政務(wù)微博整體網(wǎng)絡(luò)的關(guān)系解剖

杜楊沁

〔摘 要〕本文聚焦政務(wù)微博整體網(wǎng)絡(luò)，對網(wǎng)絡(luò)中的整體特性進行剖析。通過引入可達性、聚焦效應(yīng)、簡并度和鄰居成員間相互作用4個方面指標，本文從縱向?qū)用鎸φ?wù)微博網(wǎng)絡(luò)進行了深層剖析，詳細地探尋網(wǎng)絡(luò)中各節(jié)點之間的相互作用和網(wǎng)絡(luò)演化能力。研究表明政務(wù)微博具有小世界特性、較高的凝聚力和信息傳達性等特征，對政務(wù)微博輿情的監(jiān)管應(yīng)抓住核心節(jié)點，根據(jù)各節(jié)點不同特征采取相應(yīng)的運營策略。

〔關(guān)鍵詞〕政務(wù)微博；社會網(wǎng)絡(luò)；關(guān)系

DOI：10.3969/j.issn.1008-0821.2015.09.010

〔中圖分類號〕G315 〔文獻標識碼〕A 〔文章編號〕1008-0821（2015）09-0049-07

〔Abstract〕This paper studied features of government micro-blog social network.In response to accessibility，cluster effect，degeneracy and neibourghood relationship of a social network，this paper introduced four types of indicators to capture the reaction among individual egos and network developmental capacity.The study showed small-world effect，cohesion，and diffusibility in government micro-blog social network.The paper concluded that the government micro-blog with small world properties，higher cohesion and information communication features，the government micro-blog public opinion supervision should grasp the core node，take the corresponding operation strategy according to the different characteristics of each node.

〔Key words〕government micro-blog；social network；relationship

微博為網(wǎng)民提供了一種創(chuàng)新的交互方式，逐漸形成了穩(wěn)定的網(wǎng)絡(luò)關(guān)系網(wǎng)。信息的傳遞在復(fù)雜的關(guān)系網(wǎng)中進行傳播擴散。因此，微博網(wǎng)絡(luò)關(guān)系網(wǎng)可以看成是一個復(fù)雜的社會網(wǎng)絡(luò)，具備了社會網(wǎng)絡(luò)的基本特點。程學(xué)旗、沈華偉（2012）[1]認為微博在用戶的使用過程中，在網(wǎng)絡(luò)空間結(jié)成了各種關(guān)系，比如，用戶之間的關(guān)注關(guān)系、實時交互過程中結(jié)成的共同興趣關(guān)系。彭蘭引入社會網(wǎng)絡(luò)理論來分析微博的信息傳播機制，認為社會網(wǎng)絡(luò)不僅是微博的信息擴散的基本機制，而且是一種信息消費模式，并呈現(xiàn)分布式的特點。因此，有效分析和挖掘微博中復(fù)雜的用戶關(guān)系不僅可以激發(fā)、助推和引導(dǎo)、控制社會輿論事件的發(fā)展趨勢，還可以大大降低各類成本。王連喜等（2012）[2]認為Web20的廣泛應(yīng)用和新型社會化網(wǎng)絡(luò)服務(wù)媒體的盛行，促使網(wǎng)絡(luò)服務(wù)服務(wù)從以數(shù)據(jù)為主導(dǎo)開始轉(zhuǎn)變?yōu)橐杂脩艋蛴脩絷P(guān)系為指導(dǎo)，微博作為當下最流行的社會化網(wǎng)絡(luò)服務(wù)媒體，其用戶關(guān)系挖掘研究成為在這一背景下迅速興起的一個新的研究課題。因此，社會網(wǎng)絡(luò)模型和輿情指標的構(gòu)建是研究微博用戶關(guān)系網(wǎng)絡(luò)及交互行為的一種系統(tǒng)方法。

基于微博的以“關(guān)系”為核心的特征和微博研究的創(chuàng)新性意義，國內(nèi)外學(xué)術(shù)界已經(jīng)有學(xué)者將研究方向轉(zhuǎn)向于此，并已經(jīng)取得了一定的成果。目前，主要研究角度有以下幾個方面：

