英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
第30卷 第11期 2011年11月
情报杂志 JOURNAL OF INTELLIGENCE
Vol.30 No.11 Nov.2011
基于社会网络分析的网络舆论领袖发掘
-以大学生就业舆情为例
摘要：结合社会网络分析方法在网络舆情研究中的现有应用，通过分析网络舆情的结构，进而发掘网络舆论领袖。通过中心度测量、核心—边缘模型位置测算和影响力系数计算对大学生就业舆情展开案例研究。社会网络分析法和内容分析法相结合所发掘的网络舆论领袖，应成为网络舆情监控中的重点。
关键词：社会网络分析，网络意见，意见领袖，大学生就业
1. 引言
作为现实的“镜像”，网络舆情能够真实反映民众的思想状况，直接而快速地反映社会各个层面的舆情状况与发展态势。网络舆情平台———互联网，是一个由多个社会关系网络组成的复杂网络，在每个社会网络中都拥有一个或多个处于中心地位的成员，即网络舆论领袖。他们通过自己的言论发布信息，传播信息，在较短的时间内凝聚共识，发酵情感，甚至能够诱发行为，左右其他网民的观点，引发网络舆情导向。发现网络舆论领袖、加强对其言论的监控和管理是提升网络舆情管理能力的重要途径。相对于传统网络舆情管控对所有信息进行甄别分析与追踪而言，发掘网络舆论领袖的思路则可省时高效。运用社会网络分析法发掘所属虚拟社区的网络舆论领袖，权衡其所具有的影响力，着重分析与监控舆论领袖的言论，不但能及时把握群体事件的舆情走势，而且可以从源头上监控网络舆情的传播，甚至可从信息源上根除负面舆情信息。
2． 社会网络分析法在网络舆论领袖研究中的应用
2.1 网络舆情研究方法简评
当前，分析网络舆情的内容的常用方法是内容分析法，能对具有明确特性的传播内容进行客观、系统和定量的描述。在方法论研究中，刘毅论述了通过内容分析法对网络的内容，网络的结构和网络的使用记录进行挖掘，可以描述网络中传播的舆情信息，推论网络舆情信息传播主体的意图以及态度和情绪的倾向性，描述和推论网络舆情信息的产生和变化趋
势[1] 。在方法应用中，主要集中于对舆论内容所表达的态度和情绪研究，如 YukikoKawai 等人针对网上新闻可信度，采用内容分析法对网民评论进行情绪偏差分析[2] 。黄晓斌等人则进一步探讨了内容分析法中的文本数据挖掘方法在网络舆情中的应用，并构建了网络舆情信息文本挖掘模型。运用网络文本挖掘可对网络舆情文本信息进行表示、特征提取、内容总结、分类、聚类、关联分析、语义分析以及利用网络文本进行趋势预测等，从而发现焦点热点问题，为深层次的分析提供技术支持和解决方案[3]。
对网络舆情的分析，不仅可以针对舆情的信息内容，还可以通过分析舆情发布者的网络结构和关联探寻舆情发展的规律。社会网络分析法是将可视化与可测量相结合的分析方法。它试图对各种关系进行量化分析，从而揭示群体关系结构，研究这种结构对群体功能或群体内部个体的影响。近年来，社会网络分析法也被运用到网络舆情的研究中，特别是在分析虚拟社区成员之间的关系结构和群体特征方面，得到了较为广泛地应用。如陈京民等人将社会网络分析引入网络舆情的研究中，对某一网络参政群体从网络密度、凝聚子群、结构洞三个角度进行剖析，依据虚拟社区结构的疏密程度来判断舆情信息的传播路径，基于成员间的交互关系来发掘主导舆情发展的小团体，进而提出要加强监控小团体的动向，帮助相关部门了解网络舆情，做出正确的决策[4] 。
简言之，社会网络分析方法较之其他方法更加关注事件间或参与者之间的联系，较多关注不同网络关系结构下引发的网民行为发展变化情况，在研究网络舆情信息传播和转移时，更加重视人的因素，更能揭示网络舆情信息传播和转移的本质。
2.2 社会网络分析法与网络舆论领袖研究的结合
