摘要：基于30條熱門微博的全部傳播數(shù)據(jù)及參與傳播的賬號關(guān)系，本報告利用數(shù)據(jù)挖掘方法量化地評估出各主題微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)的結(jié)構(gòu)特征、傳播特征、內(nèi)容特征，并以此建立全面、系統(tǒng)的綜合評價體系，再結(jié)合PageRank算法思想，提出了一種有效的核心傳播者挖掘算法，從而精準地評估各條微博中各節(jié)點的影響力差異，識別核心傳播者。最后依據(jù)核心傳播者的行為集合建立傳播模型，預測了單條微博的傳播規(guī)模。

由中國新聞史學會計算傳播學研究委員會與微熱點大數(shù)據(jù)研究院聯(lián)合舉辦的第二屆傳播數(shù)據(jù)挖掘競賽已圓滿落幕，15支戰(zhàn)隊盡顯風采。以下為“核心用戶挖掘與傳播規(guī)模預測”選題優(yōu)秀作品《社交媒體時代核心用戶識別與傳播規(guī)模預測分析》，由來自中國傳媒大學“豬頭DD的BoysandGirls天天有錢”精彩呈現(xiàn)。

一、引言

作為一種基于用戶關(guān)系信息分享、傳播以及獲取的社交平臺，當前微博已成為中國最重要的公共空間，而微博的核心傳播者起著輿論引導甚至改變輿情發(fā)展方向的重要作用。微博核心傳播者的挖掘?qū)π畔⒌膫鞑ヅc演化的深度分析、輿情監(jiān)控和引導都具有重要意義。另一方面，也為提供個性化服務(wù)以及差異廣告的投遞提供便利。如何挖掘微博核心傳播者，成為我們關(guān)注的議題。

二、問題的提出與分析

挖掘核心傳播者是本報告的核心議題。在此背景下，提出以下四個子問題：

1. 核心傳播者如何定義，存在什么樣的特征？
2. 未知個體身份信息的情況下，基于30條熱門微博的全部傳播數(shù)據(jù)及參與傳播的賬號關(guān)系，如何對核心傳播者的關(guān)鍵特征進行有效量化？
3. 如何基于量化的關(guān)鍵特征建立全面系統(tǒng)的評價體系并精準地評估各條微博中各節(jié)點的影響力差異，并識別核心傳播者？
4. 在有限的信息中如何較準確地刻畫出核心傳播者的行為畫像，進而建立有效的模型預測單條微博的傳播規(guī)模？

三、研究過程與方法

3.1 微博核心傳播者概念辨析

本報告中的“微博核心傳播者挖掘”和“意見領(lǐng)袖挖掘”不同。在《人民的選擇》中，拉扎斯菲爾德(Lazarsfeld)首次提出“意見領(lǐng)袖”。意見領(lǐng)袖作為媒介信息的影響的中繼和過濾環(huán)節(jié)，對大眾傳播效果產(chǎn)生重要影響，是大眾傳播中不可缺少的一部分。

關(guān)于微博意見領(lǐng)袖挖掘的研究眾多，但當前大多數(shù)挖掘意見領(lǐng)袖是基于微博整個的傳播環(huán)境而言。

本研究從給定的數(shù)據(jù)集里找“核心傳播者”，非嚴格意義上的“意見領(lǐng)袖”，不考慮用戶評論、點贊、活躍度等因素。筆者基于研究范圍，將本文的微博核心傳播者定義為：在微博信息傳遞中，對輿論的發(fā)展能起到關(guān)鍵性的導向作用，具有影響他人態(tài)度和行為的能力，能加快傳播速度并擴大影響的用戶。

3.2 核心傳播者影響力特征

基于對用戶節(jié)點的深度分析，綜合用戶節(jié)點的各類屬性，本研究基于30條熱門微博的全部傳播數(shù)據(jù)及參與傳播的賬號關(guān)系，選取用戶的結(jié)構(gòu)特征、傳播特征和內(nèi)容特征作為用戶影響力特征,并以此建立綜合評價體系：