（1）對微博社會網(wǎng)絡(luò)結(jié)構(gòu)的研究

Haewoon Kwak等（2010）[3]通過對Twitter網(wǎng)站的數(shù)據(jù)挖掘，對其粉絲的拓撲結(jié)構(gòu)進行分析，認為Twitter粉絲為一種非冪律分布，短有效半徑，低互惠，這與人類社會網(wǎng)絡(luò)結(jié)構(gòu)特性有所偏離；Mislove A等（2007）[4]對在線社交網(wǎng)絡(luò)進行了靜態(tài)拓撲圖的研究。通過對大規(guī)模的測量研究和分析多個在線社會網(wǎng)絡(luò)的結(jié)構(gòu)，論文證實了在線社交網(wǎng)絡(luò)的小世界，冪律和無標度特性。此外，該文還通過觀察到用戶節(jié)點的入度與出度；發(fā)現(xiàn)網(wǎng)絡(luò)包含一個人口密集程度高的節(jié)點的核心，這個節(jié)點小團體色彩強烈。張韋全、陳京民（2012）[5]對微博參政群體進行密度、中心性、凝聚子群以及結(jié)構(gòu)洞的挖掘，發(fā)現(xiàn)微博參政群體存在參政領(lǐng)袖和子群現(xiàn)象；微博社會網(wǎng)絡(luò)的微觀結(jié)構(gòu)分析、微博社會網(wǎng)絡(luò)中的信息傳遞機制、資源共享機制、信息傳輸成本和傳播效率等問題仍需進行深入探討，同時缺少實證方面的研究。平亮、宗利永（2010），姜鑫、田志偉（2012）[6]，袁園、孫霄凌、朱慶華（2012）[7]，宋恩梅、左慧慧（2012）[8]均從不同的角度嘗試構(gòu)建了基于社交網(wǎng)絡(luò)模型的微博輿情指標，研究了微博的微觀網(wǎng)絡(luò)結(jié)構(gòu)和信息傳遞的方式，推進了微博研究的向深度方向、量化分析方向發(fā)展。

（2）對微博網(wǎng)絡(luò)中交互行為的研究

Kristene Unsworth等（2012）[9]運用社會網(wǎng)絡(luò)分析方法、內(nèi)容分析和話語分析3種混合方法分析美國農(nóng)業(yè)局與大眾之間的互動，指出傳統(tǒng)定義中的透明、合作和參與型政府應(yīng)在社交媒體的互動環(huán)境下進一步延伸。Wilson C等（2009）[10]對Facebook在線用戶之間的交互關(guān)系進行研究，提出對用戶交互使用進行社會聯(lián)系的量化分析，臉譜網(wǎng)用戶的使用痕跡表明，他們表現(xiàn)出的“小世界”性質(zhì)所現(xiàn)實的水平略低于同行，這意味著，臉譜網(wǎng)的網(wǎng)絡(luò)關(guān)系結(jié)構(gòu)圖中“超節(jié)點”的程度非常高。王瑩莉、張敏（2012）[10]認為，微博為網(wǎng)民提供了一種創(chuàng)新的交互方式，逐漸形成了穩(wěn)定的網(wǎng)絡(luò)關(guān)系網(wǎng)。信息的傳遞在復(fù)雜的關(guān)系網(wǎng)中進行傳播擴散。因此，微博網(wǎng)絡(luò)關(guān)系網(wǎng)可以看成是一個復(fù)雜的社會網(wǎng)絡(luò)，具備了社會網(wǎng)絡(luò)的基本特點。微博研究在傳播特征及運作機制上已取得了一定的成果，但在微博用戶關(guān)系網(wǎng)絡(luò)及其交互行為，微博信息組織、共享和管理機制研究等方面仍需要更為系統(tǒng)的研究框架支持。endprint

（3）比較微博社交網(wǎng)絡(luò)與現(xiàn)實社交網(wǎng)絡(luò)的區(qū)別

Ahn Y Y等（2007）[11]研究在線社交網(wǎng)絡(luò)與現(xiàn)實社交網(wǎng)絡(luò)關(guān)系的差異性，通過Cyworld、MySpac和Orkut 3個在線社交網(wǎng)絡(luò)的數(shù)據(jù)挖掘、分析其度相關(guān)性、度分布和聚類性能。結(jié)果發(fā)現(xiàn)，在線社交網(wǎng)絡(luò)與現(xiàn)實社交網(wǎng)絡(luò)具有偏離性，不能夠完全復(fù)制。

