基于社会网络分析的网络信息传播规律研究

霍英 何碧如 丘志敏 李立煊

关键词：网络舆情；Ucinet；社会网络分析

我国正处于转型改革期，在当今信息多极化传播模式下，社交网络上的突发事件频频发生，在热点事件发生时及时控制好网络舆情的走势迫在眉睫[1-2]。本文以新浪微博中“奔驰女车主维权事件”这个案例的相关网络舆情数据为分析样本，选择转发关系较多的微博用户作为分析对象，运用Ucinet软件对该事件进行社会网络分析，以探究突发事件微博舆情传播的网络结构特征及它对微博信息传播的影响，为更好地对今后相关领域热点事件舆情进行监控和引导提供理论依据。

1 研究内容与研究方法

本文利用Ucinet对社交网络传播的模式进行分析和研究，并给出相关研究结果。根据研究得到的结果，以更好地理解舆情信息在社交网络的传播特点和规律，从而能够有针对性地使用社交网络对舆情进行监控和引导。

Ucinet[3-4]是一种综合性的社会网络分析软件，是由加州大学欧文（Irvine） 分校的一群网络分析者编写的。该软件可以生成社会网络图，并对图进行密度分析、中心性分析、凝聚子群分析等操作，应用Ucinet软件我们能够计算出社会网络的各方面分析指标。

本文将从网络密度、网络距离、凝聚子群、核心- 边缘、中心度以及结构洞等多个角度去分析社会网络的结构，从而得出网络舆情的传播特点及发展规律。通过对各种社交平台的特点及相关介绍最后选取新浪微博社交平台进行研究，选取发生于2019年4月11 日的“奔驰女车主维权”[5]的网络突发事件作为实证研究的基础。选取该事件进行研究，主要是该事件引起了社会各界关注，网络媒体、微博、微信、论坛等都参与了传播，该话题的阅读量达到1.9亿，有4.5万的微博用户进行讨论，此数据量为该事件的网络舆情传播研究提供了足够的数据支撑。

2 维权事件数据采集与数据建模

2019年4月23日作为获取数据的时间段。在新浪微博中搜索出时间范围内发布的相关微博和微博用户，利用爬虫技术爬取各个微博用户的ID及起源微博用户的ID、转发量、评论量、点赞量。将整理后的248个节点，按照社会网络分析法的要求，对数据进行模型构建：将微博认证用户看成一个节点，根据用户间的转发互动关系建立248×248的互动关系矩阵表，关系表中每列的微博用户作为行为发起者，每行用户作为行为的接收者（下文统称为行动者），分别以“1”和“0”表示微博用户间是否存在互动关系。

社会网络是一种基于节点之间相互连接的社会组织形式。在社会网络分析中，这种由点和线组成用来表示行动者之间的网络关系的图称为网络社群图[6]，它能够直观地表现出每个行动者在社会网络中所处的位置、角色及行动者的特征以及舆情的方向是怎么样在社会网络中传播的。利用Ucinet软件及前期采集数据可以生成该事件的网络社群图（图1） 。通过分析，可以知道“西安身边事”这个核心节点周围的线条最密集，表明与多个用户有联系，在该事件的舆情传播网络中起到了重要的信息交流作用，能够将信息传递给大部分节点。相反在网络边缘的节点周围的线条比较稀疏，线条的箭头也比较单一，大多数都是向其他节点流出的箭头，这些节点基本上是普通用户。

3 维权事件整体网结构测度分析

3.1 网络密度分析

密度是用来表示社会网络关系图中各个行动者之间的联系程度的指标。其值愈大反映网络节点联系越加紧密反之联系松散。网络密度测算公式如下：

在规模为n个行动者的整体网是有向关系网，其中Q为网络密度值，M为网络中实际关系数，N（N-1） 是理论上整体网中最大可能存在的关系数。从其公式可以知道，取值在0到1之间。将采集的维权事件矩阵关系导入Ucinet，可以获得其值为0.0074，说明网络中大部分微博用户之间联系比较低，相互传播程度较低、信息交流很少。出现此结果可以用牛津大学的人类学家罗宾·邓巴提出的150定律解釋。该定律根据猿猴的智力与社交网络推断出：人类智力允许人类拥有稳定社交网络的人数是148人，四舍五入大约是150人。由于每个微博用户的关注力是有限的，所以网络中实际存在的关系数也是有限的，所以整体网络的密度并不会很大。

