李卫东 贺 涛
导 读
以微博为代表的社交媒体呈现出复杂网络的特征。基于社交媒体的舆论场是一个以关系为基础的复杂网络；其舆论演化具有复杂网络的特征；其舆论引导依托于复杂网络的思想，即软性的、开放式引导。
社会网络分析方法常用于分析社交媒体现象，其理论基础也是复杂网络思想。社会网络分析主要关注节点之间的关系、个体网络的结构，以及节点与关系衍生的社会资本。通过社会网络分析，可以对数据进行追踪，挖掘舆情传播的路径与过程，挖掘热点话题，寻找关键节点，如辨识意见领袖，及其意见传播路径。
在“长春随车被盗婴儿”事件的分析中，本文采取社会网络分析方法，并应用软件构建并生成微博舆论传播的复杂网络，从“总体特征”“中心性”“凝聚子群”三个维度计算分析该复杂网络的结构特征。
在这个事件中，微博舆论传播的复杂网络结构趋于稳定，信息渠道通畅但较为分散。随着转发层级的增加，网络中心节点的权力权重和对网络关系链路的掌控程度逐层下降；舆论发展过程中，网络拓扑结构从稳定球形状态向辐射链路型状态变化，中心节点数量不断增加，节点间链路从单一层级向多层级发展。群体内信息的传递是一种类似于“星型结构”的辐射性扩散模式，缺乏双向信息流通渠道。
这也令我们开始思考如何运用复杂网络分析网络舆论，即:从网络的几何性质、网络的形成机制、网络的演化规律、网络的模型性质、网络的结构特性、网络的演化动力学机制等角度来分析舆论的生成、发展和演变规律。
微博能融合现实世界和虚拟世界，具有很强的社会动员能力，能让社会矛盾在网络中迅速扩散，已经成为公共舆论的“放大镜”“回音壁”和“晴雨表”。微博用户相互连接形成的复杂网络是微博舆论形成和传播的重要平台，科学认识这一复杂网络是深化认识微博舆论传播规律的基础理论问题。但微博舆论在发展过程中会形成什么样的复杂网络拓扑结构？复杂网络的拓扑结构是如何演化的？这是亟待回答的两个关键的科学问题。本文综合运用传播学、复杂网络学和社会动力学等多学科的相关理论与方法，构建起微博舆论传播的复杂网络拓扑结构模型，分析了其结构特征和演变机制，试图回答上述科学问题，具有理论价值和现实意义。
一、研究设计
本文主要应用社会网络分析方法，选取某一个网络热点事件进行个案分析。具体操作是对该舆论信息传播的整个周期进行跟踪调查，形成舆论信息发布和转发的记录数据库。根据数据库中的信息来构建若干个时间点的舆论信息传播复杂网络的关系矩阵。采用UCINET社会网络分析软件，自动生成每个时间点的信息传播网络的结构模型，分析其演化特征。
本文对“长春随车被盗婴儿”事件展开个案分析，对该事件舆论传播的整个周期进行跟踪调查，生成舆论信息发布和转发记录数据库。将信息发布者、转发者视为网络节点，当一个节点转发另外一个节点发布的信息时，视为二者间建立了信息传播关系。
本文基于互联网和移动互联网平台，将舆论传播网络中的节点分为组织机构、新闻媒体、专家学者、明星名人、人气草根、普通草根六种类型。基于信息的传播方式，本舆论网络节点间的状态有接听状态（获取某信息但没有形成反馈行动）和通话状态（获得某信息并产生转发行为）两种。
（一）数据采集方案
微博舆论信息传播网络这个大系统里的每一位微博用户、每一个信息发布客户端、每一个用户群体等都可以是一个信息传播网络的节点，同时每一个节点既是传播者，也是接收者。
本文对“长春随车被盗婴儿”事件进行个案分析，采集关键性微博信息，搜集每条微博信息转发列表中的100个微博用户，并搜集微博用户相关属性信息。数据采集主要包括两个步骤:现实微博环境数据搜集，构建舆论信息传播行为信息数据库。
1.现实微博环境数据搜集
搜集微博环境数据主要涉及舆论传播参与者的微博用户信息和微博转发关系信息。微博用户信息具体包括用户的用户名、性别、认证、职业或行业、粉丝数等属性信息；微博转发关系信息具体包括微博信息、微博转发路径信息。
