基于SNA的突发事件网络舆情意见领袖传播影响力
万钰珏 李世银 房子豪 折亚亚 王雨秋 王帆 景兴鹏
摘要：突發事件处置过程中伴随着舆情管控的缺失，尤其是网络舆情传播中的意见领袖极易引导舆论走向，处置不当则会引发衍生事件等问题。为更好地引导和管控突发事件网络舆情提出切实可行的方法，以突发事件“湖北十堰燃气爆炸”为例，通过Gephi可视化分析了突发事件网络舆情意见领袖的传播规律及传播影响力，运用UCINET从网络密度、网络中心性、凝聚子群3个维度探讨了意见领袖的传播影响力。结果表明：“湖北十堰燃气爆炸”网络舆情传播的整体关联度较低，传播网络结构较为松散，信息流通性较低;传播者之间交互性不够紧密，意见领袖及其他传播者之间信息交流不够密切、关联程度不够高;得出此次突发事件网络舆情传播影响力较大的5名意见领袖。基于SNA从网络密度、网络中心性、凝聚子群3个维度研究突发事件网络舆情意见领袖传播影响力是可行的，为政府引导和管控突发事件网络舆情的传播及消除负面影响提供理论参考。
关键词：社会网络分析;突发事件;网络舆情;意见领袖;传播影响力
中图分类号：X 921文献标志码：A
文章编号：1672-9315（2022）02-0290-09
DOI：10.13800/j.cnki.xakjdxxb.2022.0213开放科学（资源服务）标识码（OSID）：
Dissemination influence of internet public opinion
leaders in emergencies based on SNAWAN Yujue LI Shiyin FANG Zihao SHE Yaya WANG Yuqiu
WANG Fan JING Xingpeng（1.College of Safety Science and Engineering，Xian University of Science and Technology，Xian 710054，China;
2.Xian Research Institute Co.，Ltd.，China Coal Technology and Engineering Group Corp，Xian 710077，China）Abstract：The public opinion control tends to fail in an emergency，in which the opinion leaders in the network public opinion dissemination are easy to guide the direction of public opinion，and improper disposal will lead to derivative events.In order to determine the feasible measures to better guide and control the emergencies network public opinion，Gephi visualization analysis has been made of the dissemination law and influence of network opinion leaders on emergencies，with “Gas explosion in Shiyan，Hubei”as an example.And UCINET is used to explore the dissemination influence of opinion leaders from three dimensions of network density，network centrality and cohesive subgroup.The results show that the overall correlation of network public opinion dissemination of “Gas explosion in Shiyan，Hubei” is weak，the dissemination network structure is loose，and the information flow is low.The interaction between disseminators is not frequent enough，the information exchange between opinion leaders and other disseminators is not close enough，and the degree of correlation is not high enough.Five opinion leaders with great influence on the network public opinion dissemination of this emergency are obtained.Based on SNA，it is possible to examine the influence of emergencies network public opinion leaders from three dimensions of network density，network centrality and cohesive subgroup，which provides theoretical reference for the government to guide and control the spreading of emergencies network public opinion and to eliminate negative effects.
