报探索
Information Research
)
\"o.9(Serial\"o.251)
第9期（总251
社交网络环境下突发气象灾害
舆情信息的传播演化研究！
王之元毛婷婷蔡小敏
(南京信息工程大学管理工程学院江苏南京 210044)
摘要：[目的/意义]旨在为舆情监管提供参考。[方法/过程]在文献调研基础上，构建突发气象灾害舆情演化以及传播路径 模型；以新浪微博“盐城#阜宁强龙卷风”话题为例，
！
，运用社会网络分析法分析社交网络中突
，社交网络环境下突发气象
的特征、演化过程以及传播规。[结果/结论]舆情演化
灾害舆情传播过程关
较大影响力，边缘用户关
键节点设立相应的动态监控点，在必要
关键词：社交网络;信息 中图分类号：？206
影响参与传播是推动舆情爆发的主要因素。提出政府应在关
相应措施，以阻断错误舆情传播等建议。
（突发事件
（舆情传播；社会网络 文献标识码：A
Adoi： 10.3969/j.issn.1005-8095.2018.09.015
Research on the Dissemination of Public Opinion Information About Emergent
Meteorological Disasters Under Social Network
Wang Zhiyuan Mao Tingting Cai Xiaomin
(School of Management Science and Engineering, Nanjing University of Information Science & Technology, Nanjing Jiangsu 210044)Abstract: [Purpose/significance] The paper is to provide references for the supervision of public opinion. [Method/process ] The paper builds up the evolution and dissemination path model of public opinion about emergent meteorological disasters based on literature research; It takes the topic of Sina )Yancheng(Funing) Large Tornado” case for example, analyzes the evolution process and the dissemination path of public opinion, and uses social network analysis to analyze the dissemination characteristics, evolution process and dissemination rule of public opinion about emergent meteorological disasters in social networks. [Result/conclusion] The evolution of public opinion has the characteristics of life cycle curve, the key nodes in the process of spreading public opinion of emergent meteorological disasters in the social network environment have great influence, and the main factor to promote the outbreak of public opinion is that the edge users are affected by the key nodes to participate in the communication. The paper suggests that the government should set up corresponding dynamic monitoring points at key nodes and take corresponding measures if necessary to block the spread of false public opinion.