其中，微博信息筛选和评定标准主要依据三个维度。（1）舆论的发展阶段。具体操作是根据舆论的发展过程划分为形成、爆发、缓解和平息4个阶段，采集每个阶段的典型微博信息；（2）发布人的属性。微博舆论中重要信息的发布者一般包括公众人物、舆论事件相关机构及舆论事发地用户，集中采集这几类用户在本事件中的微博信息；（3）信息内容的视角。采集在舆论发展过程中起到转折作用的微博信息。
转发路径信息主要包括直接转发和间接转发两类。其中直接转发表示两个用户间无须中间人即可构成信息传播关系，而间接转发标明两个用户间至少需要1个中间人才能构成信息传播关系。针对两类转发方式主要搜集转发者和被转发者的行为信息，具体的信息采集包括两个方面:（1）转发层级——转发者所属的层级群体；（2）转发者的后续行动——再次被转发的转发数和转发者的身份属性和群体属性等信息。
2.构建舆论信息传播行为信息数据库
构建舆论信息发布和转发的记录数据库主要用于探究微博舆论传播过程中各节点信息传播特征及路径趋势。数据库的构建主要是对已收集的用户信息和微博转发关系信息数据库进行梳理并形成相应的编码体系。
整理微博信息传播路径数据有三点原则:（1）分别建立事件微博信息内容数据库、微博用户信息数据库和舆论信息转发信息数据库，通过对微博舆论参与用户建立编码体系关联三个数据库；（2）以微博用户名区分传播网络中的节点，并进行编码；（3）只关注3级转发层级，主要层级有“源头”“一级转发”“二级转发”“三级转发”。编码体系见表10-1。
表10-1 转发层级编码表
（二）数据采集结果
针对“长春随车被盗婴儿”事件，共采集到10条关键性微博信息。去除无效节点，本次共获取902个节点，其中源头节点10个，一级转发节点760个，二级转发节点96个，三级转发节点36个。后续研究中将902个节点根据“表10-1中的转发层级编码表”进行编码。“长春随车被盗婴儿”微博信息内容数据库中的部分内容见表10-2。本次研究样本男女比例为1.29∶1，其中认证用户达34.3%。
表10-2 “长春随车被盗婴儿”微博信息内容数据库（片段）[77]
续表
微博网络中的节点属性信息见表10-3，其中草根节点（普通草根和人气草根）占总样本的75%。
表10-3 节点身份属性比例分布表
二、微博舆论传播的复杂网络拓扑结构模型和特征分析
社会网络分析通常认为行动者之间如果存在关系（ties），这个“关系”常常代表具体的联络内容（relational content）或者现实中发生的实质性的关系。微博平台中行动者间的“关系”主要有“评论”“转发”和“收藏”，其中“转发”行为可以带来信息的再次传递和扩散，而“评论”行为无法产生大量、一致性的信息传播。
本文主要探讨一个舆论事件中微博平台内行动者之间的转发关系，对整个舆论网络结构的测度包括各种图表特征（graph properties）、网络密度（denity）、节点角色和位置（positions）。
（一）拓扑结构模型的生成
基于舆论信息传播行为信息数据库，通过UCINET软件生成的微博舆论传播的复杂网络拓扑结构图，如图10-1所示。整个复杂网络拓扑结构图呈现球形状态，大部分节点间距离分布较为均匀，节点间的关系连线有较为明显的指向性。
图10-1 “长春随车被盗婴儿”微博舆论传播的复杂网络拓扑结构图
（二）总体特征分析
舆论网络拓扑结构分析包括整体网的密度和规模、网络成员之间的距离两个方面。
1.整个网络的密度和规模
本文共搜集902个节点的“属性数据”和“关系数据”，因此整个舆论传播网络的规模是902。通过软件分析计算得到该网络的密度是0.9959，网络中关系的标准差为0.0638。数据标明，整个网络规模较大，网络密度较高，离散程度较低，网络状态稳定性较强。
2.网络成员之间的距离