Key words：social network analysis;emergency;network public opinion;opinion leaders;dissemination influence
0引言
截至2021年12月，中国网民规模为10.32亿，手机网民规模达10.29亿，互联网普及率73%[1]。随着互联网的飞速发展，网络成为热点舆论最重要的聚集地，引导和管控网络舆情发展是处置突发事件网络舆情的重要手段。面对突发事件，快速有效地对网络舆情意见领袖进行引导是管控突发事件网络舆情发展的关键。
当前，国内外学者对网络舆情意见领袖开展了一系列研究。BAMAKAN等综述近年来各类网络舆情意见领袖识别方法并分析其优缺点[2]。JAIN等提出了GOLD算法、WHALE优化算法来识别意见领袖联盟[3-4]。LI等通过分析用户情感影响识别意见领袖[5]。LUQIU等以中国社交平台微博为信息源，从事件关注者数量和评论语调2个方面识别意见领袖并分析其影响力[6]。YIN等构建意见延迟免疫模型揭示意见领袖对信息传播的影响力[7]。严炜炜通过构建视频质量评价指标体系，使用聚类分析法揭示了意见领袖形成路径[8]。安璐等从意见领袖的评论内容及用户间的交互入手识别网络意见领袖[9]。徐翔认为意见领袖具有信息传播的扩散力与影响力[10]。孙羽等基于网络分析和文本挖掘分析意见领袖的各类特点[11]。方世南等认为意见领袖在传播和引导网络舆情时具有正负2个方面的作用[12]。余树英认为不同类型网络意见领袖的影响力存在一定的差异性[13]。国外对意见领袖的研究侧重于识别算法，而国内对意见领袖的研究主要围绕其传播特征及作用机理，对于突发事件网络舆情下的意见领袖传播影响力特征研究较少。
因此，以突发事件“湖北十堰燃气爆炸”为例，微博作为数据源，通过网络爬虫采集样本数据，运用Gephi绘制意见领袖舆情传播可视化图，呈现突发事件网络舆情意见领袖传播关系。利用UCINET从网络密度、网络中心性、凝聚子群3个维度，对突发事件网络舆情意见领袖传播网络结构特征进行测度分析，以期为更好地引导和管控突发事件网络舆情提出切实可行的方法。
1社会网络分析
1.1社会网络分析法
社会网络分析法（social network analysis，SNA）能够直观、有效地展示社会网络结构中行动者之间的互动关系，通过使用相关可视化工具绘制网络图，分析社会网络关系中各节点的中心趋势、密切关系、分散程度。该方法可应用于各行各业的事物及人物之间复杂关系分析研究[14-16]。
1.2Gephi可视化
Gephi可处理海量的网络数据集，既能在节点层面对网络属性进行统计分析，也可使用不同布局算法对数据进行可视化处理，还可以对动态网络进行模拟分析[17-19]。因此，本文使用Gephi可视化处理“湖北十堰燃气爆炸”事件数据，利用网络密度、点度中心性属性，更加直观地反映出意见领袖传播的复杂关系。
1.3UCINET软件
UCINET是目前学术研究运用较广的社会网络分析软件之一[20-22]。UCINET的中心性、凝聚子群、关联性分析等方法，可通过直观的网络图进行数据关系展示。基于此，利用UCINET中网络密度、网络中心性、凝聚子群3个维度的分析指标得到意见领袖传播影响力测度数据，为文中研究提供科学的理论依据。
2实例分析
2.1事件回顧
2021年6月13日早晨6点30分左右，湖北十堰市张湾区艳湖小区发生燃气爆炸事故。随着救援工作的开展，官方媒体实时报道现场救援情况，由于伤亡人数不断增加，网民通过网络平台获取到该突发事件的相关报道，并发表个人对于此次突发事件的观点和情绪，从而加速引发了网络平台上的群体性互动，该事件迅速成为热点话题，推动了此次突发事件网络舆情的发展。通过百度指数搜索“湖北十堰”、“燃气爆炸”、“化工园区”、“张湾区艳湖小区”等关键词，研究的时间段设定为6月13日至6月23日，获得此次突发事件网络舆情传播趋势，如图1所示。
2.2数据获取
采用网络爬虫、微博关键词搜索、“滚雪球采样”等方法对“湖北十堰燃气爆炸”突发事件进行研究，为获取与事件相关微博的转发量和评论量，对相关微博进行了三轮信息数据爬取。
