基于復雜網(wǎng)絡(luò)的微博網(wǎng)絡(luò)輿情圖譜分析方法研究

賈紅雨 趙雪燕 邱晨子

（1.大連海事大學交通運輸管理學院，遼寧大連116026；2.交通運輸部規(guī)劃研究院，北京100000）

基于復雜網(wǎng)絡(luò)的微博網(wǎng)絡(luò)輿情圖譜分析方法研究

賈紅雨1趙雪燕1邱晨子2

（1.大連海事大學交通運輸管理學院，遼寧大連116026；2.交通運輸部規(guī)劃研究院，北京100000）

本文針對微博網(wǎng)絡(luò)輿情的控制和引導問題，提出一種基于復雜網(wǎng)絡(luò)的圖譜分析方法。本文以微博用戶間轉(zhuǎn)發(fā)和評論某一話題下用戶關(guān)系數(shù)據(jù)作為基礎(chǔ)研究數(shù)據(jù)，生成用戶節(jié)點網(wǎng)絡(luò)關(guān)系圖譜，通過對微博網(wǎng)絡(luò)模塊化圖譜、路徑圖譜和中心性圖譜分析，定性和定量評估出對輿情活躍度高、傳播范圍廣、傳播速度快的微博用戶節(jié)點，作為控制微博輿情的傳播、引導輿情輿論導向的關(guān)鍵用戶節(jié)點。本文以某一微博社區(qū)為樣本數(shù)據(jù)，采用復雜網(wǎng)絡(luò)分析工具Gephi，驗證了基于復雜網(wǎng)絡(luò)的圖譜分析對識別輿情控制中關(guān)鍵用戶節(jié)點的正確性和有效性。

網(wǎng)絡(luò)輿情；復雜網(wǎng)絡(luò)；圖譜分析方法；輿情控制引導

微博擁有龐大的用戶群，由于其傳播過程具有廣泛性和快捷性，如不能有效地控制和引導輿情傳播，會造成較大的負面影響，這已成為專家學者關(guān)注的熱點問題。針對微博網(wǎng)絡(luò)的裂變式、及時性以及圈群性等特點，借鑒復雜網(wǎng)絡(luò)的概念，以微博用戶間的關(guān)系代替社會關(guān)系，以用戶節(jié)點代替?zhèn)€人，賈紅雨［1］等建立起了微博網(wǎng)絡(luò)的概念，驗證了微博網(wǎng)絡(luò)的無標度性，而復雜網(wǎng)絡(luò)的圖譜分析方法在表現(xiàn)網(wǎng)絡(luò)中節(jié)點間、節(jié)點與邊以及邊與邊的復雜連接關(guān)系方面具有形象直觀，一目了然的效果，本文首次將基于復雜網(wǎng)絡(luò)的圖譜分析方法運用到微博網(wǎng)絡(luò)的分析中，應(yīng)該是一次有益的嘗試。

目前，隨著復雜網(wǎng)絡(luò)理論的深入探究，該方法應(yīng)用范圍十分廣泛，專家學者們在競爭情報、知識管理、圖書館資源配置、學科熱點、引文分析［2］、科研人員合著、網(wǎng)絡(luò)鏈接、博客網(wǎng)絡(luò)［3］等方面展開了一系列研究［4］。在微博網(wǎng)絡(luò)輿情方面，復雜網(wǎng)絡(luò)分析方法已經(jīng)被應(yīng)用到微博輿情復雜網(wǎng)絡(luò)構(gòu)建，傳播機制和演變階段分析等方面，金鑫［5］等應(yīng)用復雜網(wǎng)絡(luò)分析方法構(gòu)建了微博社會網(wǎng)絡(luò)；康書龍［6］基于微博網(wǎng)絡(luò)中用戶行為及關(guān)系，應(yīng)用復雜網(wǎng)絡(luò)分析，評估微博網(wǎng)絡(luò)節(jié)點影響力；熊會會［7］應(yīng)用復雜網(wǎng)絡(luò)分析方法，對微博客的拓撲結(jié)構(gòu)進行分析，提出了微博網(wǎng)絡(luò)信息傳播模型。

