點都直接相連時，Ca=1。為了測量傳播過程中拓?fù)浣Y(jié)構(gòu)的性質(zhì)，本文利用分析工具產(chǎn)生隨機網(wǎng)絡(luò)與實際獲取的社交網(wǎng)絡(luò)數(shù)據(jù)進行對比，產(chǎn)生一個無尺度的復(fù)雜網(wǎng)絡(luò)[20]，模擬用戶社交網(wǎng)絡(luò)。首先要生成一個ER隨機網(wǎng)絡(luò)，這是Erdos和Renyi最開始研究的隨機復(fù)雜網(wǎng)絡(luò)模型，對一個節(jié)點數(shù)N>>1的復(fù)雜網(wǎng)絡(luò)，任一條邊都以相同的概率p連接任意兩個節(jié)點，這就是一個典型的N個點，有pN(N-1)/2條邊的ER隨機圖。對于大型的稀疏網(wǎng)絡(luò)，p值非常小，表達起來及其不方便。因此，在產(chǎn)生ER隨機網(wǎng)絡(luò)時，利用一個更直觀的概念：節(jié)點的平均度d，它的值定義為：………………………………………………（3）公式（3）中p為連接概率，v為節(jié)點數(shù)目，M為該復(fù)雜網(wǎng)絡(luò)中最多可能存在的邊數(shù)。先前產(chǎn)生的ER網(wǎng)絡(luò)沒有考慮到許多復(fù)雜網(wǎng)絡(luò)的實際特性，其中有兩個重要的特征，復(fù)雜網(wǎng)絡(luò)具有動態(tài)增長和優(yōu)先連接特性。動態(tài)增長是指在實際的復(fù)雜網(wǎng)絡(luò)中網(wǎng)絡(luò)的規(guī)模是不斷變化甚至擴大的；優(yōu)先連接是指新加入進來的用戶，更傾向于與那些具有較大連接度的節(jié)點相連。基于這兩個特性，在ER網(wǎng)絡(luò)的基礎(chǔ)上構(gòu)造無尺度網(wǎng)絡(luò)。1）增加網(wǎng)絡(luò)規(guī)模：每一步向網(wǎng)絡(luò)中增加一個新的節(jié)點，同時向網(wǎng)絡(luò)中添加k條邊。2）優(yōu)先連接：邊所連接的兩個節(jié)點是在所有的節(jié)點（包括新增加的節(jié)點和原網(wǎng)絡(luò)所有節(jié)點）中以某個概率來選擇。其中，各節(jié)點被選擇的概率的大小Pr(v)與節(jié)點的度有關(guān)，具體計算如公式（4）所示：其中，|E|表示原網(wǎng)絡(luò)中總的邊數(shù)（也就是原網(wǎng)絡(luò)中各節(jié)點的度之和），|v|為節(jié)點數(shù)，而indeg(v)和outdeg(v)分別表示節(jié)點v的入度和出度，α、β和γ分別為三個常系數(shù)，且α+β+γ=1。利用上述的方法產(chǎn)生了兩個分別包含50000和80000個節(jié)點的無尺度隨機網(wǎng)絡(luò)，用于和從真實社交網(wǎng)路獲取的數(shù)據(jù)進行對比。從36個話題中隨機抽取8個話題，這些話題包含的用戶規(guī)模都比隨機無尺度網(wǎng)絡(luò)大一些。分別測量它們的拓?fù)浣Y(jié)構(gòu)，計算它們的平均路的徑長度、網(wǎng)絡(luò)直徑和網(wǎng)絡(luò)的聚類系數(shù)進行對比。表2中是部分無尺度網(wǎng)絡(luò)與話題傳播拓?fù)浣Y(jié)構(gòu)參數(shù)對比。從表2可以看出，微博話題傳播拓?fù)浣Y(jié)構(gòu)與隨機無尺度網(wǎng)絡(luò)相比，其平均路徑長度基本相同，但是網(wǎng)絡(luò)直徑要遠小于隨機無尺度網(wǎng)絡(luò)，這說明實際拓?fù)浣Y(jié)構(gòu)中的節(jié)點間聯(lián)系更加緊密，聚集系數(shù)的測量結(jié)果也證明了這一點，測量結(jié)果中實際網(wǎng)絡(luò)的聚集系數(shù)的最小值0.2009要遠遠大于隨機無尺度網(wǎng)絡(luò)聚集系數(shù)的較大值0.000071。如果一個網(wǎng)絡(luò)有較小的平均路徑長度和較高的聚類系數(shù)，則可以成為小世界網(wǎng)絡(luò)，從測量結(jié)果分析，話題傳播形成的轉(zhuǎn)發(fā)結(jié)構(gòu)網(wǎng)絡(luò)具有明顯的小世界特性。與新浪微博和人人網(wǎng)的拓?fù)涮卣鲄?shù)對比，他們的平均路徑長度、網(wǎng)絡(luò)直徑和聚類系數(shù)都很接近，說明話題傳播形成的拓?fù)浣Y(jié)構(gòu)與新浪微博和人人網(wǎng)的網(wǎng)絡(luò)關(guān)系拓?fù)浣Y(jié)構(gòu)具有相同的網(wǎng)絡(luò)性質(zhì)。在這個轉(zhuǎn)發(fā)網(wǎng)絡(luò)中，網(wǎng)絡(luò)的平均路徑相對很短，但是網(wǎng)絡(luò)的聚類系數(shù)很大，說明在整個傳播網(wǎng)絡(luò)中，用戶間的聯(lián)系更為緊密，這十分有利于信息的傳播，而且網(wǎng)絡(luò)的小世界特性會加速信息的傳播過程，話題信息在用戶之間進行層層轉(zhuǎn)發(fā)，多次轉(zhuǎn)發(fā)，從核心的用戶逐漸向外擴散，用戶參與數(shù)呈爆發(fā)式增長，話題傳播范圍越來越廣。因此研究話題傳播拓?fù)浣Y(jié)構(gòu)對研究如何進行輿情監(jiān)控、網(wǎng)絡(luò)監(jiān)管以及研究用戶的影響力具有重大意義。