3.2 网络距离分析

在整体网中，两个节点之间的距离是指两个网络行动者之间要经过多少条线才能产生联系。网络距离也叫网络可达性，网络距离指的是连接两个节点间最短路径的长度，其值越小，表明节点间进行信息传播的速度越快，交流也越频繁。凝聚力指数反映社会网络关系图中行动者间的凝聚力，取值范围为0～1，其值越大表明凝聚力越强[7]。利用Ucinet软件对该事件舆情传播进行距离测量，结果得出，该事件网络节点的平均距离为1.322，表示该网络中任意两个行动者之间要通过1-2个节点建立互通。其中，有454对节点的网络距离为1，占总数的67.8%；有216 对节点的网络距离为2，占总数的32.2%。说明此网络节点间的距离较小，节点间信息传播速度快，有明显的小世界现象。建立在“距离”基础上的凝聚力指数仅为0.009，可以得出该事件整体传播网络的参与者之间的联系不太紧密，整体的凝聚力也比较弱。出现该现象是因为网络中有一些弱节点和很多普通用户，他们与其他节点的距离比较大，而且相关联的节点也比较少，并且这些互动行为也比较少，导致信息传播过程中会有流失。

4 维权事件内部子结构分析

4.1 凝聚子群分析

凝聚子群分析是社会网络分析中测量社会内部结构的重要方法，其目的是揭示社会行动者之间实际存在或者潜在的关系。当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，这样的团体在社会网络分析中被称为凝聚子群，也被称为小团体。如果网络中存在凝聚子群，并且凝聚子群的密度较高，表明处于这个凝聚子群内部的那些行动者之间的联系紧密，在信息分享和网络互动方面交往频繁[8]。

派系是建立在互惠性基础上的凝聚子群，指的是最少包含有三个行动者的最大完备子图。在该网络中，任何节点对之间都存在一条直接相连的线，并且该派系不能被其他任何派系所包含。通過Ucinet对该事件舆情传播进行派系分析测量，从分析结构得出，将派系规模默认设置为3时，该事件的数据样本的舆情传播网络中最多有3个节点会形成一个派系，一共得到9个派系，派系之间存在重复的节点，称为“共享成员”，有“西安身边事”和“新浪新闻”这两个节点且存在的派系数量也不低，说明派系间的独立性较低，共享成员作为桥梁在传播网络中为信息传播起到一定的作用，拉近派系间的联系使得网络中信息传播平均化。其中，在248个节点的网络中，有232个节点不属于任何派系，说明孤立性较强，互惠程度较弱。

4.2 核心-边缘分析

在社会网络中，核心-边缘结构指的是各节点相互联系，形成内紧外松的特殊网络结构。核心-边缘结构分析主要是根据网络中节点之间的联系紧密程度，得出网络中哪些节点处于核心区域和边缘区域，位于核心区域的节点在网络中占重要地位。

通过Ucinet对该事件舆情传播进行核心-边缘分析测量，维权事件的舆情传播网络中的核心区域节点与核心区域节点关系的密度为0.026；核心区域节点与边缘区域节点关系的密度为0.001；边缘区域节点与核心区域节点关系的密度为0.028；边缘区域节点与边缘区域节点关系的密度为0.001。由分析结果发现，核心区节点包括有西安身边事、汽车中国、头条新闻等73个微博用户节点，这些节点主要是事件发生地的用户、财经类用户和政务类用户，这些节点间密度比较大，关系紧密，他们所发布的信息具有领域代表性，被大多数网民认可。边缘区的节点包括有看看新闻NEWS、凤凰网、央视财经等175个微博用户节点，这些节点之间联系较稀疏甚至没有联系，说明边缘区域节点的信息多是来源于核心区域的某些节点，不构成凝聚子群。

5 维权事件个体网位置角色分析

5.1 中心度分析

中心度也被称为中心性，中心度分析可分为点度中心度、接近中心度和中间中心度三个分析角度[9]，其中接近中心度分析要求分析样本的网络必须是完全连通才能分析计算，但是本文选取的维权事件样本数据并不是完全连通的，所以不进行接近中心度分析。

5.1.1 点度中心度

点度中心度可以用来发现网络中与其他节点关联最多的节点，一个节点的点度中心度指的是该节点关联的其他节点的个数。点度中心度越大的节点在网络中的社会地位越高，越重要，接近传播网络的中心。利用Ucinet对该事件舆情传播进行点度中心度测量，在网络的全部节点中，“西安身边事”的点度中心度值最大，其点度中心度为103，表明作为报道西安本地事件的“西安身边事”在该舆情网络中与其他103 个节点存在互动的关系，对舆情信息传播影响大，是网络中舆情传播的中心节点，对维权事件的舆情传播发挥了重要的作用。而排名在2-20的点度中心度的值为6-30，这些节点大都是相关媒体用户，包括有媒体、汽车行业、军事、知名媒体人等用户，他们在相关领域的影响力大，掌握的信息多而且被人认可，发布的信息影响着网络中其他节点的情绪和态度。该网络的中心势为40.55%，说明该网络有明显的向核心点集中的趋势，即排在前面的几个节点发布的微博完全可以影响舆情的走向，是重要的意见领袖。