具体步骤为：将爬取数据源的时间设置为2021年6月13日—6月23日，在新浪微博搜索“湖北十堰”、“张湾区艳湖小区”、“燃气爆炸”等高频关键词爬取相关话题的微博转发量、评论量等信息。第1轮数据爬取，共获得微博数据889条，将889条微博用户ID以转发量和粉丝量为标准，从高到低综合排序，选取其中转发量和粉丝量排名均在前100的微博用户ID;第2轮数据爬取，随机选取第1轮中具有代表性的5条微博ID，作为第2次数据爬取初始节点，从而进行第2轮数据爬取，即第2轮数据爬取初始节点为“澎湃新闻”、“头条新闻”、“扒妹一米五”、“中国新闻网”、“每日经济新闻”;第3轮数据爬取，重复第1轮、第2轮数据爬取流程，同样根据高频关键词，随机性选取具有代表性的微博用户ID，从而进行第3次信息数据爬取。
2.3Gephi可视化分析
基于获取的数据，将其转化为Gephi所需要的CSV格式，导入Gephi中，共得到246个节点以及268条有向边。在此次传播网络中，节点属性代表发布相关信息的传播者微博ID，边属性代表传播者相互之间的转发、评论关系。经过统计计算得到Gephi可视化网络参数见表1。
平均度表示整个传播网络中各节点间的直接关联程度，平均度数值越大，其直接关联程度越高。从表1可得，该传播网络的平均度只有1.61，表明传播网络中各节点间的直接关联程度较低。图密度反映整个传播网络结构的完整程度，图密度越小，表明网络结构的完整程度越差。该传播网络的图密度仅为0.01，表明传播网络结构完整程度较差，网络结构较为松散，信息流通性较低。
在Gephi中，首先使用“Force Atlas”算法调整节点布局，然后通过弹性模型“Fruchterman Reingold”对节点进行布局优化，最终得到“湖北十堰燃气爆炸”网络舆情传播可视化如图2所示。通过Gephi的点度中心度算法，对“湖北十堰燃气爆炸”突发事件的网络舆情传播点度中心度进行测度，选取前20测度结果见表2。
从表2可得，“头条新闻”、“央视新闻”、“人民日报”、“澎湃新闻”、“扒妹一米五”5个节点是点度中心性最高节点，占据此次突发事件网络舆情传播核心位置，意味着其处于网络舆情传播优势地位。入度值和出度值均表示一个点与其他点的交互情况，由此得出该5个节点影响力和交互性极高，表明这些节点是此次突发事件网络舆情传播中的意见领袖。
图2为参与“湖北十堰小区爆炸”事件网络舆情传播者的网络拓扑结构。网络拓扑结构模块化分析结果表明，“头条新闻”社区是最大社区，占5个社区总和的30.52%;“扒妹一米五”社区是最小社区，占比10.17%。基于此结果可得，“头条新闻”社区的传播者聚积度最高，关系网最密集，是此次舆情事件中传播影响力最大意见领袖。从传播者类型分析，以“扒妹一米五”为代表的自媒体与以“头条新闻”、“央视新闻”、“人民日报”为代表的官方媒体相比，所带来的传播影响力较小。
由此可见，在引导与管控突发事件网络舆情中的意见领袖时，应对传播影响力较大的自媒体和官方媒体进行有效的监管。
2.4网络密度分析
在UCINET软件中，构建了246个节点间的微博转发网络，其中各节点代表微博信息发布者ID，边之间权重代表节点之间进行转发的互动次数。
网络密度是传播者构成的节点间信息传播的互动程度，在有向网络图中，如果整体网络中包含的实际关系数目为a，那么其中包含的关系总数在理论上的最大可能值为b（b-1），则该网络整体密度M的表达式为[23]
整体网的密度越大，表明网络成员之间的联系越紧密，该网络对其中传播者的态度、行为等产生的影响就越大。运用UCINET对“湖北十堰燃气爆炸”网络舆情传播网络密度进行测度，得到测度结果如图3所示。
从图3可知，在此次“湖北十堰燃气爆炸”舆情传播网络中，共有246个传播节点，实际发生的关系连接数为1 270条，该事件网络密度为0.021。表明每1 000名行为者中，仅有21人存在互动关系。MAYHEW等利用随机选择模型分析得出实际社会网络整体图中最大网络密度值为0.5[24]。由此可得，突发事件“湖北十堰燃气爆炸”的网络舆情在传播过程中整体网密度较低，传播者的转发、评论、点赞等信息互动性较差，传播者间的关联性较低。
2.5网络中心性分析
2.5.1中间中心度分析
中间中心度是测量传播者对信息资源控制的程度。即一个节点的中间中心度越大，表明在传播过程中是比较重要的“中介”传播路径，表示该节点拥有控制信息资源的重要地位。如果一个点的中间中心度为1，表示能100%控制其他传播者，拥有巨大的影响力。中间中心度表达式为[23]
通过UCINET软件测得该事件的中间中心度，并取前50名网络节点见表3。
