微博輿情話題傳播行為預(yù)測(cè)研究

丁學(xué)君

(東北財(cái)經(jīng)大學(xué) 管理科學(xué)與工程學(xué)院，遼寧 大連 116025)

1 引言

目前，微博已經(jīng)成為輿情話題傳播的重要渠道之一，對(duì)微博網(wǎng)絡(luò)中的輿情話題傳播過(guò)程進(jìn)行監(jiān)控及預(yù)測(cè)，將有利于相關(guān)部門對(duì)不良輿情進(jìn)行有效地疏導(dǎo)和澄清。本文以新浪微博為例，在深入分析用戶轉(zhuǎn)發(fā)行為的基礎(chǔ)上，提取出了影響微博個(gè)體轉(zhuǎn)發(fā)行為的4類特征，利用邏輯回歸模型（Logistic Regression，LR）對(duì)微博用戶的輿情話題轉(zhuǎn)發(fā)概率進(jìn)行預(yù)測(cè)，并在此基礎(chǔ)上給出了一種基于個(gè)體行為的微博輿情話題轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)算法。

2 微博輿情話題的個(gè)體轉(zhuǎn)發(fā)行為預(yù)測(cè)

2.1 轉(zhuǎn)發(fā)概率預(yù)測(cè)模型

本文利用有向無(wú)權(quán)圖G（U，E）來(lái)對(duì)微博網(wǎng)絡(luò)進(jìn)行描述。其中U為網(wǎng)絡(luò)中所有節(jié)點(diǎn)構(gòu)成的集合；E為網(wǎng)絡(luò)中所有邊構(gòu)成的集合，且eu，v∈E表示節(jié)點(diǎn)u指向節(jié)點(diǎn)v的有向邊，即節(jié)點(diǎn)u對(duì)節(jié)點(diǎn)v的關(guān)注關(guān)系，信息的傳播方向與關(guān)注方向相反。假設(shè)用戶v發(fā)布了一條話題消息 topic，則 y＝f（v，u，topic）表示節(jié)點(diǎn) v 的粉絲節(jié)點(diǎn)u在看到該話題后采取的行為：y=1表示節(jié)點(diǎn)u對(duì)該話題進(jìn)行轉(zhuǎn)發(fā)；y=0表示節(jié)點(diǎn)u不對(duì)該話題進(jìn)行轉(zhuǎn)發(fā)。因此，研究微博用戶的個(gè)體轉(zhuǎn)發(fā)行為，即是在給定話題信息topic以及用戶關(guān)系網(wǎng)絡(luò)G（U，E）的情況下，預(yù)測(cè)用戶u轉(zhuǎn)發(fā)話題信息topic的概率。

本文借鑒文獻(xiàn)[2]和文獻(xiàn)[3]的研究結(jié)論，使用LR模型對(duì)微博用戶的輿情話題轉(zhuǎn)發(fā)概率進(jìn)行預(yù)測(cè)，其預(yù)測(cè)公式如下：

其中，F(xiàn)u（topic，G）為影響用戶u轉(zhuǎn)發(fā)話題的行為特征集合；yu表示用戶u的轉(zhuǎn)發(fā)行為；ω為權(quán)值向量，其值可以采用極大似然函數(shù)進(jìn)行估計(jì)。

2.2 用戶轉(zhuǎn)發(fā)行為特征提取

2.2.1 話題接收者特征

（1）話題接收者的興趣度。本文利用了Jaccard相似度計(jì)算方法，通過(guò)計(jì)算微博話題內(nèi)容與用戶感興趣內(nèi)容的相似程度，來(lái)對(duì)用戶興趣度進(jìn)行量化。

步驟1：興趣收集。收集某時(shí)間段內(nèi)用戶u發(fā)布的所有Ns條微博，構(gòu)建用戶 u 的語(yǔ)句級(jí)興趣空間 IS=｛S1，S2，…，SNs｝。

步驟2：分詞。本文采用中科院計(jì)算技術(shù)研究所開發(fā)的ICTCLAS系統(tǒng)[4]對(duì)IS中的語(yǔ)句進(jìn)行分詞，得到用戶u的詞語(yǔ)級(jí)興趣空間 IW＝｛W1，W2，…，WNw｝。