3結(jié)束語

輿情信息的監(jiān)管是當(dāng)前網(wǎng)絡(luò)安全監(jiān)管的重要內(nèi)容之一，微博已經(jīng)成為了輿情信息傳播的重要平臺。為了研究輿情信息在微博上的傳播模式和特點，本文利用爬蟲程序從微博網(wǎng)絡(luò)上獲取話題數(shù)據(jù)以及相應(yīng)的用戶數(shù)據(jù)，通過對用戶參與轉(zhuǎn)發(fā)的過程進行分析，總結(jié)出了話題傳播的一般規(guī)律和特點，并結(jié)合實際情況進行了驗證。然后利用話題中用戶間的轉(zhuǎn)發(fā)關(guān)系，繪制出了話題傳播的幾種主要拓?fù)浣Y(jié)構(gòu)，對其中的大規(guī)模轉(zhuǎn)發(fā)拓?fù)浣Y(jié)構(gòu)進行了深入的分析，并根據(jù)無尺度網(wǎng)絡(luò)的定義，利用社交網(wǎng)絡(luò)分析軟件Pajek生成兩個無尺度網(wǎng)絡(luò)，通過真實的轉(zhuǎn)發(fā)網(wǎng)絡(luò)與利用分析工具模擬生成的隨機復(fù)雜網(wǎng)絡(luò)進行對比，測量其平均路徑長度、網(wǎng)絡(luò)直徑以及聚類系數(shù)等參數(shù)，總結(jié)出了轉(zhuǎn)發(fā)網(wǎng)絡(luò)形成的拓?fù)浣Y(jié)構(gòu)具有明顯的小世界特性。研究結(jié)果對網(wǎng)絡(luò)輿情監(jiān)控有一定的應(yīng)用價值。本文主要針對微博社交網(wǎng)絡(luò)上的話題傳播過程進行了研究，目前的研究工作只利用話題中參與用戶的轉(zhuǎn)發(fā)關(guān)系來構(gòu)建網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，沒有對用戶的轉(zhuǎn)發(fā)行為和用戶關(guān)系進行進一步的研究。用戶的個人行為對話題的傳播也具有一定的影響力，用戶的個人影響力能夠加快話題的傳播速度和擴大話題的傳播范圍，因此下一步的研究將是在話題傳播拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上，研究用戶的行為和用戶的影響力，發(fā)現(xiàn)網(wǎng)絡(luò)中影響力大的用戶，研究這些用戶對話題傳播過程的影響作用。

參考文獻:

[5]平亮，宗利永.基于社會網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例[J].圖書情報知識，2010（6）：92-97.

[11]袁毅.微博客信息傳播結(jié)構(gòu)、路徑及其影響因素分析[J].圖書情報工作.2011（12）：26-30.

[12]文偉平，郭榮華，孟正，等.信息安全風(fēng)險評估關(guān)鍵技術(shù)研究與實現(xiàn)[J].信息網(wǎng)絡(luò)安全，2015（2）：7-14.

[13]王永娟，郝家寶.網(wǎng)絡(luò)信息安全的威脅與防范技術(shù)研究[J].中國管理信息化，2015，18（20）：146.

[14]卿斯?jié)h.關(guān)鍵基礎(chǔ)設(shè)施安全防護[J].信息網(wǎng)絡(luò)安全，2015（2）：1-6.

[19]張賽，徐恪，李海濤.微博類社交網(wǎng)絡(luò)中信息傳播的測量與分析[J].西安交通大學(xué)學(xué)報.2013,47(2):124-130.

[20]樊鵬翼，王暉，姜志宏，李沛.微博網(wǎng)絡(luò)測量研究[J].計算機研究與發(fā)展，2012，49（4）：691-699.

[21]李勇軍.在線社交網(wǎng)絡(luò)的拓?fù)涮匦苑治鯷J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2012，9（2）：22-37.

作者：鐘杰 王海舟 王文賢 單位：四川大學(xué)計算機學(xué)院網(wǎng)絡(luò)與可信計算研究所 四川大學(xué)網(wǎng)絡(luò)空間安全研究院