社会网络分析法发展至今已经有一系列专有的理论和模型被应用于网络社区的结构分析中。其中，著名的结构洞理论就是发现舆论领袖的经典理论。按照结构洞理论的提出者 Burt 的观点，当网络中人们之间没有直接关系或关系缺失时，网络就会出现空洞，即所谓的“结构洞”。结构洞通常构成了网络中信息折射和资源流动的“阀门”，在网络中，占有的“结构洞”越多，行动者在结构上所占的优势就越大，通过这些优势获得回报的可能性就越大[5] 。
中心度分析则是另一个衡量行动者的地位优越性或特权性及社会声望的重要指标。Bavelas 最先对中心度的形式特征进行了研究，随后 Nieminen 又对此概念进行了系统的解释。所谓网络中的点中心度就是点的度数，即与一点直接相连的其他点的个数。如果某点度数高，则称该点居于中心，该点所对应的行动者就是中心人物。这也是对舆论领袖最简单、最直接的测量方法[6]。此外，Granovetter 提出的“弱联系优势”理论，六度关系理论同样可以用于处于弱关系状态的网络社区各个成员地位和作用的分析中，从而深化对网络社区舆论领袖的认识[6] 。
网络分析是建立在非概率方法的基础上的，它的数据不是由样本的随机选择获得，而是通过最大甚至是全部的群体成员获得，能够提供更正确和更真实的分析[7]。将社会网络分析中的一些模型和方法运用到网络舆论领袖研究中，通过计算社会网络密度的紧密程度，从而反映舆情在存在舆论领袖的虚拟圈子中的传播、发展速度;通过测量中心度和结构洞约束系数能够快速发掘圈子中的舆论领袖，了解其在虚拟圈子中所处的位置，发挥作用的大小，从而推断网络舆论领袖的意图及态度倾向，把握整个网络的舆情动向，同时还能够对虚假信息追根溯源，及时消除其不良影响，有重点地加强对网络舆论领袖的分析与预测。
3. 社会网络分析方法在网络舆论领袖发掘研究设计
3.1 研究思路
在虚拟社区中，成员之间通过相互回复对方的帖子产生联系。对于某成员，其所发帖子获得其他成员回复的总和称为点入度，他回复其他成员的总和称为点出度。若某成员所发帖子能够吸引大多数成员的注意力，被广泛跟帖热议，抑或积极回复其他成员的帖子，该成员就成为了虚拟社区的活跃分子。网络舆论领袖必然是虚拟社区中的活跃分子，通过测量虚拟社区成员点入度和点出度的数值可以直观地测量其跃程度，从而发掘出该虚拟社区的活跃分子。然而，活跃分子未必都是网络舆论领袖，只有那些引起其他成员广泛支持，甚至一呼百应的活跃分子才是真正意义上的网络舆论领袖。为此，分析该虚拟社区活跃分子的影响力是找出该虚拟社区中的网络领袖的关键。通过统计某成员的观点在一定时间内所获得的支持和反对的票数总和，可以用定量的方式表达影响力，即如果某成员观点得到明确支持的数值越大，其影响力就越大，从而确定该虚拟社区中的网络舆论领袖。
3.2 测量因子
运用社会网络分析方法中的中心度分析、核心—边缘模型能够方便直观地测量成员的活跃程度，判断成员所处的位置以及活跃分子之间的紧密程度。配以“影响力系数”作为分类指标从活跃分子中筛选出虚拟社区的网络舆论领袖。
3.2.1 中心度：中心度是测量行动者权力的量化指标，其目的是在整个网络结构中，找到网络中核心的成员。点度中心度是中心度测量的一种重要的方法。它测量的是一个点与其它点发展交往关系的能力，如果一个行动者与很多其他行动者有直接联系，该行为者就处于中心地位，从而拥有较大的权力。
3.2.2 核心—边缘模型：核心—边缘模型是对行动者所处位置的量化。该模型根据“核心”成员与“边缘”成员之间联系的离散程度，从而区分出密度较一步探讨了内容分析法中的文本数据挖掘方法在网络高的一系列行动者(核心)和密度较低的一系列行动者(边缘)，确定网络中行动者所属的位置。