Keywords： social network; information dissemination; public opinion dissemination; social network analysis; emergency
o引言(MAU)达3.40亿户#2$。以微博为代表的新兴媒体为 网络用户提供了许多言论较为自由的}台，用户在 交流过程中 下
信息
、
中的
，这对我国
网络信息传播有重要的影响。因此，对社交网络环境
以及传播规律进
分析，
为 社交网络研究的重。
年 ， 国 社交网络中
随着 SNS、Twitter、Facebook、QQ、微信、微博等 新兴社交网络社区的兴起，网络社交实现了从被动 地接收互联网信息到主动创造互联网信息的转变， 这使得社交的内容更加丰富、联系性更强、服务也更 人性化[1]。相关报告显示，截至2017年6月，我国网 民规模达7.51亿户，其中新浪微博月活跃用户数 *
收稿日期：2018-04-23
*本文系江苏高校品牌专业建设工程资助项目（项目编号:PPZY2015A072)和江苏省高等学校大学生创新创业训练计划项目（创 新类项目）“基于移动社交网络的气象灾害信息
的影响因素研究”（项目编号+201710300224)成果之一。
作者简介：王之元（1997—），女，2015级本科生，研究方向为网络舆情；毛婷婷（1998—），女，2015级本科生，研究方向为信息传 播;蔡小敏（1998—），女，2015级本科生，研究方向为信息传播。
83
2018年9月情报探索第9期（总251期）
情信息进行了大量研究，提出运用蚁群挖掘算法[3]、
SuperedgeRank[4]、PageRank[5]等方法研究舆情信息 传播规律。国内学者基于社会网络分析法[6-8]和
LeaderRank算法[9]，以& 11 • 16校车事故，’“4 • 20四川 雅安地震”“山东非法疫苗案”“7*23动车事故”为例 对网络舆情的规律、网络舆情节点的影响进行研究。 例如：李勇建等[1=]运用演化博弈模型对突发事件中 舆情传播机制的博弈关系进行研究；杨畅等[11]通过 构建统计回模型，分析突发事件网络舆情的规律。
，国内学者对网络舆情传播的研究 了一 ， 对突发
的网络舆情信息传播研
究较少。
本文在已有文献调研基础上，采用社会网络分 析法，运用Excel、Gephi等数据分析
件，以“
”突发 为研究对 进行分 ，
以下3个方的内：①
社网络
突发
舆情信传播
、演进过和点；②分
社 网络 突发 舆情信 传播过
程，各社区节点之间的联系与影响;③
研究关
如
对突发 舆情信
的
和
，以
地
舆情动，
舆情信息的传播，有对地进行舆
。
1
社会网络分析法简介
社会网络分析法 运用图论、数学模型
研究行动者
、行动者
网络社，以
•
网 络社
网 络社
关系 的 构
分析方法[12]。了解网络 者的方法
对行动者在网络中的 进行
，
出节
点的中 。
，网络中地和大节
点的中 [13]。 点 中 、 中 和
中 社会网络中 分析的3
。点中
在社会网络中，如 行动者 行动者有直接联系，那么该行动者于中地位，
拥有较大的 [14]。
节点的邻居 越，影响
越大，这网络中刻画节点
最简单的
[15]。
中
于网络中
的节点信息在网络传输时负载最重的
节点[16]，如
节点出现在网络中最短
的频越高，则节点越
[17]。
中
在网络中
节点和 有节点的距最大值[13]。当一个节点的
中
值等于网络半径时，那么它
：网络的中心节点；如
节点的
中
网
络半越接近，那么该节点越靠近中心。
84
2突发气象灾害舆情信息传播模型
2.1突发气象灾害舆情演化模型
任
的突发事件，都会从萌发走向消
亡，演化过程可以分为若干阶段，并具有一定的规
律。
本文在突发 舆情演化阶段划分模型构建基础上，参考网络舆情突发事件生命周期的阶
段划分，构建了 5 阶段的演化模型，如
1
示。
尽管突发
呈现出传播时较短、信息散布
爆发性强、地区集中等特点，但与网络舆情突发事件 的生命周期原大致同。因此，本研究借鉴网络舆 情突发事件生命周期中的潜伏、萌动、速、成熟、衰 退这5个阶段，突出对应5
阶段呈现的不同特
2.2突发气象灾害舆情传播路径模型
根突发
事件发生时，新浪、微博不同类型博主发表博文的影响和传播速度，构建突发 舆情传播
模型，如 2 示。模型以
“新闻官方博”“大V博主”“娱乐明星”为
节点，
量众的“普通用户”则于边缘地带。由于“娱乐 明星”博主粉丝量庞大，尽管“新闻官方博”相比
较 ， 传播速 、影响 、 ，因此为
