新浪微博轉(zhuǎn)發(fā)數(shù)的冪律分布現(xiàn)象

張寧　饒婕　張書卿　陳虹　羅楊

摘 要： 網(wǎng)絡是一個包含了大量個體及個體之間相互作用的系統(tǒng)，近年來在對復雜網(wǎng)絡的研究過程中，科學家們發(fā)現(xiàn)了眾多的冪律分布現(xiàn)象。不僅網(wǎng)頁的點擊次數(shù)存在冪律分布現(xiàn)象，微博也同樣存在著冪律分布現(xiàn)象。利用新浪微博的API技術(shù)抓取了新浪微博數(shù)據(jù)，對其進行了詳細的數(shù)據(jù)清理和統(tǒng)計，對統(tǒng)計結(jié)果進行分析發(fā)現(xiàn)，新浪微博的轉(zhuǎn)發(fā)數(shù)也同樣存在著冪律分布現(xiàn)象。只有為數(shù)不多的微博，才能被大量的閱讀和轉(zhuǎn)發(fā)，進而成為熱點微博，而絕大多數(shù)微博的閱讀次數(shù)和轉(zhuǎn)發(fā)次數(shù)都是非常少的。

關(guān)鍵詞： 新浪微博； 轉(zhuǎn)發(fā)數(shù)； 冪律分布； Zipf定律

中圖分類號：TP391 文獻標志碼：A 文章編號：1006-8228（2015）03-33-03

Abstract： Network contains a large number of interaction between the individual and the individual system.In recent years， the scientists find a large number of power-law distribution phenomenon in the research of complex networks. The power-law distribution phenomenon exists not only in the page clicks， but also in the number of micro- blog access. In this paper， we use API technology of Sina micro-blog to capture the recent micro-blog data， make the data cleaning and statistic ， by analysing the final statistical results，we find that the phenomenon of power-law distribution also exists in the number of forwards in Sina micro-blog. Only a few micro-blog， can be a hot micro-blog which has a large number of reading and forwarding，in contrast the vast majority of others have very few number of reading and forwarding.

Key words： Sina micro-blog； number of forwards； phenomenon of power-law distribution； Zipf's Law

0 引言

全球復雜網(wǎng)絡權(quán)威、無尺度網(wǎng)絡的創(chuàng)立者、匈牙利計算機學會馮·諾依曼金質(zhì)獎章獲得者Barabasi揭開人類行為背后隱藏的 “爆發(fā)”模式，指出人類活動模式不是隨機的，而是具有“爆發(fā)性”的。爆發(fā)的本質(zhì)規(guī)律就是冪律分布。冪律分布現(xiàn)象的共性是絕大多數(shù)事件的規(guī)模很小，而只有少數(shù)事件的規(guī)模相當大。著名的Zipf定律是冪律的主要形式之一，哈佛大學的語言學專家Zipf發(fā)現(xiàn)，如果把單詞出現(xiàn)的頻率按由大到小的順序排列，則每個單詞出現(xiàn)的頻率與它的名次的常數(shù)次冪存在簡單的反比關(guān)系。這一定律表明：只有極少數(shù)的單詞被經(jīng)常使用，而絕大多數(shù)單詞很少被使用。冪律分布的通式可記為y=cx-r，重要特征是個體的尺度相差懸殊，缺乏一個具有代表性的規(guī)模，或者說，存在“爆發(fā)”（或稱“涌現(xiàn)”）現(xiàn)象。

本文抓取了新浪微博的微博數(shù)據(jù)，并獲得轉(zhuǎn)發(fā)數(shù)，對微博的轉(zhuǎn)發(fā)現(xiàn)象進行統(tǒng)計并試著分析產(chǎn)生該現(xiàn)象的原因。