（4）挖掘微博網(wǎng)絡(luò)中的關(guān)鍵節(jié)點

WangY等（2011）[12]利用基于鄰接圖譜矩陣的中心性等分析方法來度量Twitter用戶節(jié)點的重要性，根據(jù)節(jié)點重要性判斷Twitter網(wǎng)絡(luò)社區(qū)中的意見領(lǐng)袖。田占偉、隋玚（2012）[13]發(fā)現(xiàn)信息在微博網(wǎng)絡(luò)中的傳播效率比其他在線社會網(wǎng)絡(luò)更高，同時節(jié)點在信息傳播中的作用差異很大，易于形成意見領(lǐng)袖。袁毅（2011）[14]等從微博信息傳播網(wǎng)絡(luò)的角度出發(fā)，以原創(chuàng)博文為中心沿著多條路徑進行逐級發(fā)散傳播網(wǎng)絡(luò)，通過對微博網(wǎng)絡(luò)節(jié)點的影響力進行分析，發(fā)現(xiàn)強勢節(jié)點（意見領(lǐng)袖）越早出現(xiàn)在傳播早期，越有利于信息的擴散。平亮、宗利永等（2010）[15]在社會網(wǎng)絡(luò)的基礎(chǔ)上，結(jié)合微博用戶之間“關(guān)注”和“被關(guān)注”信息的傳播過程中所形成的網(wǎng)絡(luò)拓撲結(jié)構(gòu)對微博社會網(wǎng)絡(luò)的中心性用戶進行了分析，并在此基礎(chǔ)上識別微博社區(qū)的意見領(lǐng)袖。王連喜等（2012）對微博的關(guān)鍵用戶識別進行了挖掘研究，認為目前研究文獻中對先有用戶影響力的定義和評價準則過于單一，需要設(shè)計更準確和更高效率的關(guān)鍵用戶識別方法。在用戶社群分析方面，需要加強對于微博層次重疊和動態(tài)的用戶社群分析研究，以通過對微博用戶關(guān)系的動態(tài)變化性來挖掘更多、更有價值的潛在規(guī)律。

綜合上述已取得的研究成果，我們認為未來微博關(guān)系網(wǎng)絡(luò)的研究應(yīng)從網(wǎng)絡(luò)結(jié)構(gòu)分析和用戶關(guān)系分析兩個角度，而用戶關(guān)系挖掘研究又存在兩條主線：即一是研究微博用戶社群的關(guān)系；二是微博關(guān)鍵用戶識別研究，關(guān)鍵用戶識別則主要是用各項指標測試該用的影響力。網(wǎng)絡(luò)結(jié)構(gòu)分析則主要從用戶的關(guān)系結(jié)構(gòu)進行分析，其中分為微觀網(wǎng)絡(luò)結(jié)構(gòu)和宏觀網(wǎng)絡(luò)結(jié)構(gòu)兩個視角。就國內(nèi)的研究而言，運用社會網(wǎng)絡(luò)分析方法對微博進行的實證研究還比較少，以政務(wù)微博為研究對象的更是沒有，政務(wù)微博作為微博中的一個重要集群，它的社會網(wǎng)絡(luò)結(jié)構(gòu)特征和輿情傳播特性及關(guān)鍵節(jié)點的情況等都亟待研究，從而可以更好地發(fā)揮政務(wù)微博在突發(fā)公共事件、輿情管理，社會公共服務(wù)等方面的重要作用。

本文將以新浪微博的十大政務(wù)為軸心的政務(wù)微博整體網(wǎng)絡(luò)為研究對象，從宏觀層面上分析政務(wù)微博網(wǎng)絡(luò)的特性。第一，本文將從縱向?qū)用鎸φ?wù)微博的整體網(wǎng)絡(luò)進行深層次解剖，嘗試研究該網(wǎng)絡(luò)的微觀結(jié)構(gòu)組成及該網(wǎng)絡(luò)成員在整體網(wǎng)絡(luò)中扮演的角色。第二，本文將利用網(wǎng)絡(luò)可達性、集聚效應(yīng)、簡并度和鄰居成員間相互作用4個方面的指標體系進行剖析，重點關(guān)注該網(wǎng)絡(luò)中各節(jié)點間的相互作用關(guān)系和網(wǎng)絡(luò)演化能力。第三，本文將基于Ugander J等（2010）[16]解剖臉書（Facebook）社會網(wǎng)絡(luò)的研究成果，比對分析我國政務(wù)微博網(wǎng)絡(luò)表現(xiàn)出來的共性和特性。

1 整體網(wǎng)絡(luò)解剖的測量指標

本文將從網(wǎng)絡(luò)可達性、集聚效應(yīng)、簡并度和鄰居成員間相互作用4個方面對政務(wù)微博整體網(wǎng)絡(luò)進行解剖，結(jié)合社會網(wǎng)絡(luò)分析方法的文獻成果，本文使用的指標體系包括距離、k核和集聚系數(shù)。