节点。
2018年9月王之元等:社交网络环境下突发气象灾害舆情信息的传播演化研究第9期（总251期）
构建突发气象灾害舆情传播路径模型，有助于 在突发事件发生时，通过控制核心社区的重要节点 来维护正常的微博社区秩序并提高传播效率，同时 避免负面舆情或虚假信息的传播，以此维系社会稳 定和安全。
3
数据采集与处理
有 象，
的 。 此，微博
发 的全
发
，
25 956 微博。
发和无效转发，
3.2数据采集与处理
本研究运用EooSeeker米集相关字段信息内 容，把 8
有较高的
[19]。截至同增
打包 Excel文件保存 11
。
2017
21:20，共获得25 956条微博数据，信
、 发 等。
3.1研究对象的选择
新浪微博是一个提供信息交互）台的社交网 站，在Alexa网站和 2017年3月，新浪微博 台之一。因此， 。
灾委办公室公布的《2016年全国十大
自然灾害事件》中，&7 区 害》《
三™。在微博的高 害”“
”，以 2016
， 6
时间区间在新浪微博 排列，其中转发
灾害》《7
长区 重大灾害》于
“洪涝灾
22 —8 31微博度序
”的微博
4
息字段包括所有转发的地址码、博主名、博主ID、发 容、发 时间、点
在
处理阶段，使 Excel软件处理数据（对
，利微博
长30%，达3.40亿户，是国内影响力最大的社交）
在新浪微博）台
数据字段进行筛选及消减+。根据微博转发容以及 发时间删空值、重复项和效
发容中的“\\\\@”标记对数据表格进行拆分，最后 换成可供网络路径分析工 Gephi识的.cSvf 表格文件。由于微博容以140字为限制，一些 会删 径。为避免
发标记，此失去微博发的完整路析结果产生影响，将这些发直接与
灾
微博相连。
分析与讨论
4.1舆情演进过程分析
库中各
25 0*00微博“ 演进，如图3所示。
发微博数据按照时间序列排#
”话题的舆情
列，分析2016年6月23日17*00时一2016年6月
的是“新浪
题“盐城#阜宁强龙卷风#”http://weibo.com/ 2259661342/@8.8[£061〇，共转发27 738 条、评论 10 409条、点赞数达10 286 ，在相关微博
第三阶段
(Dji| 1500
第四阶段
第二阶段
欺 1〇〇〇
g—阶程
■
第五阶段
ffl_1I
II■ ■
匿里麗亂 祖<
—^||1llllii1
rrr rrr rrr rrr oh eb rr-r* rrr' rrr -J? rrr rrr \"-Jv rrr' rrr ca cb' \"5^ rrr err rrr rrr rrT cb eb ctt crri -J? rrr -Jv rrr eb ctt ctt -5-^ rrr rrr ^vj rrrr-t m f-H rn -*-i rn rM m rvi m rM m rM m rn m nn m m m rg on rn m r-t m »—i m «-• rn «-i m i m -*-i m m i m -»-• m «-i m rsi rn r*§ m oi m rsi m 奶
r^ocoowiaoo^-iorNomooo-^-iorjomO'es'OiftaijOor^ooooenaoo^-ior'MomoflroiAoiDOP^oooowooo-^iotNomoo
11
I111JJ
_JSJI
_n J1 ML 属
Ot^CJ^O^O^OvoO^OvafN'. O) ^ CV4、CN ^~v fV( ■ • rv|、r>| ~~.0^0 O^Oi^OiO O«JO^O^O(fiO^0\"«3
oMPo4ooMtoMr «or 时间 图3 “盐城#阜宁强龙卷风”舆情演进 根 致可以 微博发的整体水）与峰值情况，大 以下5个阶段(见 1)。 表1 “盐城#$宁强龙卷风”微博转发过程 (1) 第一阶段：突发灾害事件刚刚发生，由于转发 不 ，网络舆情没有完全形成，只有 微博。 注 “新浪江苏”的用户转发 浪微博的 成。 (3) 见 的 第三阶段*(林俊杰”“李冰冰”“王祖蓝”等意 ， 发 大提高，峰值 在 阶段第一阶段第二阶段第三阶段第四阶段第五阶段 平均值55.00543.751347.00751.33139.12 峰值10487319291156397 时间跨度 2016-06-23 17:30—2016-06-23 18：302016-06-23 18:30—2016-06-23 22：002016-06-23 22:00—2016-06-24 1:002016-06-241:00—2016-06-2411:002016-06-24 11:00—2016-06-25 0:00 (2) 第二阶段：整体舆情呈明显的递增趋势。