最优途径是指“费用”最小的途径，其中一个途径的“费用”是该途径上所有赋值之和。计算得到，本网络的平均距离为1.12。建立在“费用距离”基础上的凝聚力指数为0.94（本数值范围［0，1］，数值越大表示凝聚力越强）。因此经过数据计算可以判断，该复杂网络节点间的平均距离为1.12，网络节点间的关系较为紧密，凝聚力强。
（三）中心性分析
中心性分析可以对一个网络中的个体权力进行量化，通常用于衡量网络中个人或组织的权力属性、地位分配和信息传播掌控权重等，对了解整个网络的信息渠道和信息传递机制有着较为重要的作用。具体分析操作可以通过度数中心度、中间中心度和接近中心度三种量化方式展开。[78]
1.度数中心度
度数中心度代表与节点直接相连的节点的个数，每个节点有其对应的出度和入度。节点出度显示与该节点所直接指向节点的节点总数，节点入度则是直接指向该节点的节点总数。以微博信息传播为例，节点出度表示节点“被转发”的程度，节点入度则是节点“转发他人”（其他节点）的程度。
通过转发层级的划分，分别绘制每个层级的度数中心度分布曲线图。主要从曲线的变化频率、曲线的波峰和波谷、曲线值范围三个角度展开分析。
源头节点度数中心度分布曲线见图10-2。据图10-2显示，源头节点层的总出度数大于总入度数。其中度数最大的四个节点8、3、1、5、9的出度分别为86、76、69、53、53，入度均为0。
图10-2 源头节点度数中心度分布曲线
一级转发层节点度数中心度分布曲线见图10-3。据图10-3显示，一级转发层节点的出度和入读变化频率较高，总入度数大于总出度数。其中度数较大的节点有101、303、107、304、705、706，出度分别为5、2、2、1、2、2，入度分别为1、3、1、2、2、2。
图10-3 一级转发节点度数中心度分布曲线
二级转发层节点度数中心度分布曲线见图10-4。据图10-4显示，二级转发层级相比一级转发层级变化频率更高，节点的入度状态相比出度更稳定；其中度数较大的节点有33201、40201、50201、70401、90101，出度分别为2、3、2、3、3，入度均为1。
整个网络的标准化点出度中心势和点入度中心势分别为16.741%和0.402%，中心势值愈趋近1，说明网络具有集中趋势。数据表明，出度中心势大于入度中心势，“被转发”群体的中心势较大，该群体具有较明显的集中趋势；“转发他人”群体的中心势较低，群体的集中趋势不明显，分散性较强。
图10-4 二级转发节度数中心度分布曲线
2.中间中心度
通常情况下，一个节点若处于多个网络路径中，可以推断其在整个网络中处于重要地位，并且可以通过掌控或修改信息的传递达到影响群体的目的。中间中心度可以作为测量节点对网络资源控制程度的一个指标。
图10-5 “长春随车被盗婴儿”微博舆论传播网络中间中心度分布曲线
“长春随车被盗婴儿”微博舆论传播的复杂网络中间中心度分布曲线见图5所示，整个中间中心度分布曲线波动范围较为集中，值域变化范围较大，为［0，8，726］。中心节点的中间中心度值较高，并且大都集中在源头节点层级和一级转发层级，超过3层的转发层级的中间中心度值接近于0。整个舆论传播网络的平均中间中心度为73.143，标准差为591.299，总和为37，303.000，最大值为 8，726.000，最小值为0.000，标准化中间中心势为3.35%。该网络的中间中心势数值较低，表明网络一致性程度较低，状态趋向分散。
3.接近中心度
研究数据显示，整个舆论传播网络的平均中间中心度为0.606，标准差为0.251，综合为308.884，最大值为1.092，最小值为0.000，标准化接近中心势为48.86%。
（四）凝聚子群分析