步驟3：從中剔除停用詞。本文利用CSDN（2010）提供的停用詞列表，以去除IW中的停用詞，最終得到用戶u的興趣空間。

步驟4：針對(duì)某一輿情話題topic，按照步驟2～步驟3，對(duì)該話題進(jìn)行處理，得到話題 topic 的特征空間 TP＝｛T1，T2，…，TNt｝。

步驟5：計(jì)算INT和TP的Jaccard系數(shù)。Jacccard系數(shù)是樣本集交集與樣本集合集的比值[5]，即微博輿情話題特征空間與接收用戶興趣空間的相似度為：

SIMu，topic表示了用戶u對(duì)目標(biāo)話題topic的感興趣程度。

（2）話題接收者的活躍度。本文利用式（3）計(jì)算話題接收者的活躍度Ra：

其中，ri，ci，oi分別為用戶在n天內(nèi)轉(zhuǎn)發(fā)、評(píng)論和原創(chuàng)的微博總數(shù)。

（3）話題接收者的重復(fù)接收次數(shù)。研究表明，用戶會(huì)因?yàn)樾畔⒌闹貜?fù)接收，而對(duì)該信息的轉(zhuǎn)發(fā)傾向發(fā)生改變[6]。因此，本文認(rèn)為話題接收者的關(guān)注對(duì)象中轉(zhuǎn)發(fā)目標(biāo)話題信息的數(shù)量，會(huì)影響該話題接收者的轉(zhuǎn)發(fā)行為。

2.2.2 話題發(fā)布者的特征

（1）話題發(fā)布者的影響力。微博網(wǎng)絡(luò)中，發(fā)布者的影響力大小勢(shì)必會(huì)對(duì)其粉絲的轉(zhuǎn)發(fā)行為產(chǎn)生影響[6]。本文采用文獻(xiàn)[7]給出的UIR算法來(lái)評(píng)價(jià)話題發(fā)布者的影響力，該算法可以描述為：

其中，UIR（v）為節(jié)點(diǎn) v 的影響力，d 為[0，1]區(qū)間上的阻尼系數(shù)，通常情況下，取經(jīng)驗(yàn)值d=0.85，本文假設(shè)節(jié)點(diǎn)的初始UIR值為1。f（v）表示節(jié)點(diǎn)v的粉絲集合，Au，v為節(jié)點(diǎn)v分配給節(jié)點(diǎn)u的UIR值的比例：

其中，Nf是節(jié)點(diǎn)v的粉絲節(jié)點(diǎn)總數(shù)，Rak為節(jié)點(diǎn)v的第k個(gè)粉絲節(jié)點(diǎn)的活躍度，Rak可由式（3）計(jì)算得到，通過(guò)有限次的反復(fù)迭代，就可以獲得目標(biāo)節(jié)點(diǎn)v的UIR值。

（2）話題發(fā)布者與接收者之間的社會(huì)關(guān)系。研究表明，與具有“單向關(guān)注”關(guān)系的用戶相比，具有“雙向關(guān)注關(guān)系”（“互粉”）的用戶間的親密程度更高[8]。此外，用戶間的互動(dòng)次數(shù)也從另一個(gè)方面反映了用戶間的關(guān)系親密程度，本文定義用戶u和用戶v之間的互動(dòng)次數(shù)為

其中，Cu，v為用戶 u 和用戶 v 轉(zhuǎn)發(fā)對(duì)方微博的數(shù)量，Ru，v為用戶u和用戶v評(píng)論對(duì)方微博的數(shù)量，Mu，v為用戶u和用戶v在微博中提及（“＠”）對(duì)方的次數(shù)。

2.2.3 話題的內(nèi)容特征

研究表明，微博話題中是否包含圖片、視頻、URL、Hashtag以及“@”等內(nèi)容，均會(huì)對(duì)用戶的轉(zhuǎn)發(fā)行為產(chǎn)生影響[3]。

2.2.4 外部媒體關(guān)注度

本文利用目標(biāo)輿情話題傳播過(guò)程中，網(wǎng)絡(luò)媒體對(duì)此輿情事件的新聞報(bào)道數(shù)量，來(lái)描述外部媒體的關(guān)注度。針對(duì)某一目標(biāo)輿情話題 topic，首先得到該話題的特征空間 TP＝（T1，T2，…，TNt），并提取出相應(yīng)輿情事件的關(guān)鍵詞，然后利用百度搜索引擎得到該輿情事件的相關(guān)新聞報(bào)道數(shù)量NMtopic。