3.2.3 影响力系数：影响力指某成员对于虚拟社区中其他成员行为的影响程度。在虚拟社区中影响力越大，则该成员获得认可的程度越大。测量某一成员影响力需要对该成员响应值与认同值进行测量。响应值指的是某成员在一段时间内获得支持值与反对值的总和。认同值则是某成员在一段时间内获得其他成员认同的程度，即支持总票数。影响力系数就是认同值与响应值的比值。
3.3 实施路径
发掘网络舆论领袖，首先应选取相应的虚拟社区，从中提取参与讨论人员的相关记录。我们认为用户之间通过相互回复对方帖子的方式就产生联系，若用户 X 回复了 Y 的帖子，即 X 与 Y 产生联系，无论一个用户对另一个用户的回复是一次还是多次，均记为“1”，反之，X 与 Y 不产生直接联系，则记为“0”，从而构成互动关系矩阵。通过测量用户的中心度来寻找在网络中处于中心地位的用户，即活跃分子。使用核心—边缘模型的 CORR 算法确定活跃分子所处的位置。最后，分别计算活跃分子的影响力系数，影响力系数大者最终确定为该虚拟社区的舆论领袖。
4. 大学生就业舆情实证分析
大学生就业是网民持续关注的问题之一。利用网络舆情可以了解他们对待大学生就业现状的心理和态度，利于政府和高校有针对性地指导大学生就业。从天涯 论 坛 ( http:/ /www． tianya． cn/techforum /article-slist/0/395． shtml) 大学生就业板块中提取截至 2010年 2 月 5 日—2011 年 1 月 28 日的所有发帖和回帖记录，并利用社会网络分析方法找出网络舆论领袖，考察其是否具备影响力。
4.1 虚拟社区社会网络的“互动关系矩阵”及其关联图
在这个虚拟社区中，各成员之间通过相互回复对方的帖子产生联系。经过一段时间的搜集，将该虚拟社区47 位成员之间的互动关系构成矩阵(对成员按字母顺序进行了编号 1－47)，行代表回复者，列代表发帖者，成员回复另一位成员，即两者产生直接联系，则记为“1”，反之，两者没有联系，则记为“0”，这样就得到一个 47times;47 互动关系矩阵，并可将该虚拟社区的网络关系图直观地表现出来。不难看出，13、16、19 处于网络的中心地位，有很多其他结点与该结点联接，他们是社群中的“活跃分子”，在虚拟社区中享有很高的关注度。而成员 42 则处于边缘位置，与其他结点几乎没有直接的联系，说明他们与社群中的其他成员不经常交流，很少在该虚拟社区中发表观点，对社群贡献不大。
图 1 虚拟社区47位成员网络关系图
4.2 .中心度测量
发掘虚拟社区中舆论领袖可通过测量该社区的点度中心度。将“互动关系矩阵”输入 Ucinet 中计算该矩阵的中心度。如表 1。
表 1 部分成员的中心度测量结果
|
点出度 |
点入度 |
NrmOutDeg |
NrmOutDeg |
|
|
16 |
8.000 |
19.000 |
8.696 |
20.652 |
|
35 |
6.000 |
2.000 |
6.522 |
2.174 |
|
37 |
4.000 |
0.000 |
4.348 |
0.000 |
|
26 |
3.000 |
1.000 |
3.261 |
1.087 |
|
39 |
3.000 |
2.000 |
3.261 |
2.174 |
|
19 |
3.000 |
26.000 |
3.261 |
28.261 |
|
38 |
3.000 |
3.000 |
3.261 |
3.261 |
|
31 |
3.000 |
2.000 |
3.261 |
2.174 |
|
9 |
3.000 |
1.000 |
3.261 |
1.087 |
|
46 |
3.000 |
0.000 剩余内容已隐藏，支付完成后下载完整资料 资料编号：[146994]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