作为一种社会结构的研究，派系的计算需要经过“二值化”处理、“分析强或弱‘成分’”“派系分析”“n-cliques”四个步骤。经过计算发现，该网络中存在0个派系，46个“2-clique”分派派系，节点8、1、3、5、7在网络中占有重要位置。
“派系分析”数据显示，该舆论网络中存在0个派系，即不存在“互惠”关系的派系；“n-cliques”分析主要用于发现联系非紧密的凝聚子群，这种群体间同样能进行信息的沟通。图10-6显示派系群体聚集度较高，部分小规模派系中出现重叠现象。
图10-6 聚类分析图
在针对接近中心度的研究中发现，本舆论传播网络的接近中心势为48.86%，有较明显的星型结构趋势（“星型结构”的接近中心势值接近100%）。“派系分析”数据结果显示，大多数派系中节点的信息来源于同一个源头节点。因此本舆论网络中派系内节点间信息的传递是一种类似于“星型结构”的辐射性扩散模式。
三、微博舆论传播的复杂网络演化机制
在微博的用户群体构成中，大多数用户是“名人”的追随者，单向收听模式是促成信息传播的特有机制。这种不对称的人际关系造成大多数的信息流通是从“意见领袖”流向“草根”。“意见领袖”通过“话题”引导公众知晓事件并参与舆论。话题的产生有其特定的传播范围、传播环境，需要传者和受众的参与才能形成相应的话题。每个阶段舆论话题有其特殊的表现形式和演化脉络。舆论爆发阶段是话题多样化程度较高的时期，此时间段话题将集中从事件发展、后果、成因等各个角度推动舆论的演化，其中大多数的热点话题讨论是由复杂网络中的“意见领袖”发起。当话题相关信息扩散至分众群体，分众群体依次传递信息至各自的粉丝群，从而可以形成规模化的传播群体。话题、意见领袖和分众粉丝群是微博舆论传播复杂网络演化过程中的重要影响因素，其相互间的作用机制见图10-7。
图10-7 话题、意见领袖以及分众粉丝群间的作用机制
以下将基于话题、意见领袖以及分众粉丝群三个角度分析微博舆论传播的复杂网络演化机制。
（一）微博舆论话题发展过程中复杂网络的演化
微博舆论话题的形成和转化过程一般可划分为“舆论形成”“舆论爆发”“舆论缓解”和“舆论平息”四个阶段。根据这四个阶段，可从时间线角度分析微博舆论传播的复杂网络的拓扑结构演化。
舆论形成阶段:微博话题主要表现为介绍事件背景情况和搜集相关资料，舆论态度较为一致，此阶段的复杂网络拓扑结构图见图10-8。由图可见，拓扑结构呈现稳的定球形状态，中心节点数较少，节点间直接链路占主导。
图10-8 舆论形成阶段复杂网络拓扑结构图
舆论爆发阶段:随着舆论范围的扩散，舆论爆发阶段的热点话题开始呈现多样化趋势，此阶段话题主要集中在“304案件实时动态”“婴儿搜寻情况”“全民自发搜救行动”“美国类似婴儿被盗事件，结果截然不同”“对社会道德底线的探讨”5个方面，此阶段的复杂网络拓扑结构图见图10-9。由图可见，此阶段网络拓扑结构呈现球形状态，相比舆论形成阶段，中心节点的数量增多，节点间的多层级链路增多。
舆论缓解阶段:事件进入尾声，公众对事件的投入转为疲软状态，舆论开始慢慢缓解。此阶段话题从多样化逐渐向单一化转变，主要集中于“嫌疑人周喜军自首”“婴儿遇害”两个方面，此阶段的复杂网络拓扑结构图见图10-10。由图10-10可见，此阶段网络拓扑结构呈现辐射链路状态，相比爆发阶段，中心节点数降低，节点间的多层级链路有所降低。
图10-9 舆论爆发阶段复杂网络拓扑结构图
图10-10 舆论缓解阶段复杂网络拓扑结构图
舆论平息阶段案件告破，事件得以解决。话题主要集中于对事件背后的成因和社会影响的讨论，此阶段的复杂网络拓扑结构图见图10-11。由图10-11可见，此阶段网络拓扑结构呈现辐射链路状态，相比缓解阶段，中心节点数大量减少，节点间的链路以单一层级为主。
图10-11 舆论平息阶段复杂网络拓扑结构图