1 抓取數(shù)據(jù)來源說明

數(shù)據(jù)來源于新浪微博8月份實時微博。考慮到每天新浪微博的數(shù)據(jù)量巨大，每天新產(chǎn)生微博約1億條左右。隨機抽樣需要樣本空間巨大。所以我們采取隨機抓取關(guān)注列表里的820人的微博

1.1 數(shù)據(jù)抓取技術(shù)

數(shù)據(jù)的抓取是基于新浪API的信息獲取。新浪微博 API 是應用編程接口（Application Programming Interface）的縮寫。開放API就是“在互聯(lián)網(wǎng)時代，把互聯(lián)網(wǎng)產(chǎn)品的服務封裝成一系列計算機易識別的數(shù)據(jù)接口開放出去，供第三方開發(fā)者使用”。微博開放平臺包含了新浪微博平臺海量的微博信息、用戶間的關(guān)注關(guān)系以及隨時隨地信息的擴散式的傳播機制。通過API，用戶可以實時地獲取監(jiān)控微博賬號的各種相關(guān)數(shù)據(jù)，包括微博的轉(zhuǎn)發(fā)數(shù)，評論數(shù)等。用戶使用新浪微博API的前提是需要通過身份認證。OAuth用戶身份認證：開放授權(quán)（OAuth）是一個開放標準，允許用戶讓第三方應用訪問該用戶在某一網(wǎng)站上存儲的私密資源（如照片、視頻、聯(lián)系人列表），而無需將用戶名和密碼提供給第三方應用。因此，OAuth 為新浪微博API提供了一個安全、高效的認證機制，其具體過程如下。

⑴ 用戶向新浪微博開放平臺提出開發(fā)者服務申請，提交實名身份認證。

⑵ 向新浪微博開放平臺OAuth服務商提交創(chuàng)建應用請求，獲得應用資料，并將其中的應用編號App Key和應用口令App Secret寫入認證程序配置文件。

⑶ 利用新浪微博 SDK 提供的認證程序，向新浪微博服務器提交API使用申請，填寫申請者微博賬號、口令，獲取第三方軟件應用許可。

⑷ 申請成功后，服務器在瀏覽器返回URL地址中提供一個由32位十六進制數(shù)組成的認證碼Access_code，用戶將此認證碼提交給認證服務器，服務器同意用戶請求，

向其頒發(fā)通過新浪微博授權(quán)的API調(diào)用令牌Access_Token與對應的密鑰。

⑸ 用戶利用此令牌作為參量調(diào)用相應的API接口。通過上述OAuth認證登錄新浪微博開放平臺成功后，用戶便可調(diào)用開放平臺的各種接口，令牌使用期限為24小時，超過期限后需重新進行認證才能繼續(xù)調(diào)用API接口。

1.2 轉(zhuǎn)發(fā)數(shù)獲取

2 數(shù)據(jù)統(tǒng)計分布情況

所統(tǒng)計的微博數(shù)量去除重復后，共計4253條。以2000為區(qū)間單位，統(tǒng)計轉(zhuǎn)發(fā)數(shù)落在每個區(qū)間內(nèi)的微博條數(shù)。統(tǒng)計表明，以轉(zhuǎn)發(fā)數(shù)在0-2000區(qū)間內(nèi)的微博最多，共計3963條。最少的轉(zhuǎn)發(fā)數(shù)區(qū)間的微博條數(shù)為0條，極差為3963。按微博轉(zhuǎn)發(fā)數(shù)分段統(tǒng)計情況如表2和圖2所示?？梢耘袛啵D(zhuǎn)發(fā)數(shù)的分布范圍很大，一定程度上符合Zipf定律，存在“爆發(fā)”現(xiàn)象。