3.2.1 結(jié)構(gòu)特征

結(jié)構(gòu)特征體現(xiàn)了用戶本身因素和所在網(wǎng)絡(luò)拓撲的結(jié)構(gòu)因素，通?？梢杂煞劢z數(shù)，關(guān)注數(shù)，中心度等屬性表示。附錄A圖1顯示了一個社交網(wǎng)絡(luò)拓撲圖。但由于數(shù)據(jù)集所限，同時為了提高準確度，本研究將用戶的結(jié)構(gòu)特征指標歸結(jié)為以下兩點：

（1）用戶關(guān)注數(shù)。關(guān)注數(shù)代表用戶能力范圍內(nèi)的信息接受度，核心傳播者的關(guān)注數(shù)應(yīng)該在一個合理區(qū)間內(nèi)。

（2）用戶粉絲數(shù)。因粉絲數(shù)在數(shù)據(jù)集中未給出，本研究使用倒排索引法從用戶關(guān)注集合中反向找出用戶粉絲集合。附錄A圖2顯示了該方法得到的用戶粉絲數(shù)符合冪律分布，且獲取的用戶為實際參與到傳播行為的“激活用戶”,是粉絲中對傳播貢獻最為顯著的部分，故可將該結(jié)果用于構(gòu)建用戶結(jié)構(gòu)特征指標。

3.2.2 傳播特征

用戶的傳播特征即用戶在信息傳播過程中的傳播行為特征，通常表現(xiàn)為在一段時間內(nèi)發(fā)布的微博數(shù)和微博被點贊、被轉(zhuǎn)發(fā)和被評論的數(shù)量等。同樣因數(shù)據(jù)集所限，只將特征固定在轉(zhuǎn)發(fā)數(shù)。同時，我們通常認為，當用戶發(fā)布的微博被非粉絲轉(zhuǎn)發(fā)條數(shù)越多，說明其影響力不局限于固定受眾，影響力可能越大。因此，本研究將傳播特征區(qū)分為粉絲轉(zhuǎn)發(fā)數(shù)和非粉絲轉(zhuǎn)發(fā)數(shù)。

3.2.3 內(nèi)容特征

在意見領(lǐng)袖挖掘問題中，用戶的影響力不能簡單地從結(jié)構(gòu)特征和行為特征衡量，還需要從語義內(nèi)容角度去評價特定用戶對于某一話題的觀點[1]，內(nèi)容特征參考以下兩點：

（1）文本相似度。微博社交網(wǎng)絡(luò)大量的“灌水”、“刷數(shù)據(jù)”的行為使得許多轉(zhuǎn)發(fā)行為在內(nèi)容上與原內(nèi)容無關(guān)，表達價值有限，因而引入文本相似度以衡量轉(zhuǎn)發(fā)文本與原微博在內(nèi)容上的相關(guān)程度，具有與原微博較高相似度的轉(zhuǎn)發(fā)文本才能真正傳播觀點和內(nèi)容，方能實現(xiàn)核心傳播者所應(yīng)具備的“擴大影響”以及“引導輿論走向”的職能要求。

（2）內(nèi)容情感傾向。在微博社交網(wǎng)絡(luò)中，原創(chuàng)微博會引發(fā)大量的轉(zhuǎn)發(fā)，轉(zhuǎn)發(fā)內(nèi)容綜合體現(xiàn)了眾人的褒貶情感。識別信息傳播過程中傳播者的主流情感態(tài)度, 有利于篩選出引導輿論發(fā)展方向、對其他受眾施加顯著影響的真正核心傳播者。

3.3 核心傳播者的指標權(quán)重

以結(jié)構(gòu)特征、傳播特征、內(nèi)容特征為分析指標，運用模糊層次分析法確定指標權(quán)重。模糊層次分析法（FAHP）判斷指標元素權(quán)重相較傳統(tǒng)的層次分析法具有計算過程復雜度低與計算結(jié)果分辨率高等優(yōu)點，有利于提高排序與決策的科學性。

