新闻职称论文发表微信群网络关键节点识别

 　　微信群内部存在着复杂的信息交流网络，识别网络中的关键节点对分析微信群内部信息交流行为、成员角色关系及信息传播特征等具有重要意义。[方法/过程] 以真实微信群中的交流样本作为研究对象，考虑成员交互的有向性和传递性，通过节点的局部有向交互特征和全局交互特征计算成员之间的关系强度，并作为边权重构建信息交流网络，基于改进的 PageRank 算法识别微信群中信息交流的关键节点。[结果/结论] 通过构建有向、加权的信息交流网络，能够充分反映微信群中信息交流的网络结构及成员角色关系，基于该方法能有效识别微信群信息交流网络中的关键节点。

　　《媒体时代》(月刊)是经国家新闻出版总署审核批准，由湖北省广播电视总台主管主办，全国公开发行的省级学术期刊。杂志系中国科学文献计量评价数据库(ASPT)来源期刊、中国期刊全文数据库(CJFD)收录期刊、中国期刊网(CNKL)收录期刊和中文科技期刊数据库收录期刊，也是唯一代表湖北省广播电视业界学术研究最高水准的杂志。

　　微信作为个性化立体式沟通服务平台，与微博、论坛等以事件为核心、以碎片化与裂变式为信息传播形式、以瀑布型弱关系为特征的在线社交媒体不同，其以用户关系为核心，通过强关系链条与弱关系链条交织形成复杂关系网，体现出更强的社交属性与情感黏度。不同于微博用户通过“关注”行为所形成的不对称多向错落关系，其形成的是用户之间对等的双向交流关系，侧重于私密闭环交流而非公开扩散传播。微信本质是信息的沟通与交流，这一本质在微信群内部体现尤为明显，微信群内成员既可以通过@功能进行点对点的沟通，又可以通过话轮的交替以话题为中心展开点对面或面对面的交流，成员通过信息交流过程中话题的 “无限漂移”与话语的“无限流动”[1]进行自我呈现。微信群内部的信息交流过程实质上是对群内成员身份符号的体现，其内蕴含成员的地位、职业、年龄等要素，存在权利的控制与资本的渗透，信息交流具有不均衡性，呈现出“沉默的螺旋”现象[2]及类似于微博舆论场中的“名人效应”现象，地位高的成员对微信群内部信息交流网络中信息的传播速度、传递路径、覆盖范围以及网络结构的动态演化等具有重要影响。因而识别微信群信息交流网络中的关键节点能够为其封闭性环境下舆情演化的分析及平台传播的监管提供强有力的理论支撑。

　　本文为国家自然科学基金青年科学基金项目“突发公共卫生事件社交媒体信息主题演化与影响力建模”(项目编号：71603189)和国家社会科学基金重大项目“大数据时代计算社会科学的产生、现状与发展前景研究”(项目编号：16 ZDA086)的成果之一。

　　本研究主要以在线社会网络理论和信息交流分析理论的相关研究为基础，通过获取真实微信群内部的信息交流数据，构造基于数量和黏度维度的成员活跃度算法，考虑到成员交互的有向性和传递性，构造基于节点局部有向交互特征和全局交互特征的关系强度算法，并以此作为边权重构建有向、加权信息交流网络对其拓扑结构及成员信息交流行为进行分析，基于 PageRank 算法计算网页排名的思想，将活跃度应用于阻尼系数、关系强度应用于邻节点的影响力提出成员影响力计算模型，综合多维度、考察多指标识别微信群信息交流网络中的关键节点。

　　1 相关工作

　　1.1 非正式信息交流

　　在图书情报学领域，信息交流过程分为正式信息交流与非正式信息交流，前者指信息借以文献信息系统等专门途径从信息源间接传递给信息用户，而后者则是信息在信息源与信息用户间的直接传递[3]，其更多地表现为信息生产者与利用者的个人行为特征[4]，而随着网络技术的进步以及网络应用领域的不断拓宽和深入，非正式信息交流在信息主体[5]、信息内容[6]及传递方式[7]等方面都得到了极大的丰富，方卿[8]应用“复兴”一词巧妙地描述了网络环境下非正式交流作用和地位的提升，认为非正式交流的复兴是科学新发展与新兴网络载体技术迅速普及的直接结果。黄水清[9]提出“根据信息是否经过专职信息人员对其内容进行加工整理”作为网络环境下正式交流与非正式交流的划分标准。陈雅[10]针对当前网络化的现状提出了复合交流模式以适应当前信息交流形式。而当前的数字化网络化环境将信息交流的外延扩大到社会交流的领域，微博、微信等新兴社会化媒体异军突起，体现出交互性强、传播与更新速度快等特点。