本文旨在以復雜網(wǎng)絡(luò)理論和微博用戶間的評論及轉(zhuǎn)發(fā)關(guān)系的用戶關(guān)系數(shù)據(jù)為基礎(chǔ)，構(gòu)建微博網(wǎng)絡(luò)輿情的圖譜模型，利用復雜網(wǎng)絡(luò)Gephi軟件，通過模塊化圖譜、路徑圖譜和中心性圖譜分析，定性或定量地評估出微博社區(qū)中的輿情控制關(guān)鍵節(jié)點，給出控制和引導影響力強、具有領(lǐng)導作用的關(guān)鍵用戶節(jié)點的建議，提高正確信息的傳播效果，及時發(fā)現(xiàn)和阻止負面輿情的傳播，維護正常的微博社區(qū)秩序，避免引起網(wǎng)民的恐慌，維護社會的穩(wěn)定和安全。

1 微博網(wǎng)絡(luò)輿情圖譜分析模型的建立

1.1 分析模型的建立

微博網(wǎng)絡(luò)輿情與其他類型的輿情傳播一樣，受傳播源頭、傳播路徑以及傳播速度等因素影響，研究微博網(wǎng)絡(luò)輿情的傳播，同樣從以上三個方面入手。在微博網(wǎng)絡(luò)中，微博網(wǎng)絡(luò)輿情的傳播源頭是用戶節(jié)點，傳播路徑和傳播速度決定于微博用戶節(jié)點和邊的屬性以及兩者之間的連接關(guān)系。因此本文將從微博網(wǎng)絡(luò)輿情的關(guān)鍵用戶節(jié)點，節(jié)點與邊和邊與邊之間的關(guān)系對微博網(wǎng)絡(luò)輿情的傳播進行分析研究。在復雜網(wǎng)絡(luò)理論方法中，表示節(jié)點及邊和該兩者兩兩之間的特征量度有節(jié)點的度與節(jié)點度分布、平均路徑長度、簇系數(shù)以及介數(shù)。

1.1.1 微博輿情關(guān)鍵節(jié)點模型參數(shù)

微博輿情可以使用度和度分布來評估用戶節(jié)點的影響力和重要程度。

復雜網(wǎng)絡(luò)中節(jié)點的度是指與此節(jié)點直接相連的邊的數(shù)量。在有向網(wǎng)絡(luò)中，入度是指從其他節(jié)點指向該節(jié)點的邊的數(shù)目，出度是指該節(jié)點指向其他節(jié)點的邊的數(shù)目［8］。微博輿情的每個用戶都是一個節(jié)點，在某一話題下，X節(jié)點的微博被其他用戶轉(zhuǎn)發(fā)或者評論的次數(shù)即是X節(jié)點的的入度；相應(yīng)的，X節(jié)點在該話題下評論或者轉(zhuǎn)發(fā)其他用戶的次數(shù)是出度。節(jié)點的度稱作點度中心度（Degree Centrality），點度中心度越大的節(jié)點，其影響力越大，在整個網(wǎng)絡(luò)中的作用也就越大。

度分布（Degree Distribution）是指復雜網(wǎng)絡(luò)中節(jié)點的度的概率分布，許多統(tǒng)計實驗的數(shù)據(jù)表明，無標度網(wǎng)絡(luò)具有冪指數(shù)的度分布［9］，即：

P（k）為一個隨機選擇的節(jié)點恰好具有k條邊的概率。其中γ稱為冪指數(shù)，其范圍為1≤γ≤4［10］。

網(wǎng)絡(luò)中的冪律顯示，節(jié)點的度值相距很大，極少數(shù)節(jié)點的度值很大，而絕大多數(shù)的節(jié)點度值很?。?1］。