3.4 核心傳播者挖掘算法

3.4.1 評價體系各指標量化方法

結(jié)構(gòu)特征和傳播特征數(shù)據(jù)能夠較為容易地從數(shù)據(jù)集中獲得。在內(nèi)容特征方面，對于情感指數(shù)，首先需要對用戶的轉(zhuǎn)發(fā)文本的情感極性進行分類。本文采用LSTM神經(jīng)網(wǎng)絡(luò)訓練了10萬條帶有正負情感標記的微博轉(zhuǎn)發(fā)、評論文本數(shù)據(jù)集，經(jīng)過五輪訓練，準確率高達94%，損失函數(shù)則低至0.37（見附錄A圖3），具有較好的預測效果。

隨后，由于模型的預測結(jié)果實際是文本內(nèi)容為正向及負向的雙向可能性，嘗試以情感極性的期望描述情感的強烈程度。（文本情感極性分析流程見附錄A圖4）眾多研究表明網(wǎng)絡(luò)的負面情緒往往相比正向情緒具有更大的傳播效果，因而得到公式:

文本相關(guān)度則利用TF-IDF算法獲取。由于微博轉(zhuǎn)發(fā)文本主要針對熱點事件、話題開展討論，共輸入1000余篇完成分詞的新聞文本構(gòu)造出詞典并構(gòu)建TF-IDF模型，最后以此進行原微博文本與轉(zhuǎn)發(fā)文本的相似度匹配。

3.4.2 預處理問題

在內(nèi)容屬性挖掘過程中，本研究首先對轉(zhuǎn)發(fā)文本的非漢字詞組、標點、用戶昵稱等進行了過濾。由于每種特征數(shù)據(jù)具有不同的量綱，因此采用min-max標準化對數(shù)據(jù)進行線性轉(zhuǎn)換，將結(jié)果映射到（0,1）之間。轉(zhuǎn)換函數(shù)為：

綜上得到綜合評價指數(shù)計算公式：

3.4.3 改進的PageRank算法

三維度的綜合評價體系可以有效評估一個節(jié)點本身的直接影響力，然而用戶的影響力與傳播效果除了本身的直接影響，還應(yīng)包括傳遞本節(jié)點觀點的后續(xù)節(jié)點傳播所帶來的間接影響。由此，本研究嘗試引入網(wǎng)頁排名算法PageRank 思想：

其中，Vn,Vn-1代表一系列節(jié)點組成pagerank值向量，M為N×N概率轉(zhuǎn)移矩陣。相較于傳統(tǒng)微博影響力研究針對粉絲-關(guān)注網(wǎng)絡(luò)進行PageRank計算，本研究創(chuàng)新性地將PageRank思想引入微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)。PageRank算法的思想與微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)相吻合。因此本研究將構(gòu)建由轉(zhuǎn)發(fā)者指向被轉(zhuǎn)發(fā)者的有向關(guān)系圖。

但PageRank的弊端在于過分看重外部鏈接的間接價值而忽視了節(jié)點本身的直接價值，前文所述三維度指標體系恰好可以較為全面評價一個節(jié)點本身的直接影響力和價值。參考陳淑娟[2]、馮勇[3]等的研究思路，本研究將節(jié)點i的綜合評價指數(shù)I作為權(quán)重參數(shù)乘至到PageRank轉(zhuǎn)移概率矩陣中第i列(即為所有節(jié)點鏈接到節(jié)點i的概率加權(quán))，從而影響PageRank的迭代結(jié)果。

本處數(shù)學處理的意義可解釋為：當一個轉(zhuǎn)發(fā)用戶的自身影響力與傳播價值較高，任何對他進行二次轉(zhuǎn)發(fā)的節(jié)點將有更大的概率將流量引向該用戶。