新 微博进行二次转发，扩大了传 播范围。随着转发数量不断增加，网络舆情渐渐形 85 2018年9月情报探索第9期（总251期） 2016-06-23 23:30左右，转发量高达1929条，微博用户 (4) 发数量 转发、 ， 、点:网络 ， 了 点。 主导意见已经形成，转 零,社会关 下降。将网络 突发事件分为潜伏 ，其 期、萌动期、加速期、成熟期、衰退期5个 宁龙卷风”的 命周期大致相符。4.2舆情传播路径分析 进有一定的规律[21]。研究结果表明，％盐城#阜 进过程与网络突发事件的 回归到网络舆情爆发时间 一间的数据 前。由于2016-06-24 2:00—6:30为用户睡眠时间，转发数量大幅度减少，本研究 不纳人平均值的算。 (5) 第五阶段： 开始冷却，整体舆情趋向于 本文使用Gephi软件绘制“盐城#阜宁强龙卷 风”网络 传播云图，图4所示。 图4 “盐城#阜宁强龙卷风”网络舆情信息传播云图 从图4可以看出，微博用户数量庞大、分布广 泛、用户之间联系较紧密。其中：以新闻媒体博主“新 浪微博”为中心,其转发量最多、影响力最广、连接节 点用户最多，在网络中形成了一个作用力场；“朱亚 文”“盛一伦”“林俊杰”等节点作为桥梁连接其他子 节点，形成一定的影响力。随着用户传播行为的增 多，更多的微博用户可以看见该条突发气象灾害新 闻事件，通过转发 使用Gephi 出去。 分析工具对转发数据进行 分， 分析, 划分，将该微博转发的所有用户划分为740个社区， 最大的 5个用户进行 生成的节点传 以“新浪 图5所示。 ”为中心的社，其影响广度在整 图5 节点传播路径图 个网络中最强；“林俊杰”“盛一伦”“朱亚文”的影 响广在整个网络中 主，主要发布新闻 主，作为 的点、 。“新浪 ， 主，他 、转发数量多。 ”为 ，有 的 媒体；、员 点 ， 点 在该社 的 传播较 ； “新浪江苏&，使 节，将 “林俊杰”“盛一伦”等节点 网络舆情传播深度较低。在网络舆情发 点中于“新浪 理该社 ”的 ，有 的舆情传播。 数量庞大，微节点有 86 2018年9月王之元等:社交网络环境下突发气象灾害舆情信息的传播演化研究第9期（总251期） 4.3点度中心性分析 “盐城#阜宁强龙卷风”话题舆情出/人度，如表 2所示。由于“新浪江苏”是微博话题主持人，转发该 条微博的用户与原创微博有着直接关系，处于核心 $ 人度、出度、中心 $表2 “盐城#阜宁强龙卷风”话题舆情出/入度表(TOP15) Id 新浪江苏林俊杰盛一伦朱亚文王祖藍李冰冰李佳航MVP宋慧乔于和伟沈佳妮安悦溪 幸福不感冒508防弹少年团吧博盛一伦的特伦苏盛一伦工室 出度11 56933172118187117821104166119117988978634947 人度11 56933182119187217831105167120118999090644948 Id 羅羅是我的矿泉水盛家小伦子 的骄傲666幸福不感冒508空中的鸟ys玉瑾的歌迷一号103号的小小跟班103号的小跟班盛家军奶 赤子心lun紫色风鈴闫俊玲盛一伦的蝶妃盛家军107号微微的微博16 3号 盛家军院长号 出度18151312121211109988877 人度2522139012121118119888419 (1) 从舆情人度来看：“羅羅是我的矿泉水”“盛家小伦子”“ 发 2.5797， 有持续性关注， 一伦” 的“话 和“大V” 转发的 于1的 受者， (3) 中心 舆情 用；同时， 数 舆情 ， 持 (2) 从舆情出度 ”；出度指数 用户主， 有 性 的性 的傲666”指数较高，可见他们对舆情极为关；人度大于1的 用户对突发 度。 ：“新浪江苏”“林俊杰”“盛 核心地位，有较大的博主 “ V” 舆 较 新闻旗用户发性；出度 接 。 舆情没 大，在众多用户之间起着“桥梁”的作用，大部分用户 需要通过上述用户才能与其他用户 的流动，可阻断舆情向外扩散。 表3 “盐城#阜宁强龙卷风”微博舆情介数中心性表(TOP15) 联系。因此， ， 介数中心性较高的用户够控制突发灾害舆情 Id 林俊杰朱亚文李冰冰盛一伦王祖藍 幸福不感冒508李佳航 MVP盛家军107号微微的微博 16羅羅是我的矿泉水宋慧乔于和伟盛家小伦子沈佳妮安悦溪 介数中心性3375.32856.32184.52026.81712.0979.0298.0192.5163.0122.0113.0111.0102.391.083.5 ，处于舆情 0.984%，表明大部分用户是 ：“新浪江苏”“林俊杰”“盛一 中 发 的中，他们的 ， 发灾害舆 伦”的点度中心势分别为44.578、12.788、8.168，这 ，信息传递给其他用户的数 “见 ”的可能性 情 度 。