1.1.2 微博輿情傳播效率模型參數(shù)

微博網(wǎng)絡(luò)輿情的傳播效率取決于用戶節(jié)點間邊的長度，復雜網(wǎng)絡(luò)中衡量邊的指標可以用平均路徑長度。

復雜網(wǎng)絡(luò)中的路徑長度（Path Length）是節(jié)點與節(jié)點間最短路徑上邊數(shù)。網(wǎng)絡(luò)中節(jié)點與節(jié)點之間的距離的最大值稱為網(wǎng)絡(luò)的直徑，記為D，即：

平均路徑長度定義為網(wǎng)絡(luò)中節(jié)點i與j之間的最短路徑長度的平均值L，即：

其中，N表示網(wǎng)絡(luò)中節(jié)點的數(shù)量［12］。微博輿情的平均路徑長度是指網(wǎng)絡(luò)中所有用戶節(jié)點對的平均距離，表示微博輿情傳播的時間長短。

1.1.3 微博輿情傳播路徑模型參數(shù)

采用介數(shù)中心度和緊密中心度對微博網(wǎng)絡(luò)中用戶節(jié)點處于此網(wǎng)絡(luò)的中心地位的程度進行定量分析，找出微博網(wǎng)絡(luò)輿情傳播路徑上的關(guān)鍵節(jié)點或脆弱點。

（1）介數(shù)中心度

介數(shù)中心度（Betweenness Centrality）是度量一個節(jié)點出現(xiàn)在網(wǎng)絡(luò)中最短路徑上的效率。微博輿情中用戶Y相對于一個用戶對X和Z的介數(shù)中心度指的是經(jīng)過用戶Y并且連接這兩個用戶的捷徑占這兩個用戶節(jié)點之間的捷徑總數(shù)之比，即用戶Y在網(wǎng)絡(luò)信息流動中的傳輸負載量。介數(shù)中心度可表示為：

gst，i表示用戶對s和t最短路徑經(jīng)過用戶i點的路徑數(shù)，nst表示節(jié)點s和節(jié)點t之間存在所有最短路徑的路徑數(shù)［13］。

（2）緊密中心度

緊密中心度（Closeness Centrality）是刻畫微博網(wǎng)絡(luò)中某一節(jié)點對網(wǎng)絡(luò)中其他可達節(jié)點的難易程度。其值定義為該節(jié)點到達其他節(jié)點的的距離之和的倒數(shù)，是網(wǎng)絡(luò)的拓撲中心：

dG（v，t）表示網(wǎng)絡(luò)G中v節(jié)點到t節(jié)點的距離［14］。擁有高緊密中心度的用戶節(jié)點可以在較短的路徑上將信息傳遞給更多人［15］。

2 微博網(wǎng)絡(luò)輿情圖譜分析

進行圖譜分析的前提是確定數(shù)據(jù)來源并對數(shù)據(jù)進行處理。為了避免某些特定領(lǐng)域話題的特殊性，不具有普遍的代表性，本文采用的數(shù)據(jù)來源于騰訊微博，利用迅雷批量下載“緬懷！喬布斯逝世一周年”這個話題下的所有數(shù)據(jù)，然后對這些數(shù)據(jù)進行數(shù)據(jù)分析，分析過程包括數(shù)據(jù)提取，解析和清洗，提取用戶評論或者轉(zhuǎn)發(fā)該話題的具體文檔內(nèi)容，對內(nèi)容進行解析，確定用戶是僅自己發(fā)表觀點還是對話題進行了轉(zhuǎn)發(fā)和評論，在數(shù)據(jù)清洗中，對重復的昵稱和假的孤點進行過濾剔除。