　　微信群内部自发性的会话交流本质上属于非正式的社会信息交流。马费成认为“信息交流的实现依赖于交流双方的信息行为”[11]，微信群正是通过成员的多方位沟通实现全域性信息流动，在微信群信息传播过程中，成员通过对碎片化即时信息的整合成为新的信息源，从而达到多元化传播的效果。但是在微信群内部信息交流的传播过程中存在着“信息不对称”现象，地位较高、权利较大的成员通常会获得更多的话语权、关注度和影响力，从而成为信息交流网络中的核心节点，而“弱势群体”的声音则容易被“淹没”，逐渐游离到网络的边缘带，符合马太效应所描述的“有者愈多，乏者愈少”现象。因此，对微信群内部关键节点的识别以及成员信息交流行为的分析既是对数字化网络化环境下非正式信息交流理论的补充与支撑，又有助于对其内信息交流的有效监管。

　　1.2 社会网络关系测度

　　关系强度是一种“互动频率、感情强度及亲密度(共有信任)和以联系为特征的互惠式服务的混合”[12]，用以描述社会网络中两节点间联系的性质，对此研究者提出了不同指标进行测量。Granovetter[12]将关系强度概括为节点间交流时间、情感紧密程度、熟识性和互惠性 4 个维度，并将关系进一步划分为强关系和弱关系。Blumstein 等 [13] 则基于互动频率、亲密程度和紧密度三个维度，将关系投资维度纳入到对社会网络关系强度的测量中。Lin[14] 则重点关注关系频率维度，并以该单一维度对社会网络关系强度进行测量，而 Burt[15]采用互动频率和亲密程度两个维度对网

　　络关系强度进行测量。除此之外，用来衡量关系强度的指标还有交互持久性[16]、情感支持强度[17]以及主题多样性[18]等。

　　通过总结相关研究发现，不同衡量维度的差异性主要在于对用户行为关系的侧重点不同，但是单一维度往往难以全面反映用户间关系强度。因此，本文以用户交互为出发点，综合考虑互动频率、联系紧密度以及关注亲密度三个方面计算成员间关系强度，充分挖掘微信群内部信息交流网络的结构特征。

　　1.3 社会网络关键节点识别

　　为准确识别社会网络中的关键节点，研究者从不同角度、采用不同算法与指标对节点影响力进行测度。Miorandi 等[19]从中心度指标出发，提出 K 分解法，认为 K-shell 值较大且位于网络核心位置上的节点具有较大影响力。而 Poulin[20]以特征向量为基础提出具有更强稳定性的累积提名测度指标以更好适应大型复杂网络。Zhang Jun 等[21]采用 HITS 算法对 Java 论坛中的用户权威度加以评价。Corley、Sha[22]等利用节点删除法对节点影响力进行测度，认为若删除某条最短路径上两端的一个节点后使得两节点间距离增加值最大，则该节点具有强影响力。其他测度指标还有节点连接数[23]、h 指数[24]以及 h 型中心性[25]等。

　　总结相关研究发现，对关键节点的识别主要从节点位置、行为传播效率以及影响力覆盖范畴等方面着手分析，而不同指标对动态网络的适用性具有一定差异，且对现实复杂网络中的关键节点测度时往往需要综合考察多种指标。因此，本研究基于节点间关系强度构建有向、加权信息交流网络并对其结构特征进行挖掘分析，同时，综合网络特征指标、成员活跃度及基于改进 PageRank 算法的成员影响力识别关键节点。

　　2 理论模型构建

　　本文对微信群信息交流网络中关键节点的识别主要从微信群成员关系及成员影响力两方面入手(理论模型见图 1)。首先，微信群成员关系度量包括成员自身活跃度及成员间关系强度两方面，一方面成员对群交流的参与程度即活跃度既是其地位、认同感及归属感等方面的反映，又对群内信息的产生、传递、整合加工等产生重要的影响，因而对微信群成员活跃度进行度量可以实现对成员扮演角色及关键节点身份的初步挖掘;另一方面，微信群所具有的社交性、互动性及异质性等特性决定了其信息交流网络中的有向链接蕴含了两节点间关系的亲疏程度信息，而微信群信息交流过程是强关系和弱关系共同作用的结果，成员间的关系强度不同，信息传播与扩散的效果就具有差异性，一般来说，地位越高、权力越大的关键节点与其他成员间的联系越密切、关系链越多且关系越强，因此，计算微信群成员间关系强度从而挖掘其内在的强弱关系链对信息交流网络结构特征的分析、用户信息行为规律的探讨及微信群信息交流网络中关键节点的识别具有重要意义。