11 距離（Distance）

在整體網(wǎng)絡(luò)中，距離指標是衡量網(wǎng)絡(luò)中兩個節(jié)點間可達性和信息傳遞速度、成本的重要指標。距離是連接兩個節(jié)點之間最短路徑的長度。哈佛大學(xué)的Stanley Milgram在1967年通過對300名志愿者的調(diào)研實現(xiàn)中提出了著名的“六度分割理論”。Stanley指出，在小世界網(wǎng)絡(luò)中，一個人只需經(jīng)過不超過6次的聯(lián)系中轉(zhuǎn)就可將信息傳遞給任意陌生人。Kleinberg，JM（2010）[17]構(gòu)建了社會網(wǎng)絡(luò)模型，證明了在絕大多數(shù)小世界模型中，任意節(jié)點間的平均距離均小于6。在政務(wù)微博分析中引入距離指標，可以直觀地反映政務(wù)微博網(wǎng)絡(luò)中個體間消息傳播的速度（距離越短，消息傳播的速度越快），同時也是政務(wù)微博網(wǎng)絡(luò)是否具備小世界網(wǎng)絡(luò)特點的一個有效判斷依據(jù)。公式（1）為網(wǎng)絡(luò)中個體平均距離的計算公式，其中dist（i，j）為兩點間的最短距離。

distaverage=2N（N+1）∑i≤N∑j≥idist（i，j）

（1）

12 k核（k-core）

k核指的是在某個社會網(wǎng)絡(luò)構(gòu)成的圖中，其任意一個子圖中的節(jié)點都至少與該子圖中的k個其它節(jié)點鄰接，是衡量網(wǎng)絡(luò)中簡化度（Degeneracy）的重要指標。Seidman，SB（1983）[18]首先構(gòu)建了k核指標用于描述整體網(wǎng)絡(luò)凝聚力。他指出k核的增大能捕捉到網(wǎng)絡(luò)凝聚力逐漸提升的過程。除此之外，k核還表現(xiàn)出網(wǎng)絡(luò)中派系存在的一些特點。根據(jù)k值的不同，我們能嘗試尋找隱藏在網(wǎng)絡(luò)中的一些凝聚子群。在政務(wù)微博網(wǎng)絡(luò)分析中使用k核指標，將幫助我們識別網(wǎng)絡(luò)中各節(jié)點形成的派系特征，有助于對政務(wù)微博網(wǎng)絡(luò)中的個體進行分類標識，進而按照不同的派系研究網(wǎng)絡(luò)中形成的各群組的特點，從而掌握政務(wù)微博網(wǎng)絡(luò)的群組組成及其在網(wǎng)絡(luò)中扮演的角色。

13 集聚系數(shù)

集聚系數(shù)是描述網(wǎng)絡(luò)中節(jié)點特性的重要指標。集聚系數(shù)反映了網(wǎng)絡(luò)中節(jié)點之間集結(jié)成團的程度（即一節(jié)點與其它相鄰節(jié)點間相互連接的程度）。集聚系數(shù)越高，表示該節(jié)點附近發(fā)生集聚效應(yīng)越明顯。集聚系數(shù)的定義如公式（2）所示，其中ki表示的是指向節(jié)點vi的邊與從節(jié)點vi指出去的邊的總數(shù)，L（i）表示與節(jié)點vi相連的邊的集合。理論研究表明，小世界網(wǎng)絡(luò)的集群系數(shù)遠大于同一規(guī)模下隨機網(wǎng)絡(luò)的集群系數(shù)。田占偉、隋（2012）研究發(fā)現(xiàn)，微博網(wǎng)絡(luò)的集群系數(shù)較大，集群現(xiàn)象顯著。集聚系數(shù)可用于描述政務(wù)微博網(wǎng)絡(luò)的個體間聚合程度，通過聚合程度的判斷，我們可以推斷出網(wǎng)絡(luò)中各類型群組具有的整體響應(yīng)能力。集群現(xiàn)象越顯著，群組內(nèi)整體響應(yīng)的能力越強。endprint

Cc（v）=2{ejk∶vj，vk∈L（v），ejk∈E}kv（kv-1）

（2）

2 實證分析

21 實證數(shù)據(jù)準備

本文選取了人民網(wǎng)輿情監(jiān)測室《2012年新浪政務(wù)微博報告》公布的影響力排行十大政務(wù)微博機構(gòu)為研究起點 ，基于十大政務(wù)微博“上海發(fā)布”、“平安北京”、“成都發(fā)布”、“平安中原”、“公安部打四黑除四害”、“南京發(fā)布”、“廣州公安”、“警民直通車-上海”、“上海鐵警發(fā)布”和“外交小靈通”構(gòu)建形成一個復(fù)雜網(wǎng)絡(luò)。

筆者編寫了數(shù)據(jù)接口程序，通過新浪微博技術(shù)開放平臺提供的API接口獲取了十大政務(wù)微博的相互關(guān)注列表，首先構(gòu)建形成了十大政務(wù)微博關(guān)注群集網(wǎng)絡(luò)，累計節(jié)點5 492個，每個節(jié)點代表1個微博用戶；接著，構(gòu)建5 492個節(jié)點間的網(wǎng)絡(luò)關(guān)系。若兩個節(jié)點互相關(guān)注，則我們認為該節(jié)點建立了關(guān)系。根據(jù)此規(guī)則，共計建立114 566個關(guān)系，并給每組關(guān)系賦值權(quán)重為1。