綜上，改進后的用戶影響力(User Influence, UI)的矩陣表達式如下：

其中AIndex為本微博各轉(zhuǎn)發(fā)節(jié)點綜合評價指數(shù)所組成的N×N對角矩陣，Vn為n次迭代后得到的N個節(jié)點的UI值組成的向量。

3.5 預測單條微博傳播規(guī)模

3.5.1 核心傳播者的信息傳播動力學建模

信息在社交媒體中的傳播模式呈現(xiàn)出去中心化的特點，核心傳播者在信息傳播過程中帶動了大量的二次傳播[4]。本研究對核心傳播者帶動的信息傳播模式進行可視化（附錄A圖5）發(fā)現(xiàn)，絕大多數(shù)的核心傳播者的轉(zhuǎn)發(fā)能夠迅速引起大量的二次轉(zhuǎn)發(fā)，之后轉(zhuǎn)發(fā)數(shù)迅速下降，進入到慢速傳播狀態(tài)，直至轉(zhuǎn)發(fā)數(shù)極低或者為零。

由此，本研究對核心傳播者的信息傳播模型借由Wang等人[5]的思想：在信息傳播初期，單位時間內(nèi)核心傳播者帶動的轉(zhuǎn)發(fā)數(shù)為冪律衰減函數(shù)，隨后核心傳播者的影響力和信息新鮮度下降，轉(zhuǎn)發(fā)數(shù)又呈現(xiàn)出指數(shù)衰減。因此將核心傳播者的信息傳播過程表示如下：

其中，F(xiàn)0，α，τ為預估參數(shù)。F0為用戶初始影響力，在本研究中，其決定因素為結(jié)構(gòu)特征；α為核心傳播者的影響力衰減速度，τ為核心傳播者影響力的持續(xù)時間，二者的大小是信息傳播過程中多種因素交織的結(jié)果，在本研究中簡化為由結(jié)構(gòu)特征、內(nèi)容特征和微博轉(zhuǎn)發(fā)時間決定。3.5.2 預測單條微博傳播規(guī)模

本研究將數(shù)據(jù)集中的30條熱門微博分為訓練集和測試集，其中訓練集內(nèi)微博數(shù)量為22，用來得到各個核心傳播者的參數(shù)；測試集內(nèi)微博數(shù)量為8，用來預測核心傳播者的單條微博傳播規(guī)模。

對訓練集中的所有核心傳播者分別用公式（6）進行非線性最小二乘擬合，得到各個核心傳播者的信息傳播模型參數(shù)，并利用相關(guān)系數(shù)R2進行擬合效果的評價。由于測試集中的核心傳播者不一定出現(xiàn)在訓練集中，所以當預測一個新的核心傳播者的傳播規(guī)模時，需要計算其與已知核心傳播者的差異。

本研究選用粉絲數(shù)、關(guān)注數(shù)、情感值、文本相關(guān)值和轉(zhuǎn)發(fā)時間距原微博發(fā)布時間的時間間隔五個特征來度量用戶屬性。對數(shù)據(jù)用式（2）進行標準化處理，得到用戶之間的距離計算公式為：

其中，x1k、x2k分別為用戶1和用戶2在第k維度的特征值。選取與當前核心傳播者距離最小的核心傳播者的參數(shù)作為前者的參數(shù)，從而預測當前核心傳播者單條微博的傳播規(guī)模。綜上，本研究的研究思路與流程如附錄A圖6所示。

四、研究結(jié)果與發(fā)現(xiàn)

4.1 數(shù)據(jù)集

本研究使用微博提供的基于30條熱門微博的全部傳播數(shù)據(jù)及參與傳播的賬號關(guān)系，附錄B表1為數(shù)據(jù)的基本概要，附錄A圖7為30條微博的主題分類。

4.2 綜合評價體系的構(gòu)建

本研究邀請了傳播學和大數(shù)據(jù)方向的專家進行對評價體系進行研判，被調(diào)查者結(jié)合輿情傳播理論和自身經(jīng)驗對影響指標因素，進行最小、中間、最大比值的三值評分，進而通過三角模糊法進行模糊層次分析，表1和附錄A圖8為得到的各指標權(quán)重。