　　其次，由于微信群内部信息交流过程中存在着权利的控制与资本的渗透，因而成员在群内信息交流过程中的影响力具有一定的差异性，成员影响力即成员在一个群体中影响他人思想或行动的能力，而在微信群这个特定环境下，成员影响力是指成员在信息交流过程中所发挥的重要作用，包括成员对其他成员信息交流参与度以及信息交互行为强度等方面的影响，成员影响力在一定程度上反映了成员在微信群信息交流过程中的关键性，通常地位较高的成员由于其“资本”优势往往成为话题的发起者且更易于形成“一呼百应”的情景，具有较强的“号召力”与“感染力”，对微信群内部信息交流过程的影响较大，而地位较低者则倾向于徘徊在网络边缘带，更多以“附和者”和“从属者”身份进行“寒暄式社交”。因此，对微信群成员在信息交流过程中的影响力进行计算分析可以有效识别微信群内部信息交流过程中的关键节点，对挖掘成员内在身份特征、反映其资本强度具有重要意义。

　　3 微信群内成员关系度量

　　3.1 微信群内成员活跃度

　　3.2 微信群内成员关系强度

　　微信群信息交流网络中的关系通过成员交互得以体现，成员交互的强弱刻画了彼此间关系的

　　强弱，成员交互强度越高，其关系强度就越高。研究分别从交互方向的直接性与传递性对成员 i →j 的交互行为进行衡量：①交互方向直接性。若成员 i 对成员 j 发起的话题做出回应，则认为发生了成员 i→j 的一次交互行为;②交互方向传递性。若成员 i 和成员 j 围绕同一话题进行信息交流，则可认为作为中转站的话题间接传递了成员 i 对成员 j 的交互行为，反之 j 亦然(见图 2)，即同时发生了成员 i 对 j 的一次交互以及 j 对 i 的一次交互。

　　4 微信群用户影响力计算模型

　　在微信群信息交流网络中，成员可以看作网络节点，成员间的交互关系则可以看作节点间的边，而成员通过彼此间有向交互形成的指向性关系与网页间的链接关系存在相似性，即微信群内部的信息交流网络与网页链接网络存在着类似的拓扑结构，因而微信群内成员的影响力可以借鉴网页影响力排名算法即 PageRank 算法的思想进行计算。PageRank 算法反映了网页入链的重要性，

　　认为网页影响力是由该网页的入链数及入链对应网页的重要性所决定，同样，微信群成员影响力的大小不仅取决于群内成员对该成员的指向性交互，同时取决于这些成员本身的影响力。

　　因此本研究引入 PageRank 算法计算网页影响力排名的思想，将“链接价值”作为成员的排名因素。一方面考虑到成员的活跃度越高，其信息传播能力就越强，将信息继续沿“信息链”传递的概率就越大，因而将前文计算的成员活跃度应用到 PageRank 原有算法的阻尼系数中。另一方面，考虑到邻节点对该成员的关系强度 A_Strength 比邻节点的度 Degree 更能反映其对该成员的影响，为此，本文定义节点受其邻节点影响强度的概念为：要计算影响力的节点 A 的所有邻节点对其关系强度乘以邻节点自身影响力的总和。

　　5 实证分析

　　5.1 数据来源与统计

　　实证研究首先选取研究者所在的 8 个微信群作为数据来源，8 个群的成立时间均在 2016 年 12 月前，保证研究具有充足的时间跨度，群平均规模为 85 人，总消息量为 6027 条，一定程度上保证了样本的有效性。其次研究选取其中一个群进行深度案例挖掘，采集其内信息交流过程中的相关数据作为分析文本，包括成员 ID、发言时间、消息类型以及消息内容等，出于对成员隐私的保护，研究过程中涉及隐私的数据均遵循“先匿名编号再计算”的原则，分析过程只基于数据的统计分析微信群的特征及结构，而不涉及信息交流内容。

　　5.2 微信群信息交流网络关键节点识别

　　本研究以微信群中成员作为节点，以成员间交互关系作为节点间的有向边，将成员间关系强度作为边的权重构建有向、加权微信群信息交流网络，绘制成员交流网络结构图(见图 3)，同时对成员信息交流行为的各项参数进行统计并通过模型计算其影响力值(见表 1)。

　　5.3 关键节点识别效果评价

　　为进一步验证研究结果的有效性及合理性，本文利用节点核心率(Coverage Ratio)对点度中心度、中介中心度、活跃度及影响力 4 个指标的关键节点识别结果进行评价，公式如下所示：