从表3可得，“扒妹一米五”、“大鹏发布”、“笔录舶圆乡”等傳播者的中间中心度最大，表明众多传播者通过这些传播者进行信息传播，其在信息传播中很大程度发挥了“中介”能力，同时表明这些传播者有很强的信息控制能力，由此得出是此次舆情传播影响力最大的意见领袖。“遇见美好”、“逸竹仙”、“南京市秦淮区红十字会”等传播者中间中心度为0，意味着上述传播者在舆情传播中不具备“中介”能力，表明上述传播者并非信息发布源，几乎没有信息控制能力，由此认为在该次舆情传播中上述传播者非意见领袖。
2.5.2接近中心度分析
接近中心度反映传播者对网络的控制程度。接近中心度越小，表示传播者越接近网络中的核心地位，其信息依赖程度越小，在信息获取中越具有优势、权力声望也越高，则表示该传播者在整个网络中越重要。接近中心度的表达式为[23]
通过UCINET软件测得该事件的接近中心度，并取前50名网络节点见表4。
从表4可以看出，“头条新闻”、“央视新闻”、“人民日报”传播者接近中心度最小，表明上述传播者更接近网络舆情传播核心地位，对其他传播者的信息依赖程度最低。在获取信息方面更具备优势，并在传播过程中拥有的权力声望更高，意味着其不易受其他传播者控制，进一步证实上述传播者是此次突发事件网络舆情传播的意见领袖。“青流视频”、“低调大士”、“大河报”等传播者接近中心度最大，表明上述传播者远离网络舆情传播核心地位，对“头条新闻”、“央视新闻”、“人民日报”等传播者的信息依赖程度最高，从而极易受其他传播者控制。在获取信息方面不具备优势且传播过程中拥有的权利声望也最低。
2.6凝聚子群分析
凝聚子群是传播者的一个子集合，在此集合中的传播者之间具有相对较强的、直接的、紧密的或积极的关系。如果传播网络存在凝聚子群，且凝聚子群的密度较高，表明传播网络中处于凝聚子群内部的传播成员相互之间联系紧密，在信息交流和合作方面交互性高[23]。通过UCINET中的CONCER迭代相关收敛法，经过3次迭代，得到此次突发事件网络传播的凝聚子群成员统计和网络传播凝聚子群，见表5，如图4所示。
从图4可以看出，该传播网络存在7个子群，从上到下依次排序为1子群-7子群。其中，1，3，4，7子群规模较大，包含传播成员较多。从表5可看出，以1子群为例，1子群以“澎湃新闻”为中心形成包含55个传播者的子群，意味着该子群中传播者相互联系紧密，具有稳定且较大信息传播影响力。最小子群是仅包含1个传播者的6子群，即118号“大鹏发布”，表明子群也会出现单个成立的情况，同时表示该传播者“大鹏发布”与其他传播者交互性最差，且信息传播影响力最低。由此得出，传播者较多子群有利于信息传播扩散，其传播影响力则会更大。
凝聚子群密度是衡量一个网络中群体现象的严重程度，凝聚子群密度取值范围在[-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]。从图5可以看出，该网络凝聚子群密度为0.249，证明在该网络中存在小群体现象，但派系林立程度不严重。从整体来看，每个子群密度均高于整体网络密度0021。从子群间密度来看，个别子群与子群间密度值为0，表明一些子群间信息交流不紧密，但1，2，3，4，5子群间信息交流较为紧密。因此，可得出该网络中传播者之间派系关系相对合理，有派系林立且相互间有关联性，有利于信息交流和传播扩散。
3结论
1）“湖北十堰燃气爆炸”网络舆情传播的整体关联度较低，传播者之间交互性不够紧密。基于Gephi和UCINET测度结果分析，“湖北十堰燃气爆炸”整体网密度指数较低，传播网络结构较为松散，信息流通性较低;传播者之间信息交流不够密切、关联程度不够高。
2）研究发现，“头条新闻”、“央视新闻”、“人民日报”、“澎湃新闻”、“扒妹一米五”5名传播者是该次突发事件网络舆情传播影响力较大的意见领袖。该5名传播者在网络中拥有优势地位，能够控制其他传播者信息传播扩散，具有较高权利和声望，传播影响力较大，应加强对意见领袖舆情传播的引导与管控。
3）通过运用复杂网络可视软件Gephi和社会网络分析软件UCINET绘制可视化图并构建网络拓扑结构，从网络密度、网络中心性、凝聚子群3个维度分析突发事件网络舆情意见领袖传播影响力，总结突发事件网络舆情意见领袖传播影响力特点，为政府应对突发事件网络舆情提供更有效的治理方法。
参考文献（References）：
[1]中国互联网络中心.第49次中国互联网络发展状况统计报告[R].北京：中国互联网络中心，2022.China Internet Network Information Center.The 49th China statistical report on internet development[R].Beijing：CNNIC，2022.