利用Ucinet对该事件的点出度和点入度进行分析，发现出度排名前20的节点中，多是像“跳舞的公主”“暖暖逸风”等这样的普通用户，说明这些节点积极关注该事件，参与到舆情的转发和评论中去。点入度排在前20的点有“西安身边事”“头条新闻”“汽车中国”等节点，说明这些微博用户在此次事件中发布的微博得到较多其他用户的转发，即这些节点影响范围大，是此次舆情事件的核心用户。出现此现象是因为这些节点本身可能有信息的一手来源且真实可靠，所以不需要关注其他微博用户发布的信息，反而其他用户要从这些节点中获取到事件的有力说明。

5.1.2 中间中心度

中间中心度也称中介中心度，主要用于衡量一个节点在网络中承担“桥梁”角色的程度，即A节点要经过某一个节点才能与B节点产生互动关系，也就是转发或者评论B节点发布的微博信息，这样的节点具有中介的作用它表示该节点对网络中资源控制的程度。中间中心度用于衡量一个节点出现在其他任意两个节点对之间的最短路径的次数，也就是所，如果一个节点出现在任意两个节点间最短路径的次数越多，那么该节点的中间中心度也越大，则在网络中其他节点依赖该节点的程度越高，该节点也拥有更多的资源和更广的信息传播规模。中间中心度的表达式为：

利用Ucinet对该事件舆情传播进行中间中心度测量，发现在所有节点中，“西安身边事”的中间中心度最大（195） ，其次是“凯雷”（18） 、“侯宁”（3） ，将中间中心度和点度中心度的分析结果进行对比，可以发现位于主要位置的节点有重复，比如“西安身边事”、“凯雷”，说明这些节点在舆情传播中起到中间桥梁的作用，对信息资源有一定的控制，也拥有更广的传播渠道与其他节点进行互动，由此可以发现在该维权事件中，影响力较大的有知名本地博主（西安身边事），有权威的媒体用户（凯雷，头条文章作者）以及对此事件涉及的消费者有积极作用的用户（侯宁，独立财经观察家）。但是由分析结果也发现，在这个248×248社会网络中，有245个中间中心度为0的节点，他们几乎没有信息的传播的能力及资源的控制能力，起不到沟通的中介作用，对其他节点几乎不会造成很大的影响。网民只需直接关注某些活跃微博用户就可以很快地了解到舆情信息并将其进行评论、转发，所以从整个网络来看，大部分人不需要过度依赖网络中控制信息资源的中间行动者就可以获得信息并传播。另外，网络中间中心势的值为0.32%，数值偏小，表明大部分的节点不需要经过中介节点就可以获取资源和信息，这是因为互联网是开放的，大多数用户不需要对信息进行转发或评论，就能够获取信息。

5.2 结构洞分析

结构洞分析是进行个体网研究的重要测量指标之一。结构洞是两个关系节点之间的非冗余关系，一个结构洞是两个节点之间的非冗余联系，且能为其占据获取“信息利益”和“控制信息”提供机会，能够降低信息不对称，让不同的社群相连，所以结构洞比网络中其他位置的节点更具有竞争优势。结构洞测量的衡量指标包括有效规模（effective size） 、效率（effi⁃ciency） 、限制度（constraint） 和等级度（hierarchy） 。利用Ucinet 对该事件舆情传播进行结构洞测量，发现“西安身边事”的有效规模最大（102.864） ，限制度最小（0.012） ，这是由于西安作为事件发生地，掌握了事件的一手信息，信息来源真实有说服力，所以该节点占据了较多的结构洞。其次是“头条新闻”（30、0.033） 、“汽车中国”（29、0.034） 、“醉美YZ（26、0.038） 等节点的有效规模依次较大，限制度比较小。这些节点在网络中处于核心地位，在舆情信息传播过程中占据重要位置，所受约束较小，不易被他人控制，充当了大部分节点之间的“桥”，是网络舆情传播过程中的重要节点。从效率的指标来看，各节点的效率值都接近1或者等于1，所以有效规模和实际规模比较接近。由于本节的分析结果和中心度分析的结果接近，所以也证明了“西安身边事”和“凯雷”是该事件舆情传播过程中的重要节点，对信息的传播速度和传播规模都有一定的积极作用。

6 结束语

通过应用社会网络分析法对奔驰女车主维权事件进行分析得出：该事件整体网络密度和整体凝聚力较低，相互传播程度较低，节点间的距离较小，信息传播速度快且具有小世界现象；内部结构的核心区域的部分节点构成了9个派系，共享成员“西安身边事”和“新浪新闻”拉近了派系的联系，网络中的大部分普通用户孤立性较强，互惠程度较弱；中心度较高和占据较多结构洞的“西安身边事”和“凯雷”作为意见领袖和中介桥梁引领信息的传播范围和传播趋势，因而可以通过结合该舆情传播的网络结构特征与重要节点去管制舆情的发展方向和速度。本案例所涉及的节点间关系网络的研究结果，对于掌握舆情传播规律，进而更好地对舆情进行监控和引导具有一定的参考价值，对于舆情管控软件的开发提供了理论基础。