通過(guò)以上分析，本文共提取了影響微博用戶輿情話題轉(zhuǎn)發(fā)行為的11個(gè)數(shù)值化特征，見表1。 特征6、7、8、9、10均采用二元表示方法。

表1 微博用戶轉(zhuǎn)發(fā)行為的特征分析

3 微博網(wǎng)絡(luò)輿情話題轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)算法

3.1 微博網(wǎng)絡(luò)中的話題轉(zhuǎn)發(fā)規(guī)則

微博網(wǎng)絡(luò)中，用戶節(jié)點(diǎn)對(duì)某一目標(biāo)話題topic的轉(zhuǎn)發(fā)規(guī)則如下：（1）定義微博輿情話題的傳播底圖為有向網(wǎng)絡(luò)G（U，E），其中U為該網(wǎng)絡(luò)中所有節(jié)點(diǎn)的集合，E為網(wǎng)絡(luò)中所有邊的集合，節(jié)點(diǎn)總數(shù)為N。

（2）定義U中的節(jié)點(diǎn)僅具有兩種狀態(tài)，即易感狀態(tài)S和傳播狀態(tài)I，其中S態(tài)表示節(jié)點(diǎn)沒有對(duì)目標(biāo)話題進(jìn)行轉(zhuǎn)發(fā)，I態(tài)表示節(jié)點(diǎn)對(duì)目標(biāo)話題進(jìn)行了轉(zhuǎn)發(fā)；USt、UIt分別表示t時(shí)刻，網(wǎng)絡(luò)中的S態(tài)節(jié)點(diǎn)集合和I態(tài)節(jié)點(diǎn)集合。

（3）定義節(jié)點(diǎn) u 所關(guān)注的節(jié)點(diǎn)集合為 FL（u）＝｛v｜eu，v∈E｝。

（4）定義 t時(shí)刻節(jié)點(diǎn) u 所關(guān)注的 S 態(tài)節(jié)點(diǎn)集合為 FLSt（u）＝｛v｜v∈FL（u），且 v為 S 態(tài)｝；t時(shí)刻節(jié)點(diǎn) u 所關(guān)注的 I態(tài)節(jié)點(diǎn)集合為 FLIt（u）＝｛v｜v∈FL（u），且 v 為 I態(tài)｝。 此處假設(shè) FLIt（u）中的每個(gè)節(jié)點(diǎn)均會(huì)影響節(jié)點(diǎn)u的轉(zhuǎn)發(fā)行為，且其中所有節(jié)點(diǎn)對(duì)節(jié)點(diǎn)u轉(zhuǎn)發(fā)行為的影響相互獨(dú)立。

（5）根據(jù)式（1）確定節(jié)點(diǎn) u 對(duì)話題 topic的轉(zhuǎn)發(fā)概率 Pu，topic

（6）假設(shè)節(jié)點(diǎn)u對(duì)話題topic產(chǎn)生轉(zhuǎn)發(fā)行為的閾值為λu，且λu=[0，1]，則當(dāng) Pu，topic≥λu時(shí)，節(jié)點(diǎn) u 將產(chǎn)生轉(zhuǎn)發(fā)行為，并由 S 態(tài)轉(zhuǎn)變成為I態(tài)。

（7）FLI（u）中每增加一個(gè) I態(tài)節(jié)點(diǎn)時(shí)，需要對(duì)特征集合 Fu，topic中的話題發(fā)布者特征進(jìn)行更新，即更新表1中的特征4、5、6。由此得到目標(biāo)輿情話題在網(wǎng)絡(luò)G（U，E）中的傳播過(guò)程。

3.2 PRALR 算法

本文根據(jù)上述話題轉(zhuǎn)發(fā)規(guī)則，給出了一種微博輿情話題轉(zhuǎn)發(fā)規(guī)模的預(yù)測(cè)算法——PRALR算法，其實(shí)現(xiàn)過(guò)程如下。