從表2和圖2可見，微博轉(zhuǎn)發(fā)數(shù)分布較大程度上符合Zipf定律。熱門的微博非常少，越冷門的微博數(shù)量越多。其中，轉(zhuǎn)發(fā)數(shù)在區(qū)間0-2000的微博數(shù)明顯高于其他區(qū)間，可視為“爆發(fā)點”。在該區(qū)間內(nèi)，主要分布的大多是粉絲人數(shù)較少的用戶發(fā)布的微博，沒有龐大的粉絲基礎(chǔ)，所以轉(zhuǎn)發(fā)數(shù)普遍很低。還有一部分微博雖然是有粉絲數(shù)較多的用戶發(fā)布的，但是該微博不能吸引用戶的興趣，不能成為熱點事件，轉(zhuǎn)發(fā)數(shù)也就普遍偏低。其中轉(zhuǎn)發(fā)數(shù)最高的微博為張杰在發(fā)布新單曲“我在這”時，自己在路上邊走邊拍攝的一段視頻，該微博轉(zhuǎn)發(fā)數(shù)介于82000-84000區(qū)間。

3 原因分析

新浪微博中的冪律分布現(xiàn)象屬于復雜網(wǎng)絡中普遍存在的冪律分布現(xiàn)象的一種。在網(wǎng)絡動態(tài)演化的過程中，成長性和優(yōu)先連接性是無標度網(wǎng)絡度分布呈現(xiàn)冪律的兩個最根本原因。所謂成長性是指網(wǎng)絡節(jié)點數(shù)的增加，在本文中主要指新浪微博數(shù)量的增加，新微博的增加更多的是依靠大多數(shù)沒有巨大粉絲數(shù)量基礎(chǔ)的普通用戶發(fā)布的，也包括有巨大粉絲數(shù)量基礎(chǔ)的用戶所發(fā)布的那些不能引起用戶興趣和轉(zhuǎn)發(fā)欲望的微博。優(yōu)先連接性是指，轉(zhuǎn)發(fā)數(shù)高的熱門微博總是由粉絲數(shù)量基礎(chǔ)巨大的用戶發(fā)布或者轉(zhuǎn)發(fā)，比如，一條新的有轉(zhuǎn)發(fā)價值的微博由普通用戶直接發(fā)布后，因為該用戶的粉絲數(shù)量很少，也不能被大量的用戶閱讀和轉(zhuǎn)發(fā)，往往是這條微博在自己的少量用戶的粉絲圈里轉(zhuǎn)發(fā)后就被新熱點微博淹沒掉了。如果該條微博被粉絲數(shù)量基礎(chǔ)巨大的用戶轉(zhuǎn)發(fā)后，能閱讀和轉(zhuǎn)發(fā)該微博的用戶呈現(xiàn)出跳躍式增加的方式增多，就會被大量粉絲用戶轉(zhuǎn)發(fā)，而轉(zhuǎn)發(fā)次數(shù)就呈現(xiàn)飆升的現(xiàn)象。并且隨著時間的演進，微博的轉(zhuǎn)發(fā)數(shù)逐漸呈現(xiàn)出一種轉(zhuǎn)發(fā)數(shù)多的會被轉(zhuǎn)的更多，轉(zhuǎn)發(fā)數(shù)少的微博直接被淹沒掉的現(xiàn)象。

參考文獻：

[1] 姚科.開放API：新浪微博必經(jīng)之路[J].互聯(lián)網(wǎng)天地，2010.8：73-74

[2] 胡海波，王林.冪律分布研究簡史[J].物理，2005.12：889-890

[3] 黃延煒，劉嘉勇.新浪微博數(shù)據(jù)獲取技術(shù)研究[J].信息安全與通信保

密，2013.6：71-72

[4] 張嗣瀛.復雜系統(tǒng)、復雜網(wǎng)絡自相似結(jié)構(gòu)的涌現(xiàn)規(guī)律[J].復雜系統(tǒng)與

復雜性科學，2006.4：41-51

[5] 胡泳.冪律分布[J].商務周刊，2009.22：94

[6] 方愛麗，高齊圣，張嗣瀛.引文網(wǎng)絡的冪律分布檢驗研究[J].統(tǒng)計與決

策，2007.14：22-24