微博網(wǎng)絡(luò)較大度值用戶特征分析

馮新穎河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，天津 300000

微博網(wǎng)絡(luò)較大度值用戶特征分析

馮新穎
河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，天津 300000

通過研究微博用戶網(wǎng)絡(luò)的度分布，有助于研究信息的傳播過程、更深入了解網(wǎng)絡(luò)信息得傳播規(guī)律，而作為度值分布中得較大度值用戶——明星或公眾用戶，在信息傳播中具有獨(dú)有的特性。通過對(duì)明星用戶微博信息傳播機(jī)制和方式的分析，進(jìn)而找出較大度值用戶的信息媒介特征，并對(duì)其微博信息傳遞特征進(jìn)行了數(shù)據(jù)建模分析，總結(jié)了其特征。

微博信息傳播模型；網(wǎng)絡(luò)度值分析；較大度值用戶

作為社交網(wǎng)絡(luò)的典型代表——微博已經(jīng)成為當(dāng)今信息獲取、分享、傳遞的最快捷的平臺(tái)之一。而在用戶網(wǎng)絡(luò)信息的傳播中，度值較大的用戶，即粉絲數(shù)目較多的明星或者公眾人物用戶的媒介作用非常明顯。顯然，對(duì)度值較大的微博用戶的特征分析也尤為必要，無論是從企業(yè)運(yùn)用明星效應(yīng)營銷或者社會(huì)傳播學(xué)的角度考量，對(duì)度值較大的用戶特征分析都具有意義。然而目前針對(duì)度值較大的明星或者公眾用戶特征研究的文獻(xiàn)，尚待深入和細(xì)化。本文從微博網(wǎng)絡(luò)出入度分析、較大度值用戶信息傳播模式分析、較大度值用戶度值特征分析3個(gè)方面來加以探討。

1 微博網(wǎng)絡(luò)出入度分析

微博用戶網(wǎng)絡(luò)屬于拓?fù)浣Y(jié)構(gòu)中的有向網(wǎng)絡(luò)，所以研究微博用戶網(wǎng)絡(luò)的度值分布是必要的。一般來說，節(jié)點(diǎn)度值越大，意味著節(jié)點(diǎn)越重要。對(duì)網(wǎng)絡(luò)度分布統(tǒng)計(jì)有兩種辦法：

1）概率密度法（Probability density function，PDF），即通過對(duì)度值有序排列，然后計(jì)算各度值節(jié)點(diǎn)數(shù)占總節(jié)點(diǎn)數(shù)的比例。

2） 累 計(jì) 分 步 法（Cumulative distributions function，CDF），即在對(duì)度值排序時(shí)設(shè)置K值，計(jì)算度值大于K值的節(jié)點(diǎn)數(shù)占總節(jié)點(diǎn)數(shù)的概率。CDF并沒有PDF法直觀形象，在此選擇運(yùn)用PDF法，但網(wǎng)絡(luò)規(guī)模宏大，想要獲取拓?fù)鋽?shù)據(jù)其實(shí)是很困難的，一般采用樣本法，進(jìn)行“滾雪球”，得到冪律分布，但在統(tǒng)計(jì)指標(biāo)計(jì)算中會(huì)造成社會(huì)網(wǎng)絡(luò)的冪率偏差，因此我們可以直接利用戶頁面的數(shù)據(jù)進(jìn)行計(jì)算，得到圖1（a）和（b）［1］。在圖1中我們用出度表示被其它用戶關(guān)注的程度，用入度表示關(guān)注其他用戶的程度。

由圖1所知，首先，微博用戶出度分布中負(fù)冪律指數(shù)直線具有重尾現(xiàn)象，即大量用戶的出度小，少量用戶出度大，即明星或公眾用戶數(shù)量少但受關(guān)注度很高，大多數(shù)粉絲量很少。其次，值得注意的是由于微博的無標(biāo)度特性，而不同節(jié)點(diǎn)度值差異性極大，對(duì)于出度較大（明星用戶）的點(diǎn)，一旦發(fā)出信息很快波及整個(gè)網(wǎng)絡(luò)，入度較大的點(diǎn)，亦如此。最后，由對(duì)上述出入度分布值的轉(zhuǎn)換計(jì)算，說明像明星用戶這樣較大度值用戶的高出入度并不呈現(xiàn)高度相關(guān)性，即微博限制了較大度值用戶的出度，同時(shí)由于粉絲傾向連接出度較大的明星用戶，導(dǎo)致相關(guān)系數(shù)大大下降［2-4］。

圖1　出入度分布

2 微博較大度值用戶信息傳播模式分析

SNS （Social Networking Services）即社交網(wǎng)絡(luò)，是人們根據(jù)六度分割理論［5］創(chuàng)立的面向社會(huì)性網(wǎng)絡(luò)的互聯(lián)網(wǎng)服務(wù)。典型的SNS包括人人網(wǎng)、開心網(wǎng)等，在國內(nèi)知名的新浪微博，現(xiàn)在的SNS除了信息發(fā)布，也全面整合了各種社交功能。

2.1樣本獲取

首先通過新浪微博API獲取樣本數(shù)據(jù)，然后利用微博公開接口獲得關(guān)于某條較大度值用戶（明星用戶）的原創(chuàng)微博的所有轉(zhuǎn)發(fā)，同時(shí)根據(jù)轉(zhuǎn)發(fā)中的@等標(biāo)簽，編制程序提取所含的傳播信息并構(gòu)建出完整的傳播路徑。最后，將獲得的數(shù)據(jù)錄入進(jìn)EXCEL軟件，運(yùn)用以一定的格式輸入到Microsoft Excel文件，使用Cytoscape軟件繪制傳播路徑圖，建立傳播模型，揭示信息傳播過程［6］。