4.3 核心傳播者挖掘結(jié)果

綜合評價體系中，結(jié)果特征、傳播特征均通過python的pandas等數(shù)據(jù)分析庫在源數(shù)據(jù)中進行定向抓取。情感分析采用keras進行LSTM模型的訓練并利用模型挖掘。以第26條微博“少年的你”數(shù)據(jù)結(jié)果為例，按PageRank排名取前十位核心傳播者見附錄B表2。

4.4 核心傳播者挖掘結(jié)果驗證與對比分析

為驗證核心傳播者挖掘算法的有效性，本研究嘗試通過微博文本內(nèi)容手動檢索實際微博及挖掘出的核心用戶的有效信息，利用檢索結(jié)果以及微熱點分析結(jié)果，開展如下對比分析。

4.4.1 核心用戶信息溯源

以第26條微博為例，本研究根據(jù)用戶的轉(zhuǎn)發(fā)數(shù)據(jù)以及文本內(nèi)容于微博平臺進行信息溯源，并完成以下驗證：

（1）關(guān)鍵轉(zhuǎn)發(fā)者大多擁有一定規(guī)模粉絲量。最小粉絲規(guī)模2000+，最大粉絲規(guī)模45.6萬+；

（2）關(guān)鍵轉(zhuǎn)發(fā)者為該相關(guān)話題知名賬號，大多擁有新浪官方認證、活躍用戶、粉絲大咖等標識。例如用戶@我親愛的擁有和虛無（即附錄B表3核心轉(zhuǎn)發(fā)者排名第二，用戶ID為b672fadcb306797bbba44cae1ecf576 5）；

（3）分析所得賬號的發(fā)博頻率和轉(zhuǎn)發(fā)互動率均有較好表現(xiàn)。例如用戶@赤頰（即附錄B表3核心轉(zhuǎn)發(fā)者排名第九，用戶ID為4cd45eb84d5a48e142011b8 1af4f044f）。

綜上，在用戶粉絲規(guī)模、賬號特征和屬性、賬號活躍度和粉絲互動率等方面進行綜合評測，認為以上關(guān)鍵轉(zhuǎn)發(fā)者符合本研究的核心傳播者意義。

4.4.2 與微熱點進行對比分析

本研究依托微博分析工具微熱點(微輿情)對原始微博進行“微博傳播分析”，結(jié)果見附錄A圖9,與本研究結(jié)果對比可得：前十名的核心傳播者中，前五名結(jié)果一致，六至十名用戶一致但排名稍有變動，原因為研究方法與微熱點統(tǒng)計方法存在差異。

即微熱點中各引爆點的參考依據(jù)僅為二次轉(zhuǎn)發(fā)數(shù)量這一指標，而本研究所使用的方法，除此之外加入對用戶關(guān)注及粉絲數(shù)、是否為粉絲轉(zhuǎn)發(fā)、文本相關(guān)度及內(nèi)容情感的參考，使得其更符合本研究對核心傳播者的定義。本研究作法也使得數(shù)據(jù)的參考價值局不限于單條微博，在微博的大輿論環(huán)境中，考慮核心傳播者本身所具備的能量。

綜上，綜合判定該研究方法所得結(jié)果符合要求并具有一定通用性。

4.5 單條微博規(guī)模預測結(jié)果

在得到所有已知核心傳播者之后，便可以對訓練集中的核心傳播者模型參數(shù)進行擬合并存儲，然后對測試集中的核心傳播者的傳播規(guī)模進行預測。

具體流程如附錄A圖10所示。其中，為更合理地預測實時消息，在當前核心傳播者轉(zhuǎn)發(fā)微博后，等待10分鐘，獲取其該微博的被轉(zhuǎn)發(fā)數(shù),用如下公式計算其相對初始影響力：