[2]BAMAKAN S M H，NURGALIEV I，QU Q.Opinion leader detection：A methodological review[J].Expert Systems with Applications，2018，56（9）：200-222.
[3]JAIN L，KATARYA R，SACHDEVA S.Recognition of opinion leaders coalitions in online social network using game theory[J].KnowledgeBased Systems，2020，203（19）：106-121.
[4]JAIN L，KATARYA R.Opinion leader detection using whale optimization algorithm in online social network[J].Expert Systems with Applications，2020，142（56）：113016-113027.
[5]LI C L，BAI J P，ZHANG L，et al.Opinion community detection and opinion leader detection based on text information and network topology in cloud environment[J].Information Sciences，2019，50（4）：61-83.
[6]LUQIU L R，SCHMIERBACH M，NG Y L.Willingness to follow opinion leaders：A case study of Chinese Weibo[J].Computers in Human Behavior，2019，31（9）：42-50.
[7]YIN F L，ZHU X W，SHAO X Y，et al.Modeling and quantifying the influence of opinion involving opinion leaders on delayed information propagation dynamics[J].Applied Mathematics Letters，2021，11（3）77-86.
[8]嚴炜炜，王玲，程子洁.视频分享平台意见领袖特征及其形成路径研究[J].情报科学，2021，39（5）：27-33.YAN Weiwei，WANG Ling，CHENG Zijie.Research on the characteristics and formation path of opinion leaders on video sharing platform[J].Information Science，2021，39（5）：27-33.
[9]安璐，胡俊阳，李纲.基于主题一致性和情感支持的评论意见领袖识别方法研究[J].管理科学，2019，32（1）：3-13.AN Lu，HU Junyang，LL Gang.Research on identification method of comment leaders based on theme consistency and emotional support[J].Management Science，2019，32（1）：3-13.
[10]徐翔.社交网络意见领袖的内容特征影响力及其传播中的趋同性[J].上海交通大学学报（哲学社会科学版），2021，29（2）：89-104.XU Xiang.Content characteristics，influence and convergence of opinion leaders in social networks[J].Journal of Shanghai Jiaotong University（Philosophy and Social Sciences Edition），2021，29（2）：89-104.
[11]孙羽，裘江南.基于网络分析和文本挖掘的意见领袖影响力研究[J].数据分析与知识发现，2021，6（1）：11-18.SUN Yu，QIU Jiangnan.Research on the influence of opinion leaders based on network analysis and text mining[J].Data Analysis and Knowledge Discovery，2021，6（1）：11-18.
[12]方世南，徐雪闪.网络意识形态安全中意见领袖作用研究[J].南京师大学报（社会科学版），2019，6（1）：87-96.FANG Shinan，XU Xueshan.Research on the role of opinion leaders in network ideological security[J].Journal of Nanjing Normal University（Social Sciences Edition），2019，6（1）：87-96.
[13]余树英.不同类型网络意见领袖的影响力及发生机制[J].中国青年研究，2018，12（7）：90-94.YU Shuying.Influence and occurrence mechanism of different types of online opinion leaders[J].China Youth Research，2018，12（7）：90-94.