本節(jié)將從網(wǎng)絡(luò)可達性、集聚效應(yīng)、簡并度和鄰居成員間相互作用進行剖析，重點關(guān)注網(wǎng)絡(luò)中各節(jié)點間的相互作用關(guān)系和網(wǎng)絡(luò)演化能力。文章22節(jié)將引入距離指標分析政務(wù)微博網(wǎng)絡(luò)的小世界特性及網(wǎng)絡(luò)中個體的傳播效率；文章23節(jié)和24節(jié)將分別引入k核和集聚系數(shù)對政務(wù)微博網(wǎng)絡(luò)中各派系的集聚能力和信息傳播的整體響應(yīng)能力進行分析；文章25節(jié)將通過研究鄰居節(jié)點的網(wǎng)絡(luò)大小分析網(wǎng)絡(luò)中相鄰個體間的相互關(guān)系及影響。

22 六度分隔效應(yīng)

采用公式（2）計算我們得出，政務(wù)微博網(wǎng)絡(luò)的“平均距離”為275，最大距離為4，約占176%；最小距離為1，約占08%；網(wǎng)絡(luò)中距離為2和3的個數(shù)分別占到整體網(wǎng)絡(luò)的274%和674%。

計算結(jié)果顯示，政務(wù)微博的距離指標在“六度分割理論”的范圍之內(nèi)，甚至小于Ugander J等（2010）計算得到的Facebook網(wǎng)絡(luò)中兩節(jié)點間的平均距離470。這一結(jié)果說明，政務(wù)微博網(wǎng)絡(luò)具有典型的小世界網(wǎng)絡(luò)特性，且網(wǎng)絡(luò)中各個體間關(guān)系緊密，信息在政務(wù)微博網(wǎng)絡(luò)中具有快速傳播的能力。正因為其具有小世界網(wǎng)絡(luò)的特性，我們發(fā)現(xiàn)政務(wù)微博網(wǎng)絡(luò)出現(xiàn)了小世界網(wǎng)絡(luò)中通常都存在的樞紐現(xiàn)象，即以“上海發(fā)布”、“南京發(fā)布”等大型政務(wù)微博為核心樞紐的輻射狀網(wǎng)絡(luò)體系。同時，基于平均距離得到的凝聚力指數(shù)為“0282”，表示從整體上看，政務(wù)微博具有一定的凝聚力。

23 凝聚子群

根據(jù)Seidman，SB（1983）的算法，我們采用Ucinet軟件計算得到了政務(wù)微博所有5 492個節(jié)點的k核值，其中k核值最大為57，最小為1，均值為22。圖1繪制得到了k核值的整體分布情況。由圖中可以看出，網(wǎng)絡(luò)中節(jié)點的k核指標值呈現(xiàn)出遞減分布的趨勢，即在網(wǎng)絡(luò)中擁有較大k核值的節(jié)點占少數(shù)，隨著k核指標的不斷增加，擁有該k核指標的節(jié)點數(shù)呈現(xiàn)出下降趨勢。

同時，我們也發(fā)現(xiàn)k核值為36和57的節(jié)點分布與整體趨勢存在較大的差異，分別有332和347個節(jié)點k值為36和57。通過分析這兩組節(jié)點，我們觀察到了一個有趣的現(xiàn)象。在k核值為57的節(jié)點中，有很大一部分是公安類的微博，既包括“平安北京”、“平安中原”等6個躋身10大政務(wù)微博的公安類微博；又涵蓋了諸如“余明警官”在內(nèi)的諸多個人公安類微博。而在k核值為36的節(jié)點中，存在著幾類特殊的集聚子群。分別是以“新聞晚報”、“新華社中國網(wǎng)事”等為代表的新聞訊息類政務(wù)微博子群，以“上海普陀”、“上海楊浦”等為代表的上海地方性政務(wù)微博子群、以“南京市審計局”、“南京市公安消防局”等為代表的南京地方性政務(wù)微博子群。綜合分析，我們認為k核同時具備反映政務(wù)微博集聚效應(yīng)和派系效應(yīng)的特點。在政務(wù)微博社會網(wǎng)絡(luò)中，絕大部分群體凝聚成一個小團體，k核值較小；但是，我們也發(fā)現(xiàn)了諸如公安類政務(wù)微博群和上海、南京等幾個典型的地方政務(wù)微博群具有較強的凝聚效應(yīng)。特別需要指出的是公安類的微博，表現(xiàn)出了很高的凝聚力，組成了一個覆蓋范圍很廣的派系。