2.1 網(wǎng)絡(luò)圖譜模塊化分析

經(jīng)過上文對微博數(shù)據(jù)進行收集、提取、解析和清洗后，轉(zhuǎn)換成可供復雜網(wǎng)絡(luò)分析工具Gephi識別的.csv數(shù)據(jù)表格文件，將數(shù)據(jù)導入Gephi軟件中，利用Gephi對網(wǎng)絡(luò)數(shù)據(jù)進行模塊化分析，將網(wǎng)絡(luò)所有用戶分為840個社區(qū)，得到如1圖網(wǎng)絡(luò)模塊化分布結(jié)構(gòu)圖。

圖1網(wǎng)絡(luò)模塊化分布結(jié)構(gòu)

圖2 是圖1的模塊化圖示與各模塊節(jié)點的度數(shù)所占比例，從圖2中可以看出，節(jié)點顏色和大小都不同，不同顏色的節(jié)點代表的社區(qū)不同；節(jié)點的大小影響社區(qū)的大小，該節(jié)點所影響的范圍也不同。為了更清晰的分析網(wǎng)絡(luò)結(jié)構(gòu)，將網(wǎng)絡(luò)圖中度數(shù)較大的點按照度數(shù)從大到小排序標記為A～F，每種顏色的社區(qū)中間較大的節(jié)點代表一個中心節(jié)點，這些中心節(jié)點擁有很大的出度及少量的入度，只有極少數(shù)的社區(qū)擁有很多的關(guān)聯(lián)節(jié)點，大多數(shù)社區(qū)擁有的連接節(jié)點都很少，這一點充分體現(xiàn)了微博網(wǎng)絡(luò)用戶節(jié)點關(guān)系網(wǎng)絡(luò)中，少數(shù)節(jié)點間的連接關(guān)系強，大多數(shù)節(jié)點只是受影響節(jié)點，連接關(guān)系強的中心節(jié)點在網(wǎng)路圖譜中可以很容易被識別，并且對本社區(qū)的多數(shù)節(jié)點具有很大的影響作用。

2.2 網(wǎng)絡(luò)圖譜路徑分析

從生成的網(wǎng)絡(luò)圖中突出顯示以A節(jié)點為中心節(jié)點的社區(qū)網(wǎng)絡(luò)，如圖3所示。

對于以A點為中心的社區(qū)，其影響廣度在整個網(wǎng)絡(luò)中最強。輿情傳播速度在該社區(qū)內(nèi)傳播最快。但是，由于該社區(qū)內(nèi)其他節(jié)點對熱點輿情的興趣度不高，導致網(wǎng)絡(luò)輿情傳播深度不夠。在網(wǎng)絡(luò)輿情控制時，只需高度關(guān)注核心節(jié)點A的動向，就可以對該社區(qū)的輿情進行有效監(jiān)控。

圖2 模塊化分層的節(jié)點度比例

圖3 節(jié)點廣度傳播圖

研究微博網(wǎng)絡(luò)輿情傳播既要從節(jié)點傳播廣度上分析，也要從影響深度上分析。突出顯示以B節(jié)點為中心節(jié)點的社區(qū)網(wǎng)絡(luò)，得到如圖4所示的節(jié)點深度傳播圖。

圖4 節(jié)點深度傳播圖

在以B點為中心的社區(qū)網(wǎng)絡(luò)中，其傳播深度為六層，與整個網(wǎng)絡(luò)的直徑相同。可以說明，該社區(qū)縱向影響程度最大。即與B為直接相鄰的節(jié)點還有其他外層節(jié)點，對其發(fā)布的網(wǎng)絡(luò)輿情敏感度較高。對于B作為輿情原點，在整個網(wǎng)絡(luò)中影響較深。

綜上所述，雖然與A點直接相鄰的節(jié)點在整個網(wǎng)絡(luò)中最多，即度數(shù)最大，但與度數(shù)較小的B點相比，其影響深度不高。而影響深度大的B點也沒有A點對輿情傳播影響個體多。所以在對網(wǎng)絡(luò)進行合理引導和控制的時候，既要考慮核心節(jié)點的影響廣度，同時也要考慮其影響深度，這樣才能完善輿情監(jiān)控機制。