[14]嚴锴，李红霞.公共安全视域下的舆情热点及发展趋势可视化分析[J].西安科技大学学报，2019，39（6）：82-89.YAN Kai，LI Hongxia.Visual analysis of public opinion hotspots and development trends from the perspective of public safety[J].Journal of Xian University of Science and Technology，2019，39（6）：82-89.
[15]荆芒，章娣，张小亮，等.基于Gephi的医院数据关联关系可视化研究[J].中国卫生信息管理杂志，2020，17（4）：538-543.JING Mang，ZHANG Di，ZHANG Xiaoliang，et al.Visualization of hospital data association relationship based on Gephi[J].Chinese Journal of Health Information Management，2020，17（4）：538-543.
[16]关迎晖，向勇，陈康.基于Gephi的可视分析方法研究与应用[J].电信科学，2013，29（S1）：112-119.GUAN Yinghui，XIANG Yong，CHEN Kang.Research and application of visual analysis method based on Gephi[J].Telecommunications Science，2013，29（S1）：112-119.
[17]李磊，支梅，李睿涵.新冠肺炎突发公共卫生事件网络舆情传播动力学[J].西安科技大学学报，2022，42（1）：47-54.LI Lei，ZHI Mei，LI Ruihan.Dynamics of online public opinion communication for COVID-19 public health emergency[J].Journal of Xian University of Science and Technology，2022，42（1）：47-54.
[18]MUHAMMAD A，KAYO F.NETEXPO：A Gephi plugin towards social network analysis of network exposure for unipartite and bipartite graphs[J].Communications in Computer and Information Science，2019，13（12）：1034-1049.
[19]LUCACIU O，BACIUT M，BACIUT G，et al.The Gephi network visualisation of the guided bone regeneration process induced with tissue engineered grafts[J].Key Engine Ering Materials，2016，6（2）：4139-4150.
[20]薛娟.基于社会化工具Ucinet的理学交叉学科的计量研究[J].科技信息，2011，12（35）：33-34.XUE Juan.Econometric research on interdisciplinary science based on social tool UCINET[J].Science and Technology Information，2011，12（35）：33-34.
[21]张苏秋，王夏歌.国内近20年媒介融合研究热点及展望——基于Ucinet的知识图谱分析[J].图书情报导刊，2021，6（1）：43-50.ZHANG Suqiu，WANG Xiage.Domestic research hotspots and prospects of media fusion in the past 20 years：Ucinetbased knowledge graph analysis[J].Library and Information Guide，2021，6（1）：43-50.
[22]LI Q Y，TANG Y C.Statistics and visualization of artificial intelligence research in China in the past 21 years by UCINET[J].International Journal of Social Science and Education Research，2020，20（18）：178-183.
[23]刘军.整体网分析讲义——UCINET软件实用指南[M].上海：格致出版社，2009.
[24]魏瑞斌.社会网络分析在关键词网络分析中的实证研究[J].情报杂志，2009，28（9）：46-49.WEI Ruibin.Empirical research on social network analysis in keyword network analysis[J].Journal of Information，2009，28（9）：46-49.
猜你喜欢意见领袖社会网络分析网络舆情网络意见领袖视角下的网络意识形态传播路径科教导刊(2017年33期)2018-01-25政务微博网络结构特征研究现代情报(2017年7期)2017-08-25基于口碑平台的商场营销研究中国集体经济(2017年16期)2017-06-06社会网络视角下ERP项目实施中的知识转移绩效研究中小企业管理与科技·下旬刊(2017年3期)2017-04-11意见领袖在农村治理中的积极作用现代交际(2016年20期)2017-02-15企业网络舆情分析及对策研究现代企业文化·理论版(2016年20期)2016-12-20浅析大数据环境下的网络舆情活力(2016年6期)2016-06-22网络舆情视域下高职大学生思想政治教育工作的应对策略①科技资讯(2015年8期)2015-07-02国内开放存取领域的研究热点和作者合作团体透析现代情报(2014年8期)2014-11-06