　　Coverage _ Ratio = 前n%关键节点覆盖节点数

　　其中，某关键节点的覆盖节点数指的是与该节点具有交互的节点总数，节点核心率可以对关键节点团体的直接影响力进行描述，通过比较 n 值较小时曲线的上升率对识别效率进行分析，具体来讲，曲线上升越快，说明该指标识别出的关键节点所覆盖的节点越多，其识别率越高、识别效果越好(见图 4)。由图 4 可以看到，点度中心度、中介中心度、活跃度及影响力 4 种评价指标结果具有一定吻合度与相似性：4 条曲线斜率均在 5%~10%之间开始趋于平缓，说明不到 10%的成员覆盖了全体成员数据的 80%，即关键节点只存在于不到 10%的成员中，对微信群信息交流过程起到了核心推动作用，充分表明本研究所选取的指标有助于识别关键节点。同时可以看到，各个指标识别关键节点效果又具有一定差异性：成员影响力指标对应的曲线上升斜率最大、识别率最高、效果最好，在中介中心度、活跃度及影响力指标识别结果中 TOP 25%成员覆盖率具有一致性均约为 79%，而点度中心度则不足 70%，相较于其他指标识别效果稍显不足，除此之外，中介中心度指标下的 TOP 1%成员覆盖率较低，这与其衡量目标为成员的中介作用而非成员对其他成员的直接作用相关。综合可知，关键节点的识别不能仅凭单一指标，需要结合多种指标加以测度，而本研究所选取的指标在识别关键节点方面均具有良好的适用性与有效性，故本文对微信群信息交流网络中关键节点的识别结果具有合理性与正确性。

　　6 结论与展望

　　本研究以真实微信群的信息交流数据作为样本进行分析，提出基于数量维度和黏度维度的成员活跃度算法，用以衡量成员对微信群信息交流的参与度，考虑成员交互行为的有向性，基于局部有向交互特征与全局交互特征从成员节点的 “入链”及“出链”角度出发构建成员关系强度算法，并进一步构建基于关系强度的成员信息交流网络，挖掘网络中存在的强弱关系并分析成员的信息交流行为，进而基于 PageRank 算法思想、综合成员活跃度及邻节点影响度指标设计成员影响力计算模型，考察多角度、结合多指标识别微信群信息交流网络中的关键节点。对微信群信息交流网络中关键节点识别的研究能够为其封闭性环境下舆情演化的分析及平台传播的监管提供强有力的理论支撑，因此我们应以此为基础力争消除负面“意见领袖”、拥护正面“意见领袖”，从而更好地引导群内信息传播并疏导和调控成员集群行为。

　　本研究也存在一定的局限性。首先，对微信群的选取具有一定的样本局限性，未通过规模大数据对关键节点识别算法的普适性进行验证;其次，成员影响力仅从信息交流及网络拓扑结构的层面进行测度，未将成员情感倾向考虑在内，缺乏对正面形象的“意见领袖”的挖掘与探讨;最后，研究仅基于交流数据的统计分析进行，缺乏基于语义识别方法对交流内容的深度挖掘与分析。下一步的研究工作基于语义识别等内容分析对不同微信群内话题演化及舆论传播机制等方面进行深入探讨，并通过对不同微信群的比较对其共性与特性做出分析。□

　　参考文献

　　[1] 蒋建国.微信群:议题、身份与控制[J].探索与争鸣,2015 (11):108-112.

　　[2] 王芳,翟羽佳.微信群社会结构及其演化:基于文本挖掘的案例分析[J].情报学报,2016,35(6):617-629.

　　[3] 米哈依洛夫.科学交流与情报学[M]. 北京：科学技术文献出版社, 1980.

　　[4] 王晓光, 滕思琦. 微博社区中非正式交流的实证研究——以“Myspace 9911 微博”为例[J]. 图书情报工作, 2011, 55(4):39-43.

　　[5] 王知津, 宋正凯. Web 2.0 的特色及其对网络信息交流的影响[J]. 新世纪图书馆, 2006(3):10-13.

　　[6] 李河. Web2.0 对网络信息交流的影响[J]. 图书情报工作, 2007, 51(11):46-49.

　　[7] 郝金星. 网络环境下的信息交流模式初探[J]. 情报科学, 2003, 21(1):57-59.

　　[8] 方卿. 论网络环境下非正式交流的复兴[J]. 情报理论与实践, 2002, 25(4):258-261.

　　[9] 黄水清, 王超. 网络环境下非正式信息交流的概念、类别与特点[J]. 图书馆杂志, 2004, 23(6):8-11.

　　[10] 陈雅, 郑建明. 基于科学交流的网络文献交流模式分析[J]. 情报科学, 2005, 23(10):1516-1520.

　　[11] 马费成.信息管理学基础[M].武汉：武汉大学出版社，2002：12.

　　[12] GRANOVETTER M S. The strength of weak ties[J]. Social Networks, 1977, 78(6):347-367.

　　[13] BLUMSTEIN P, KOLLOCK P. Personal relationships[J]. Annual Review of Sociology, 1988,467-490.

　　[14] LIN N, ENSEL W M, VAUGHN J C. Social resources and strength of ties: structural factors in occupational status

《新闻职称论文发表微信群网络关键节点识别》

本文由职称驿站首发，您身边的高端论文发表学术顾问

文章名称： 新闻职称论文发表微信群网络关键节点识别

文章地址： http://www.zhichengyz.com/lunwen/yishu/xinwen/36713.html