上述各个阶段的复杂网络的拓扑结构特征对比分析结果见表10-4。对比分析“出度中心势”“入度中心势”和“中间中心势”三项指标值的变化发现，舆论爆发阶段中心节点对舆论的控制力度最低，舆论缓解阶段中心节点对舆论的控制力度最高。对比分析“网络成员间平均距离”和“凝聚指数”两项指标值的变化发现，舆论爆发阶段网络的凝聚力较强，舆论参与者间关系较为紧密；而舆论缓解和平息阶段网络成员间距离不断增大，凝聚指数不断降低，表明网络离散程度增强，舆论参与者间联系紧密程度降低。
表10-4 不同微博舆论发展阶段网络特征数据表
续表
综合分析发现，微博舆论发展过程中网络拓扑结构从稳定球形状态向辐射链路型状态变化，中心节点数量不断增加，节点间链路从单一层级向多层级发展。话题处于活跃多元化状态的舆论爆发阶段，整个网络的凝聚力较强，舆论参与者间关系较为紧密，中心节点数量较多，节点间多层级链路较多；舆论话题处于较为单一状态的舆论阶段，网络成员间距离不断增大，凝聚指数不断降低，网络逐渐向离散状态变化，舆论参与者间联系逐渐疏远，中心节点数量较少，节点间单一层级链路较多。由此可见，话题状态的变化对舆论传播网络的凝聚力和舆论参与者的积极性有着较为重要的影响。
（二）微博舆论传播复杂网络演化中的“意见领袖”
1.“意见领袖”的识别方法
本文主要通过度数中心度和中间中心度两种方式识别中心节点。网络特征研究数据显示，微博舆论传播的复杂网络不同层级的度数中心度差异较大，因此将分层级对每层级节点的度数中心性和中间中心性进行对比分析，以度数中心度和中间中心度两项指标值较大的节点为中心节点，即“意见领袖”。中心节点对应的微博用户列表如表10-5。
表10-5 “意见领袖”节点详细信息
续表
根据UCINET软件推算出的每个转发层级的中心节点，其中人气草根5个，明星名人类型有4个，组织机构有3个，新闻媒体1个，专家学者1个。14个“意见领袖”样本中，人气草根比例最高，新闻媒体和专家学者比例最低。
2.中心节点的演化特征
源头层级、一级转发和二级转发层级前5个节点的度数中心度和中间中心度的对比分析见图10-12。据图10-12显示，三个层级度数中心度总值和中间中心度总值变化趋势图、曲线斜率变化表示、中间中心度和度数中心度的变化趋势较为接近；相比源头层级，一级转发层级中心节点的中间中心度值和度数中心度值明显降低，二级转发层级中心节点相比一级转发层级中心节点的两项指标值降低速率减缓。
图10-12 三个层级度数中心度总值和中间中心度总值变化趋势图
源头层级中心节点度数中心度和中间中心度变化曲线见图10-13，一级转发和二级转发层级中心节点度数中心度和中间中心度变化曲线见图10-14。据图10-13和图10-14显示，源头层级中心节点的度数中心度和中间中心度的变化规律较为相似，两项指标变化曲线的波峰和波谷出现的位置较为一致；一级转发层级和二级转发层级中心节点的度数中心度和中间中心度曲线变化规律较为随机，两项指标变化曲线的波峰和波谷出现的位置呈相反状态。
综上所述，随着转发层级的增多，中心节点的度数中心度值和中间中心度值呈现下降趋势，两项指标值的变化规律从较为一致转变为相反变化状态。由此可见,进入后续转发的过程中，中心节点的权力权重和对网络关系链路的掌控程度逐层下降，中心节点的权力权重越大并不代表其对网络关系链路的掌握程度越高。
图10-13 源头层级中心节点度数中心度和中间中心度变化曲线
图10-14 一级转发和二级转发层级中心节点度数中心度和中间中心度变化曲线
（三）微博舆论传播复杂网络演化中的分众粉丝群
“n-cliques”派系分析计算出本网络中存在46个“n-clique”分派派系，每一个派系中的节点隶属相同的微博信息，即相同的源头节点。不同派系间缺乏中间节点，派系内部节点间的信息流通需要通过源头节点，节点间没有信息流通渠道。因此，网络派系内节点间信息的传递是一种类似于“星型结构”的辐射性扩散模式，具体如图10-15所示。