表1給出了十大政務(wù)微博的k核值，由表中指標值可以看到，除了“成都發(fā)布”、“南京發(fā)布”和“外交小靈通”外，其余7個微博k值均超過了50。表現(xiàn)出了很高的集聚效應(yīng)。這也與先前研究中發(fā)現(xiàn)的公安類和典型的地方性微博具有很強的凝聚能力吻合。此外，值得特別一提的是“外交小靈通”，該微博的k核值僅為25，相較均值略高，這說明以“外交小靈通”為代表的社會子網(wǎng)是一個較小的團體，但正是這個看起來不是很起眼的小團體具有很強的信息傳遞效率，并位列十大政務(wù)微博之中，其運營模式值得我們進一步關(guān)注和研究。 Ugander J等（2010）文章中指出，k核與網(wǎng)絡(luò)大小存在正向聯(lián)系，即如果你身處一個大型社會網(wǎng)絡(luò)中，則你更有機會結(jié)識并形成一個包含更多人在內(nèi)的子群。該文通過分析Facebook社交網(wǎng)絡(luò)得到的實證研究結(jié)果顯示：一個擁有100人的社交網(wǎng)絡(luò)子群，其k核值約為15；一個擁有500人的社交網(wǎng)絡(luò)子群，其k核值將達到53。圖2給出了政務(wù)微博網(wǎng)絡(luò)大小與k核值相關(guān)分布圖。通過比較我們發(fā)現(xiàn)，當政務(wù)微博子網(wǎng)大小達到100時，其k核值將達到約40左右，遠大于Facebook中同樣規(guī)模的子網(wǎng)絡(luò)表現(xiàn)出來的集聚效應(yīng)。這說明相比一般的社交網(wǎng)絡(luò)群體，政務(wù)微博網(wǎng)絡(luò)呈現(xiàn)出更好的簡化度。當子網(wǎng)大小超過400時，k核指標將收斂于一個穩(wěn)定的區(qū)間，該區(qū)間與Facebook同樣規(guī)模的子網(wǎng)k核值接近，約為55左右。這說明相對于Facebook這樣大型的社交網(wǎng)絡(luò)，政務(wù)微博網(wǎng)絡(luò)具有一定的范圍約束，即社會網(wǎng)絡(luò)隨著網(wǎng)絡(luò)大小的增加，其聚合簡化能力將趨于穩(wěn)定。這一特點意味著政務(wù)微博的發(fā)展不能僅依靠粗獷式的發(fā)展模式，否則在發(fā)展到一定規(guī)模后，新增成員給該政務(wù)微博社交網(wǎng)絡(luò)帶來的貢獻和效率將顯著下降甚至幾乎不會帶來更多的幫助。

從十大政務(wù)微博網(wǎng)絡(luò)大小和k核值分布情況看，綜合性政務(wù)微博的聚集能力比公安類微博的聚集能力表現(xiàn)差一些。以“上海發(fā)布”和“南京發(fā)布”為例，兩個微博的網(wǎng)絡(luò)大小分別達到了1 061和1 210，但其網(wǎng)絡(luò)大小并沒有給k核值帶來額外的貢獻。特別地，“南京發(fā)布”的k核值甚至比許多網(wǎng)絡(luò)大小一般的公安類政務(wù)微博來得小，為48?！肮膊看蛩暮诔暮Α蔽⒉﹦t表現(xiàn)出了高度的聚集能力。從表看到，“公安部打四黑除四害”的網(wǎng)絡(luò)大小僅為152，但其k核值卻高達57。這也意味著“公安部打四黑除四害”微博具有凝聚其它重要公安類微博的能力，從而為其在信息傳遞和輿情控制上表現(xiàn)出色創(chuàng)造了條件。endprint

24 集聚效應(yīng)

反映網(wǎng)絡(luò)中各節(jié)點聚合程度的指標有多個，k核和集聚系數(shù)是其中最直觀的兩個。k核指數(shù)傾向于描述網(wǎng)絡(luò)中個體中潛在的小團體大小，而集聚系數(shù)則更多的反映了整體網(wǎng)絡(luò)的集聚程度。