2.3 微博網(wǎng)絡(luò)介數(shù)中心性分析

通過對網(wǎng)絡(luò)進行介數(shù)中心性分析，得到圖5。

圖5 介數(shù)中心性分析

由圖5可以看出A、B、C、D、E、F都是在一條以O(shè)為輿情源，進行信息傳播的關(guān)鍵路徑上的重要節(jié)點。這些節(jié)點在整個網(wǎng)絡(luò)的關(guān)鍵路徑中出現(xiàn)的頻率是最多的，同時也表示這些節(jié)點對網(wǎng)絡(luò)中輿情的關(guān)注度也是最高的，其中D點最大，表示該點對網(wǎng)絡(luò)輿情興趣度最高，即出現(xiàn)在關(guān)鍵路徑上的次數(shù)是最多的，在整個網(wǎng)絡(luò)中，D點對于輿論事件的活躍度是最高的。

如在O點為核心的社區(qū)內(nèi)進行輿情控制，只需對A、B、C、D、E、F這六個節(jié)點加以控制，就能及時有效的發(fā)現(xiàn)和控制負面輿情的傳播。同時，對于整個網(wǎng)絡(luò)來說，在這些點上也設(shè)立相應(yīng)的監(jiān)控和應(yīng)變機制，將會對微博網(wǎng)絡(luò)輿情引導與控制起到事半功倍的效果。

2.4 微博網(wǎng)絡(luò)緊密中心性分析

通過對網(wǎng)絡(luò)的緊密中心性分析，得到圖6。

如圖6所示，顏色和大小的不同代筆該節(jié)點在網(wǎng)絡(luò)中的緊密度的不同。其中，A、B、C、D、E等具有較強的緊密中心度，即它們能夠以最短的距離到達網(wǎng)絡(luò)中能夠到達的其他節(jié)點。對于整個網(wǎng)絡(luò)來說，這幾個核心節(jié)點對網(wǎng)絡(luò)中輿情熱點的傳播速度最快。這些點分布在網(wǎng)絡(luò)的不同社區(qū)內(nèi)，屬于各個社區(qū)的積極因子，能夠以最快的速度使輿情得到擴散。

圖6 緊密中心性分析

所以，對于網(wǎng)絡(luò)中緊密度較高的節(jié)點，在控制過程中可以對這些節(jié)點加以實時監(jiān)控，起到檢測輿論傳播速度的作用；另一方面在引導輿論走向的過程中可以利用這些節(jié)點的感知能力將正面積極的信息發(fā)布到網(wǎng)絡(luò)中，使微博網(wǎng)絡(luò)輿情得到有效的引導。

3 微博輿情信息傳播控制和引導建議

3.1 控制手段

對與網(wǎng)絡(luò)輿論形成和傳播有關(guān)環(huán)節(jié)實施有效的管理。即刪除具有影響網(wǎng)絡(luò)傳播范圍的節(jié)點以及在網(wǎng)絡(luò)中起到橋梁作用的節(jié)點。

點度連接度大的節(jié)點是微博社區(qū)中的核心節(jié)點，在輿情蔓延初期，可以刪除此類節(jié)點，抑制負面輿情從他們的位置擴散。但是點度連接度大的節(jié)點的作用僅限于自己的社區(qū)，而傳播深度大的節(jié)點有大量與外部網(wǎng)絡(luò)聯(lián)系的節(jié)點，刪除此類節(jié)點可以及時隔斷輿情信息傳播的深度，減少信息的傳播層次。