步驟1：網(wǎng)絡(luò)初始化。獲取微博網(wǎng)絡(luò)上輿情話題傳播的歷史數(shù)據(jù)集，得到傳播底圖 G（U，E），并為網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)用 1，2，…，N進(jìn)行編號(hào)，其中N為節(jié)點(diǎn)集合U中的節(jié)點(diǎn)總數(shù)；利用式（1）給出的邏輯回歸模型，通過(guò)訓(xùn)練得到權(quán)值向量ω，進(jìn)而建立每個(gè)節(jié)點(diǎn)的轉(zhuǎn)發(fā)概率預(yù)測(cè)公式；為U中的每個(gè)節(jié)點(diǎn)設(shè)置隨機(jī)的轉(zhuǎn)發(fā)閾值λ∈[0，1]；初始狀態(tài)下，網(wǎng)絡(luò)中所有節(jié)點(diǎn)均設(shè)置為易感狀態(tài)S，即US0中的節(jié)點(diǎn)數(shù)為N，UI0中的節(jié)點(diǎn)數(shù)為0；根據(jù)網(wǎng)絡(luò)中邊的集合E，為U中的每個(gè)節(jié)點(diǎn) i建立集合 FLS0（i）、FLI0（i）（i＝1，2，…，N）。

步驟2：t=1時(shí)刻，設(shè)置網(wǎng)絡(luò)中某一節(jié)點(diǎn)v為I態(tài)，即v為話題topic在該網(wǎng)絡(luò)中的入口節(jié)點(diǎn)，將其從對(duì)應(yīng)的FLS0（i）中移除，放入相應(yīng)的 FLI0（i）中，并更新 US1、UI1。

步驟 3：t時(shí)刻，對(duì)于網(wǎng)絡(luò)中任意節(jié)點(diǎn) u，根據(jù)集合 FLIt－1（u）中各節(jié)點(diǎn)狀態(tài)的改變，對(duì)節(jié)點(diǎn)u的特征4、5、6進(jìn)行更新，得到更新后的Fu（topic，G），并重新計(jì)算節(jié)點(diǎn) u 此時(shí)的轉(zhuǎn)發(fā)概率函數(shù) Pu，topic，如果 Pu，topic≥λu，則節(jié)點(diǎn)u產(chǎn)生轉(zhuǎn)發(fā)行為。

步驟4：將在步驟3中產(chǎn)生轉(zhuǎn)發(fā)行為的節(jié)點(diǎn)u從對(duì)應(yīng)的FLSt－1（i）中移除，加入到相應(yīng)的集合 FLIt－1（i）中，即將 FLSt－1、FLIt－1分別更新成為 FLSt、FLIt，同時(shí)更新 USt、UIt。

步驟5：t=t+1，重復(fù)步驟3～步驟4，直到網(wǎng)絡(luò)中再也沒有新的節(jié)點(diǎn)產(chǎn)生轉(zhuǎn)發(fā)行為為止。此時(shí)，集合UI中的節(jié)點(diǎn)數(shù)，即為話題topic在該網(wǎng)絡(luò)中的最終轉(zhuǎn)發(fā)次數(shù)。

4 實(shí)驗(yàn)仿真

4.1 實(shí)驗(yàn)數(shù)據(jù)集

本文利用自行開發(fā)的爬蟲工具從新浪微博中抓取了1000條用戶特征數(shù)據(jù)，及這些用戶在采樣時(shí)間段內(nèi)發(fā)布的95783條微博數(shù)據(jù)，并最終從原始數(shù)據(jù)集中提取出15276條輿情話題數(shù)據(jù)，構(gòu)成實(shí)驗(yàn)數(shù)據(jù)集，其中包括6814條轉(zhuǎn)發(fā)數(shù)據(jù)，8762條非轉(zhuǎn)發(fā)微博數(shù)據(jù)。

4.2 輿情話題轉(zhuǎn)發(fā)行為預(yù)測(cè)結(jié)果及分析

本文利用Matlab工具對(duì)微博用戶輿情話題轉(zhuǎn)發(fā)行為進(jìn)行預(yù)測(cè)。首先，從實(shí)驗(yàn)數(shù)據(jù)集中提取出表1所描述的11個(gè)話題轉(zhuǎn)發(fā)行為特征，構(gòu)建每個(gè)用戶的話題轉(zhuǎn)發(fā)行為特征集合Fu，topic；然后，將實(shí)驗(yàn)數(shù)據(jù)集分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集兩部分，其中訓(xùn)練集中的微博數(shù)量占70%，測(cè)試集中的微博數(shù)量占30%；最后，利用訓(xùn)練集估計(jì)出式（1）中的權(quán)值向量ω，進(jìn)而建立每個(gè)用戶的微博輿情話題轉(zhuǎn)發(fā)概率模型，并利用測(cè)試集對(duì)用戶的轉(zhuǎn)發(fā)行為進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見表2。結(jié)果表明，本文給出的微博輿情話題轉(zhuǎn)發(fā)行為預(yù)測(cè)模型具有較高的預(yù)測(cè)準(zhǔn)確度。