圖3描述了政務(wù)微博社交網(wǎng)絡(luò)的節(jié)點集聚系數(shù)分布情況。從圖中可以看出，集聚系數(shù)呈現(xiàn)出群聚分布的現(xiàn)象，即在某一區(qū)間段，大多數(shù)節(jié)點擁有相似的集聚系數(shù)。這表明政務(wù)微博網(wǎng)絡(luò)中的節(jié)點較容易形成若干個子網(wǎng)絡(luò)群。在子網(wǎng)絡(luò)群中，節(jié)點表現(xiàn)出較高的集聚效應(yīng)。同時，我們也發(fā)現(xiàn)，擁有較大集聚系數(shù)的節(jié)點越少，即當集聚系數(shù)小于05時，節(jié)點數(shù)量的分布較密；而當集聚系數(shù)大于05時，節(jié)點數(shù)量的分布則變得相對稀疏。當然，也有相當一部分節(jié)點擁有很高的集聚系數(shù)，這些節(jié)點主要是一些處于政務(wù)微博小網(wǎng)絡(luò)群體內(nèi)的政務(wù)微博。他們通常擁有較小的圈子，并專注于圈子內(nèi)的交流，很少存在跨圈子的朋友。

表2給出了十大政務(wù)微博的集聚系數(shù)。從表2可以看出，十大政務(wù)微博的集聚系數(shù)均很小，其中集聚系數(shù)最大的為“公安部打四黑除四害”微博，其集聚系數(shù)也只有023。3個綜合類政務(wù)微博“上海發(fā)布”、“成都發(fā)布”和“南京發(fā)布”的集聚系數(shù)很小，僅為002、003和002。這一現(xiàn)象不難解釋：由于十大政務(wù)微博均處于較廣泛且較大的網(wǎng)絡(luò)中心，但分別以其中每個節(jié)點為核心的子網(wǎng)絡(luò)群中的其它節(jié)點間的并非存在完全聯(lián)系，正因為如此，盡管十大政務(wù)微博的k核值很大，但是其集聚系數(shù)則相對很小。這意味著網(wǎng)絡(luò)越大，整個網(wǎng)絡(luò)的聚合能力將越小。

圖4更為直觀地說明了網(wǎng)絡(luò)大小與網(wǎng)絡(luò)集聚系數(shù)的關(guān)系。由圖中可以看到，隨著網(wǎng)絡(luò)的不斷增大，集聚系數(shù)呈現(xiàn)出顯著減小的趨勢。這與Ugander J等（2010）中對Facebook分析的結(jié)論類似。Facebook的數(shù)據(jù)顯示，一個擁有100個朋友的節(jié)點，其集聚系數(shù)約為014；而政務(wù)微博的結(jié)果顯示，一個擁有100個關(guān)注朋友的節(jié)點，其集聚系數(shù)將大于02。這說明相對于Facebook，政務(wù)微博群體具有更高的集聚能力。同時，我們也可以看到在網(wǎng)絡(luò)大小超過400時，節(jié)點的集聚系數(shù)穩(wěn)定在01左右，這意味著網(wǎng)絡(luò)的持續(xù)增大無法為整體網(wǎng)絡(luò)提供更好的集聚作用，這在Ugander J等（2010）的文章中也得到了呼應(yīng)。他們指出，在朋友數(shù)超過5 000的網(wǎng)絡(luò)中，其集聚系數(shù)將顯著下降并接近于0。

25 鄰居效應(yīng)

我們通過構(gòu)建網(wǎng)絡(luò)大小相關(guān)系數(shù)描述鄰居效應(yīng)。網(wǎng)絡(luò)大小相關(guān)系數(shù)描述了一個節(jié)點的網(wǎng)絡(luò)大小與其鄰居節(jié)點網(wǎng)絡(luò)平均大小的關(guān)系。圖5描述了政務(wù)微博社會網(wǎng)絡(luò)中個體與其鄰居節(jié)點的網(wǎng)絡(luò)大小關(guān)系。從圖中可以看出，當一個節(jié)點的網(wǎng)絡(luò)很小時（小于50），其鄰居節(jié)點的網(wǎng)絡(luò)大小通常很大，這說明對于處于小網(wǎng)絡(luò)中的核心節(jié)點，其鄰居對其的影響是巨大的，這些節(jié)點在整體網(wǎng)絡(luò)中處于被動的地位；當一個節(jié)點的網(wǎng)絡(luò)很大時（大于400），其鄰居節(jié)點的網(wǎng)絡(luò)大小通常很小，這意味著對于處于大網(wǎng)絡(luò)中的核心節(jié)點，其鄰居對其的影響是有限的，這些節(jié)點在整體網(wǎng)絡(luò)中處于主動的地位；當節(jié)點的網(wǎng)絡(luò)大小處于中間狀態(tài)時（大于50小于400），則其自身的網(wǎng)絡(luò)大小與鄰居節(jié)點的平均網(wǎng)絡(luò)大小呈現(xiàn)出正相關(guān)關(guān)系。但是，相對于Facebook中網(wǎng)絡(luò)大小相關(guān)系數(shù)中表現(xiàn)出來的顯著正相關(guān)，政務(wù)微博中的網(wǎng)絡(luò)大小相關(guān)系數(shù)并不明顯。也就是說，當一個節(jié)點處于一個大小適中的網(wǎng)絡(luò)中時，其網(wǎng)絡(luò)對其鄰居的網(wǎng)絡(luò)的擴張具有一定的促進作用，但促進作用并非顯著。這說明政務(wù)微博網(wǎng)絡(luò)中個體間的影響力有待進一步提高。