本文所分析的10条微博样本中，转发总数是777,597，被评论总数是138,988。从数据中可以看出，分众粉丝群的多层级结构可以带来信息的大范围、深层次的传播。但“n-cliques”派系分析结果说明分众粉丝群内部缺乏信息流通渠道，群体间信息的流通需要通过“源头节点”或“意见领袖”，节点间没有信息流通渠道。群体间信息有广泛的单向传递机制，缺乏双向的反馈机制和内部信息环路，同时群体内部关系链路的稳定状态易受到外部因素的影响。
图10-15 派系信息传播模式图
四、结论和政策建议
（一）研究结论
本文对“长春随车被盗婴儿”事件进行个案研究，采取社会网络分析研究方法并应用UCINET软件构建并生成微博舆论传播的复杂网络，从“总体特征”“中心性”“凝聚子群”三个维度计算分析该复杂网络的结构特征。研究结果主要包括两个方面。
1.微博舆论传播复杂网络的结构特征
基于社会网络分析的研究发现，“长春随车被盗婴儿”事件的微博舆论是一个“高密度、短距离”的结构的传播网络。整个网络趋于稳定，信息渠道通畅但较为分散，可以实现快速和直接的人际交流但缺乏群体间的信息流通。网络中大部分的关系链路处于离散、分隔的状态，中心节点对网络资源控制力较高，掌握舆论控制的权力主要集中在源头节点层级。网络中的“意见领袖”节点拥有不同的身份属性，网络中的派系内节点间信息的传递是一种类似于“星型结构”的辐射性扩散模式。
2.微博舆论传播复杂网络的演化特征
话题、意见领袖和分众粉丝群是微博舆论复杂网络形成过程中的重要影响因素。微博舆论发展过程中，复杂网络拓扑结构从稳定球形状态向辐射链路型状态变化，中心节点数量不断增加，节点间链路从单一层级向多层级发展；网络中心节点权力权重和对网络关系链路的掌控程度逐层下降。同时随着转发层级的增多，中心节点权力权重越大，其对网络关系链路的掌控程度可能越低。网络群体内节点间信息的传递是一种类似于“星型结构”的辐射性扩散模式，这种模式导致群体内部缺乏双向的反馈机制和环路信息渠道，对于群体内部问题或意见的一致性难以起到积极的促进作用，同时群体内部关系链路的稳定状态易受到外部因素的影响。
（二）政策建议
基于上述对微博舆论传播的复杂网络的结构特征分析和演化分析，本文就当前微博舆论的管理和治理提出三点建议。
1.建立“意见领袖”间的信息共享渠道和群体内部信息环路渠道
微博舆论传播网络群体内节点间信息的传递是一种类似于“星型结构”的辐射性扩散模式，群体内部缺乏信息环路传递渠道。“意见领袖”作为传播网络中关系链路资源的控制者，对群体间信息共享起着至关重要的作用。建立“意见领袖”信息渠道，有利于群体间信息的流通和共享；构建群体内部信息环路渠道，可以活跃处于离散、分隔的关系链接，提高群体内部节点对信息获知的一致性程度，会对突发公共事件的快速解决起到较为明显的促进作用。
2.应用多种信息互动渠道，弥补群体间信息渠道的不足
微博单向的信息传播模式导致整个网络的信息渠道是一种自上而下的传递方向，并且缺乏群体间的信息流通渠道。群体与群体间易形成信息孤岛，同时可能引发信息延迟、网络谣言等非理性传播行为，不利于问题的正常解决。融合论坛、门户网站、博客、微信等多种互联网信息技术平台，从而可以避免单向传播模式所带来的负面影响，增强群体间的信息传递。
3.加强信息的公开性和客观性，保持信息渠道的通畅性和透明度
话题的多样化可以引导具有多元化的舆论价值观，但不对称的单向信息传播机制易引发网络谣言、谩骂等非理性传播行为。新闻媒体和涉事机构作为事件现场的第一方，应尽己所能客观地反馈真实的现场信息，保证信息的及时性和透明度，引导正常的舆论观点，并向公众传递理性的舆论行为理念。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