表2 微博用戶轉(zhuǎn)發(fā)行為預(yù)測(cè)結(jié)果

4.3 輿情話題轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)結(jié)果及分析

本文從數(shù)據(jù)集中選取了2個(gè)輿情話題，其中話題1為“奧巴馬2013年就職典禮”，其在本文選取的微博子網(wǎng)中被轉(zhuǎn)發(fā)了595次（采樣時(shí)間為2013年1月 21日-2013年 3月 31日）；話題2為“長(zhǎng)春盜車殺嬰案”，其在傳播子網(wǎng)中被轉(zhuǎn)發(fā)了1057次（采樣時(shí)間為2013年3月4日-2013年3月31日）。利用PRALR算法對(duì)以上兩個(gè)話題的轉(zhuǎn)發(fā)規(guī)模進(jìn)行預(yù)測(cè)，分別得到了其轉(zhuǎn)發(fā)次數(shù)隨時(shí)間的變化趨勢(shì)，如圖1所示。結(jié)果表明，PRALR算法可以有效地預(yù)測(cè)微博輿情話題轉(zhuǎn)發(fā)規(guī)模的演化趨勢(shì)。

圖1 話題轉(zhuǎn)發(fā)規(guī)模隨時(shí)間的變化趨勢(shì)

5 結(jié)論

本文分析了影響微博用戶輿情話題轉(zhuǎn)發(fā)行為的相關(guān)因素，利用邏輯回歸模型，對(duì)微博用戶的輿情話題轉(zhuǎn)發(fā)行為進(jìn)行了預(yù)測(cè)。此外，本文還將微觀層面上的個(gè)體用戶行為與宏觀層面上的微博網(wǎng)絡(luò)話題傳播過(guò)程相結(jié)合，給出了一個(gè)基于個(gè)體行為的微博輿情話題轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)算法——PRALR算法。實(shí)驗(yàn)結(jié)果表明，本文給出的微博用戶輿情話題轉(zhuǎn)發(fā)概率預(yù)測(cè)模型，及預(yù)測(cè)微博輿情話題轉(zhuǎn)發(fā)規(guī)模的PRALR算法，均具有較高的預(yù)測(cè)精度。本文的研究工作將為相關(guān)部門制訂有效的微博輿情話題控制策略提供一定的理論依據(jù)。

[1]D J Zhao，M B Rosson.How and Why People Twitter：The Role that Micro －blogging Plays in Informal Communication at Work [C]//In Proceedings of ACM 2009 International Conference on Supporting GroupWork， Florida， 2009：243－252.

[2]吳凱，季新生，劉彩霞.基于行為預(yù)測(cè)的微博網(wǎng)絡(luò)信息傳播建模[J].計(jì)算機(jī)應(yīng)用研究，2013，30（6）：1809－1812.

[3]張旸，路榮，楊青.微博客中轉(zhuǎn)發(fā)行為的預(yù)測(cè)研究[J].中文信息學(xué)報(bào)，2012，26（4）：109－114.

[4]張華平， 劉群.中文自然語(yǔ)言處理開發(fā)平臺(tái)[EB／OL].[2013－03－01].http：//www.nlp.org.cn.

[5]林學(xué)民，王煒.集合和字符串的相似度查詢[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（10）：1853－1862.

[6]R Narayanam，Y Narahari.A Shapley Value－based Approach to Discover Influential Nodes in Social Networks [J].IEEE Transactions on Automation Science and Engineering， 2011，8（2）：130－147.

[7]何靜，郭進(jìn)利.基于改進(jìn)PageRank算法的微博用戶影響力研究[J].中國(guó)報(bào)業(yè)，2013 （2）：21－23.

[8]苑衛(wèi)國(guó)，劉云，程軍軍，等.微博雙向“關(guān)注”網(wǎng)絡(luò)節(jié)點(diǎn)中心性及傳播影響力的分析[J].物理學(xué)報(bào)，2013，62（3）.