介數(shù)中心度大的節(jié)點雖然只有很少的聯(lián)系節(jié)點，但它們處于網(wǎng)絡(luò)與外部連接的交接處，具有信息通道的作用，刪除這類節(jié)點后網(wǎng)絡(luò)就無法與外部網(wǎng)絡(luò)交換信息，可以阻斷輿情信息向外部蔓延。

緊密中心度大即傳播速度快的節(jié)點可以以最近的距離聯(lián)系到網(wǎng)絡(luò)中的每一個可能到達的節(jié)點，處于感知整個網(wǎng)絡(luò)輿情信息最有利的位置，刪除此類節(jié)點可以抑制輿情信息的快速傳播，爭取更多的時間控制輿情傳播。

3.2 引導手段

利用“核心成員節(jié)點”的影響力，從理性、知識性和情感等方面對參與網(wǎng)絡(luò)輿情的網(wǎng)民的認識和情感進行潛移默化的影響，將不正確或非理性的輿論引導到正確的方向。

當負面信息傳播時，可以跟隨辯駁，將正確的信息及時推送到用戶手中。另外，主動辟謠也是一種有效的手段，對于已經(jīng)證實的不實消息，將其標識為“謠言”，對正在傳播謠言的用戶給予通知警告，限制其傳播。此外，建立官方平臺，主動澄清事實也是目前較為普遍的引導手段。最后，人為引出新話題和核心成員，出現(xiàn)多個次級話題或次級核心成員，分散話題或者核心成員的影響力，也是引導輿情傳播的有效手段。

4 結(jié)論與展望

本文從定量和定性的角度，對微博網(wǎng)絡(luò)用戶群進行了網(wǎng)絡(luò)圖譜模塊化分析，網(wǎng)絡(luò)圖譜路徑分析以及微博網(wǎng)絡(luò)中心性分析，并最終更加合理和準確地得到了所研究微博社區(qū)的輿情核心節(jié)點。在微博網(wǎng)絡(luò)輿情演變所處的不同時期，根據(jù)各階段輿情不同的特點，通過對核心微博用戶實施有力的控制手段和引導策略，進行綜合調(diào)控，引導輿情走向，維護微博社區(qū)秩序。

目前專家學者們對于微博網(wǎng)絡(luò)的研究方向還處在微博信息的靜態(tài)分析上，但是隨著網(wǎng)絡(luò)微博的廣泛使用，輿情話題不只是一個，微博信息也達到海量級，如何采用海量的微博數(shù)據(jù)源信息，并對其進行有效的分類、組織和存儲管理并快速、準確、全面地管理數(shù)據(jù)，是日后對微博進行監(jiān)管和引導的重要前提基礎(chǔ)，也是今后的研究方向。

［1］Jia Hongyu，Hao jianwei，Qiu chenzi.A Model for Studying Public Opinion Hotspot Growth Regulation in Microblog Network［C］.International Conference On Managenment Science＆Engineering 20th Annual Conference Proceedings（Volumn I）（C），2013：173－178.

［2］宋歌，葉繼元.基于SNA的圖書情報學期刊互引網(wǎng)絡(luò)結(jié)構(gòu)分［J］.管理觀察，2014，（4）：141.

［5］劉婷婷，馬海群.信息安全政策績效評價的指標體系框架構(gòu)建［J］.農(nóng)業(yè)網(wǎng)絡(luò)信息，2014，（3）：25－28.

［6］韓伯棠.管理運籌學（第二版）［M］.北京：高等教育出版社，2005：390－397.

［7］崔清新，鄒聲文.信息安全條例已起草［N］.新華每日電訊，2010－11－09，（001）.

［8］工信部正在起草信息安全條例［EB／OL］.http：∥www.lawlib.com／fzdt／newshtml／fzjd／20121219105106.htm，2014－12－09.

［9］中央網(wǎng)絡(luò)安全和信息化領(lǐng)導小組第一次會議召開［EB／OL］. http：∥www.gov.cn／ldhd／2014－02／27／content_2625036.htm，2014－12－09.析［J］.中國國家圖書館，2009，（3）：27－34.