其中F0為數(shù)據(jù)庫中核心傳播者的初始影響力，N10為數(shù)據(jù)庫中核心傳播者在10分鐘內(nèi)的被轉(zhuǎn)發(fā)數(shù)。之后便可用公式（6）計算當前核心傳播者的傳播規(guī)模。附錄A圖11為對測試集中的一條微博的8位關(guān)鍵傳播者進行的傳播規(guī)模預測，觀察可知本方法較好地預測了各個核心傳播者的傳播規(guī)律與規(guī)模,在最終傳播規(guī)模的預測上，8位關(guān)鍵傳播者實際引發(fā)了1152次轉(zhuǎn)發(fā)，而根據(jù)模型預測的最終值為1340，準確率達到83.68%。

五、研究結(jié)論和討論

實驗及分析比對結(jié)果表明，本研究能夠準確挖掘到核心傳播者，所提模型和方法，也能夠較好地刻畫意見領(lǐng)袖在消息傳播過程中所起到的作用,能夠較好地對單條微博的傳播趨勢和規(guī)模進行預測，這對于微博中公眾輿論的引導以及廣告定點投放等具有重要意義。

在構(gòu)建模型和挖掘核心傳播者的過程中，我們也可以發(fā)現(xiàn)，核心傳播者具有區(qū)別于其他普通傳播者的特征，例如：一定數(shù)量的粉絲規(guī)模和關(guān)注數(shù)，發(fā)布的博文質(zhì)量更高，能夠帶動更大的轉(zhuǎn)發(fā)量等。

由于篇幅限制，部分研究方法細節(jié)和實驗結(jié)果說明難以得到充分展示。

本研究也存在不足之處：第一，模糊層次分析法包含專家的主觀判斷，無法徹底避免評價的主觀性；第二，研究缺乏更全面的用戶行為數(shù)據(jù)且數(shù)據(jù)量較小，所以難以更精準地挖掘出核心傳播者，傳播規(guī)模預測效果有待進一步提高。這些將是本研究的未來改進方向。

參考文獻

[1]Song K，Wang D，F(xiàn)eng S，et al．Detecting opinion leader dynamically in Chinese news comments［A］．Web-Age Information Management［M］．Berlin Heidelberg: Springer，2012. 197－209[2] 陳淑娟,徐雅斌.面向主題社團的意見領(lǐng)袖挖掘方法[J/OL].計算機工程與應(yīng)用:1-11[2020-05-31].http: //kns.cnki.net/kcms/detail/11.2127.TP.20200109.1653.006.html.

[3]馮勇,馬宇光,劉建.微博營銷中融合行為分析的重要用戶發(fā)現(xiàn)方法[J].小型微型計算機系統(tǒng),2019,40(0 8):1646-1651.

[4] 高金華,劉悅,程學旗.去中心化的微博傳播動力學建模[J].中國科學:信息科學,2018, 048(011):P.1575-1588.

[5] WANG Chenxu, GUAN Xiaohong, QIN Tao, ZHOU Yadong. Modeling on Opinion Leader’s Influence in Microblog Message Propagation and Its Application[J]. Journal of Software, 2015, 26(6): 1473-1485

附錄A

圖1 社交網(wǎng)絡(luò)拓撲圖

圖2粉絲數(shù)分布情況

圖3 LSTM神經(jīng)網(wǎng)絡(luò)進行情感分類的準確率與損失函數(shù)

圖4 文本情感極性分析流程

圖5一條典型的核心傳播者帶動的微博的傳播模式

圖6 本研究的研究思路與流程

圖7 30條微博主題分類

圖8 各指標權(quán)重可視化

圖9 微熱點分析意見領(lǐng)袖圖

（截至截圖時間2020年05月26日數(shù)據(jù)）

圖10 傳播規(guī)模預測流程

圖11 單條微博核心傳播者傳播規(guī)模預測結(jié)果

圖12 30條微博部分核心傳播者傳播規(guī)模預測結(jié)果

附錄B

本文由 @數(shù)據(jù)鍋 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。