4.4介数中心性分析 使用Gephi绘制介数中心性图，能够更直观地 观测 是 关键 舆情 关键 ，该 ，如图6所示。图中可以看的核心 。 舆情 •： 出，“林俊杰”“朱亚文”“李冰冰”“盛一伦”“王祖蓝” 出现的频率越高，则对网络中突发关键 的出现频次最多。在以 介数中心性是度量一个节点出现在网络中最短 的频率。“盐U#阜宁强龙卷风”微博舆情介 数中心性，如 3所示。中，“林俊杰”“朱亚文”“李 ”的介数中心性最高。介数中心性大于1的用户 1.29%， 中，少数 发 据关键 舆情 ， 子影响力极 舆情关注度越高，其中“林俊杰”节点的直 ，表示该 “新浪江苏” 核心的社区内进行舆情动向控 87 2018年9月情报探索第9期（总251期) 制，只需对“林俊杰”“朱亚文”“李冰冰”“盛一伦”“王 祖蓝$5个节点加以控制，舆情引导的传播过程便能 够及时有效地被控制。此外，也可以在节点上设置与 之相关的动态监控和调节机制，以利于观察舆论引 导效。 图6舆情网络介数中心性图 4.5离心中心性分析 离心中心性 一 节点 离 ： 远节点的距离。通常认为，网络的中心节点就是离心 中心性值等于网络半的节点。一个节点的离心中 心性与网络 ，节点 中心[15(。 “ # ” 舆情离心中心性，如 4 。“新浪苏”“朱亚文”“王祖蓝”的离心中心性 为5、4、3，中“新浪江苏”的离心中心性最 ， 在 舆情网络中“新浪苏”据心地， 节点过 地 舆情 ，离心中心性于0的 为4.24%，说于网络的 ，舆情 播的 性。 小 的节点代表在网络中的离心中心性不同， 7 。 中，“新浪苏”“林俊杰”“朱亚 文”“盛一伦”距离中心 ， 网络中 ；节点的距离 ，播 。与此同时， 的 相同， 节点 在网络的各个 ， 舆情 节点在 中以 的 。 此可 ， 也 为 舆 情 的心 。上 为舆情监管带来如下 启 * 一方面，可以通过离心中心性较的节点88 表4 “盐城#阜宁强龙卷风”微博舆情离心中心性表(TOP15) Id 离心中心性 新浪江苏5朱亚文4王祖藍3盛一伦3林俊杰3沈佳妮3李冰冰3李佳航MVP3女家了3--小璃儿--3盛一伦工作室3黄津津 DingDingDing3安悦溪2于和伟 2 (舆论子群体）进行有针对性的实时监控；另一方面， 在引导舆趋势过程中，也可以利 节点的 效应加快网络舆情 的传播，使网络舆情得到 有效引导。 图7 舆情网络离心中心度图 5 结论与建议 5.1 结论 在理论层面，使用社会网络分析法，根据点度中 心性、介数中心性和离心中心性3个指标， 交 网络中 气象 舆情传播的特征、演化过程以 及传播规律。在实践层面，基于新浪 “盐城#阜卷风#”话题， 交网络环境 气象 舆情 播过程的“舆情图谱路）心 ） 关键 节点、舆情演进过程” 关键 网络特 征，得出以下结*交网络环境下舆情网络整 2018年9月王之元等:社交网络环境下突发气象灾害舆情信息的传播演化研究第9期（总251期） 特征为无标度网络，舆情传播过程中关键节点更具 影响力，舆情演化具有生命周期曲线特征，边缘用户 受关键节点影响参与传播是推动舆情爆发的主要因素等。 本文为社交网络环境下突发气象灾害舆情传播 理论提供了新的研究分析方法和视角，政府相关部 门可以在舆情初期的网络核心节点上设立相应的动 态监控措施和应 ，对监控突发灾害舆情、降舆情传播速度具有 的参 。 本研究以新浪微博“盐城#阜宁强龙卷风#” ， 在 。'续 研究可以 社交 络 ， 微 发布的推文中选取样本数据， 更 研究。与 ，如何采集大量的突发气象灾害数据信息，并对 生的 传播态 、和 ， 在本文中 ， 的 研究方 。5.2 建议 (1) 在舆情演进过程方面，突发气象灾害信息传播 要经历5个阶段， 期、动期、 期、期和衰退期。政府可以在 期、动期，在 络核心节点上设立相应的动态 点 相应 。 (2) 在传播 方 ， 社 的影响 度 同，中 社的要节点都是相互链接的。在网 络舆情发生变化时，将关注点中于在 络中 影响度最强的重要节点，这有利于监控管理该社 区内的灾害舆情传播， 非理的舆论引 到正确的方向。 (3) 在节点中心性方面，各社区中节点的指标数值越，则表明节点连的用户越多。因此，当相关 部门需要发布重要 ，可以寻找关键用户发送 博文，使灾害舆情得到有效引导，阻断错误舆情的传 播。 参考文献 [1] 李林容.