（本文責任編輯：馬卓）

［3］趙廣利.社會網(wǎng)絡(luò)分析技術(shù)在博客媒體信任度中的研究與應(yīng)用［D］.包頭：內(nèi)蒙古科技大學，2011：15.

［4］D.KNOKE，J.H.KUKLINSKI.Network Analysis［M］.Beverly Hills：Sage Publications，1982.

［5］金鑫.基于復雜網(wǎng)絡(luò)的微博輿情傳播［J］.吉林大學學報：工學版，2012，（S1）：272.

［6］康書龍.基于用戶行為關(guān)系的社交網(wǎng)絡(luò)節(jié)點影響力評價［D］.北京：北京郵電大學，2011：3.

［7］熊會會.基于復雜網(wǎng)絡(luò)的微博客信息傳播機制研究［D］.廣州：華南理工大學，2012：4.

［8］田慶飛.基于復雜網(wǎng)絡(luò)理論的城市公交網(wǎng)絡(luò)生成與優(yōu)化研究［D］.吉林：吉林大學，2013：31－34.

［9］羅熹.基于新浪微博的社交網(wǎng)絡(luò)復雜特性研究［D］.武漢：武漢理工大學，2012：22.

［10］Zhang G Q，Yang Q F，et al.Evolution of the Internet and its cores［J］.New J.Phys.2008，（10）：8.

［11］張貴清，復雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)對OFC模型動力學行為影響的研究［D］.天津：南開大學，2009：8－9.

［12］曾小舟.基于復雜網(wǎng)絡(luò)理論的中國航空網(wǎng)絡(luò)結(jié)構(gòu)實證研究與分析［D］.南京：南京航空航天大學，2012：17.

［13］Huang Jinshan，Zhang Xunfeng.Advances in Artificial Intelligence（Volumn 4）——Proceedings of 2011 International Conference on 2011 2nd International Conference on Management Science and Engineering（MSE 2011）［C］.成都：2011.

［14］吳柱，李斌，許騰.艦艇編隊通信網(wǎng)絡(luò)中心化研究［J］.指揮控制與仿真，2012，（2）：13－14.

［15］孫超.微博網(wǎng)絡(luò)信息流的影響因素研究［D］.北京：清華大學，2012：19－20.

（本文責任編輯：郭沫含）

A Study of Complex－network－based Graph－analytical Approach on Microblog Net－mediated Public Sentiment

Jia Hongyu1Zhao Xueyan1Qiu Chenzi2
（1.Transportation Management College，Dalian Maritime University，Dalian 116024，China；2.Transport Planning and Research Institute，Ministry of Transport，Beijing 10000，China）

Considering how to control and guide microblog net－mediated public sentiment，a complex－network－based graph－analytical approach was proposed.Based on the analysis of relationship data generated by users that commented on and forwarded one topic of the microblog，graphs of user nodes network are built，and by analyzing the modularity graph，path graphs and centrality graphs，user nodes that are highly active on public sentiment and have wide breadth propagation，deep depth propagation and fast speed propagation are evaluated quantitatively and qualitatively.Besides，these nodes are controlled and guided effectively，which may be used to slowly spread the net－mediated public sentiment and guide the direction of the public topic. Taking some microblog community data as sample data，and using complex network software Gephi as analysis tool，the correctness and effectiveness of the a complex－network－based graph－analytical approach which was used to identify the key nodes in the process of the public sentiment control were verified.

net－mediated public sentiment；complex network；graph－analytical method；public sentiment control and guide

10.3969／j．issn．1008－0821．2015．03．012

G250.252

A

1008－0821（2015）03－0064－04

2014－07－09

賈紅雨（1965－），女，副教授，博士，研究方向：信息系統(tǒng)工程，管理科學與決策支持系統(tǒng)研究等，發(fā)表論文數(shù)篇。