2.2模型假設(shè)

1）在用戶初次接觸信息階段，只能從上層用戶獲取信息。

2）用戶參與信息傳播環(huán)節(jié)，并有與其他用戶的互動(dòng)。

3）每個(gè)用戶的多次轉(zhuǎn)發(fā)，僅統(tǒng)計(jì)一次。

2.3模型建立

微博社交網(wǎng)絡(luò)最基本的兩種行為包括信息關(guān)注和向外分享，同時(shí)用戶的評(píng)論對(duì)信息的傳播有很大的影響，積極的或者消極的作用，甚至出現(xiàn)刪掉微博信息的狀況。在微博中，明星或公眾用戶作為制造話題的主要來源，在內(nèi)容的釋放和接受時(shí)，很難選擇信息釋放的范圍，其釋放和接受的速度也很驚人。因?yàn)槲⒉┲饕诜鞘烊巳ψ又羞M(jìn)行信息傳遞，對(duì)于信息將被誰獲得、怎樣傳播很難控制。圖2構(gòu)建了微博中較大度值用戶信息傳播模型。

圖2 較大度值用戶信息傳播模型

圖2中圓圈表示粉絲關(guān)注，由信息傳遞模型可知，明星或公眾用戶的狀態(tài)通過3條途徑以很高的速度被大量關(guān)注，除了粉絲關(guān)注外還有第三方插件平臺(tái)制造話題和好友轉(zhuǎn)發(fā)這兩個(gè)不可忽略的途徑，很明顯后兩者也起到了很重要的作用。

2.4數(shù)據(jù)計(jì)算與繪圖

將從新浪微博中獲取的數(shù)據(jù)，輸入軟件按照模型進(jìn)行計(jì)算，繪制傳播路徑圖，得到多關(guān)鍵點(diǎn)傳播路徑圖。

在多關(guān)鍵點(diǎn)傳播路徑中，對(duì)于度值較大的博主第一次轉(zhuǎn)發(fā)一般并不是很多，但是隨著好友或者某個(gè)粉絲，或者某個(gè)媒體平臺(tái)進(jìn)行再次創(chuàng)造或轉(zhuǎn)發(fā)進(jìn)行推升，就會(huì)讓傳播速度瞬間“感染”很多讀者，這里的關(guān)鍵人物一般為2～3個(gè)，然而關(guān)鍵人物起了重要作用。另外，當(dāng)微博本身的可靠性高具有推升力，或者關(guān)鍵人物數(shù)量增加，關(guān)鍵點(diǎn)就會(huì)增加，多關(guān)鍵點(diǎn)式變?yōu)椤捌压⑹健眰鞑ィ?］。對(duì)于名人和草根熱門中很容易形成蒲公英式傳播。

3 較大度值傳播主體特征分析

3.1名人信息更細(xì)化

微博進(jìn)一步發(fā)揮了名人效應(yīng)作用，讓眾多明星變身“微博控”。微博極大地加強(qiáng)了與粉絲之間的互動(dòng)性，通過關(guān)注明星狀態(tài)，可以了解所關(guān)注的明星心情、生活狀態(tài)、去哪里旅游見了什么人等等，名人信息更加細(xì)化。

3.2企業(yè)主微博用戶量增加

微博為企業(yè)主體提供了新的營銷思路，可以申請(qǐng)微博號(hào)成為較大度值傳播主體，因?yàn)槠湫麄鏖T檻低，可以為企業(yè)節(jié)約大量經(jīng)濟(jì)成本，最終實(shí)現(xiàn)微傳播、大營銷的新格局。使得企業(yè)主申請(qǐng)微博通過發(fā)動(dòng)員工關(guān)注，成為較大度值用戶，具有明星效應(yīng)。

4 結(jié)論

微博中信息的傳播速度和模式與很多因素有關(guān)，包括信息源的關(guān)鍵詞分解和語義定析、各節(jié)點(diǎn)的人際關(guān)系或者發(fā)表時(shí)間等因素有關(guān)。研究微博中較大度值用戶信息的傳播模式和特征對(duì)于企業(yè)和社會(huì)傳播學(xué)的研究都具有很重要的經(jīng)濟(jì)價(jià)值和社會(huì)效益［8］。

［1］樊鵬翼，王暉，姜志宏，李沛.微博網(wǎng)絡(luò)測(cè)量研究［J］.計(jì)算機(jī)研究與發(fā)展，2012（4）：691-699.

［2］Sina Microblogging［OL］.［2011-03-07］.http：//t.sina. com.

［3］XPath［OL］.［2011-03-07］.http：//www.W3.org// TR//xpath，2011.

［4］Newman M E J.Random graphs with clustering ［J］. Physical Review Letters ，2009，103（5）：058701.

［5］Duncan J1Watts. Six Degrees: the Science of a Connected Age ［M］.New York:W.W.Norton＆amp;Company，2003.

［6］新型社交網(wǎng)絡(luò)信息傳播特點(diǎn)和模型分析［J］.現(xiàn)代情報(bào)，2012（1）：56-58.

［7］馮芳芳.基于SNS的企業(yè)競(jìng)爭(zhēng)情報(bào)搜集［J］.農(nóng)業(yè)圖書情報(bào)學(xué)刊，2010（12）：49-52.

［8］于晶，劉臣，單偉.在線社會(huì)網(wǎng)絡(luò)中信息傳播的結(jié)構(gòu)研究［J］.情報(bào)科學(xué)，2013（12）：136-146.

G2

A

1674-6708（2016）170-0076-02

馮新穎，研究生在讀，河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，研究方向?yàn)楣芾砜茖W(xué)與工程。