社交网络的特性及其发展趋势[J].新闻 届，2010(5):32-35. [2] C++IC.第40次中国互联网络发展状况统计报告 [EB/OL]. [2017-08-04]. http ：//cnnic.cn/hlwfzyj/hlwxzbg/hlwtj bg/201708/P020170807351923262153. pdf. [3] KAISER C，KROCKEL J，BODENDORF F. Simulat ing the spread of opinions in online social networks when targeting opinion leaders [J]. Information Systems and e-Business Management，2013，11 (4): 597-621. [4] MA N，LIU Y. SuperedgeRank algorithm and its application in identifying opinion leader of online public opinion supernetwork [J]. Expert Systems with Applications，2014，41 (4)：1357-1368. [5] HAMED A A，ZIA A. Mining Climate Change Awareness on Twitter ： A PageRank Network Analysis Method [M]. West-Berlin：Springer International Publishing，2015： 1631. [6] 康伟.突发事件舆情传播的社会网络结构测度与 分析：基于$11 + 16校车事故”的实证研究[J].黑龙江教育（理 论与实践），2014(3)：59-65. [7]赵 金楼，俊会.基于SNA的突发事件微博舆情传 播网络结构分析：以“4*20四川雅安地震”为例[J].管理评 论，2015(1)： 148-157. [8] 逯万辉.突发事件网络舆情传播的社会网络结构 演变研究：以“山东非法疫苗案”为例[J].福建行政学院学报， 2017(3)：111-120. [9] 曹学艳，段飞飞，方宽，等.网络论坛视角下突发事 件舆情的关键节点识别及分类研究[J].图书情报工作，2014 (4)：65-70. [10] 李勇建，王治莹.突发事件中舆情传播机制与演 化博弈分析[J].中国管理科学，2014(11)：87-96. [11] ，苏国强， 新，等.基于统计回归模型的 突发事件网络舆情研究[J].武警学院学报，2014(7)：80-83. [12] 孙立新.社会网络分析法：理论与应用[J].管理学 家学术版.2012(9)：66-73 [13] .基于社交网络分析的隐性知识共享研究 [J].情报资料工作，2006( 2)：102-107. [14] 平亮， .基于社会网络中心性分析的微博 信息传播研究：以Sina微博为例[J].图书情报知识，2010(6)： 92-97. [15] 任晓龙，吕琳媛.网络重要节点排序方法综述[J]. 科学通报，2014(13)： 1175-1197. [16] 国，刘云，程军军，等.微博双向“关注”网络 节点中心性及传播影响力的分析[J].物理学报，2013，62(3)： 502-511. [17] BELLINGERI M，CASSI D，VINCENZI S. Efficiencyof attack strategies on complex model and real-world networks [J]. Physica A，2014,414(3)： 174-180. [ 18] HAGE P， HARARY F. Eccentricity and centralityin networks [J]. Soc Netw，1995 (17)： 57-63. [19] Alexa. TrafficDetail(sina.com.cn)[EB/OL]. [2017 08-30]. https ：//www.alexa.com/siteinfo/sina.com.cn.[20] .国家减灾委办公室公布2016年全国十大 自然灾害事件[J].中国应急管理，2017(2)：36. [21] ，赵提，陈刚，等.网络舆情突发事件的生 命周期理及 研究[J].武汉理工大学学报（社会科 学版），2010，23 (4 )： 482-486. 89 因篇幅问题不能全部显示，请点此查看更多更全内容