表3顯示十大政務(wù)微博在整體網(wǎng)絡(luò)中處于主導(dǎo)地位，鄰居節(jié)點構(gòu)成的網(wǎng)絡(luò)一般都遠小于十大微博本身。惟一例外的是“公安部打四黑除四害”微博，其鄰居節(jié)點的平均網(wǎng)絡(luò)大小為17184，超過了其自身構(gòu)成的網(wǎng)絡(luò)大小152。這說明“公安部打四黑除四害”的運營規(guī)則與其它政務(wù)微博的運營方式有很大不同，其經(jīng)營發(fā)展更多的是來自于與其建立聯(lián)系的鄰居微博的貢獻。

3 結(jié)論和建議

本文以十大政務(wù)微博為軸心的整體網(wǎng)絡(luò)為研究對象，并對該整體網(wǎng)絡(luò)的縱向結(jié)構(gòu)進行剖析，引入距離、k-核、集聚系數(shù)兩類社會網(wǎng)絡(luò)分析輿情指標體系，從六度分隔效應(yīng)、凝聚效應(yīng)、集聚效應(yīng)和鄰居效應(yīng)四個方面進行剖析。研究表明，政務(wù)微博網(wǎng)絡(luò)具有典型的小世界網(wǎng)絡(luò)特性，且網(wǎng)絡(luò)中各個體之間關(guān)系緊密，具有一定的凝聚效應(yīng)，輿情信息傳播較快，大型政務(wù)微博如“上海發(fā)布”、“南京發(fā)布”等在網(wǎng)絡(luò)中扮演核心樞紐的角色，控制著輿情信息的傳遞和共享。結(jié)合研究形成的指標數(shù)據(jù)和分析結(jié)論，本文對政務(wù)微博的監(jiān)管和未來的健康發(fā)展提出以下幾點政策性意見：

31 重視政務(wù)微博的“小世界”特性，重點關(guān)注核心樞紐節(jié)點 從本文的實證分析可以看出，政務(wù)微博網(wǎng)絡(luò)由一個個內(nèi)部聯(lián)系緊密的子網(wǎng)絡(luò)組成，這些網(wǎng)絡(luò)內(nèi)部聯(lián)系頻繁，信息傳播迅速，具有較強的凝聚力。但這些子網(wǎng)絡(luò)與其他子網(wǎng)絡(luò)進行聯(lián)系，需要依靠占據(jù)樞紐核心地位的政務(wù)微博，如“上海發(fā)布”、“南京發(fā)布”等，政務(wù)微博整體網(wǎng)絡(luò)結(jié)構(gòu)為以這些樞紐微博為核心的輻射狀網(wǎng)絡(luò)體系。核心微博的特點是其網(wǎng)絡(luò)規(guī)模較大，且內(nèi)部由多個子網(wǎng)絡(luò)組成，而該核心微博控制著通過這些子網(wǎng)絡(luò)的關(guān)鍵節(jié)點，形成了一種發(fā)散式的星狀分布結(jié)構(gòu)。因此，找到這些核心微博是政務(wù)微博輿情監(jiān)管的關(guān)鍵。根據(jù)這樣的網(wǎng)絡(luò)結(jié)構(gòu)特點，我們看到核心微博在整個網(wǎng)絡(luò)中扮演著領(lǐng)導(dǎo)者和聚集者的角色，在輿情發(fā)生之時，我們應(yīng)及時從核心微博入手，短時間內(nèi)控制輿情的走勢。輿情的響應(yīng)應(yīng)該從事發(fā)時刻甚至是事發(fā)前（輿情的監(jiān)測預(yù)警）即要開始，及時地在輿情擴大前掌握話語權(quán)和輿論導(dǎo)向，是輿情監(jiān)管的重要環(huán)節(jié)。核心微博的及時介入，將向公眾釋放政府高效、親民、政務(wù)公開的信號，對改善政府與普通民眾間的關(guān)系，樹立政府在危機攻關(guān)、政務(wù)公開等方面在群眾中的信心意義重大。

32 針對不同門類的集群特點進行運營管理，同時注意控制微博的規(guī)模 從本文的實證分析我們看出：公安類的政務(wù)微博從橫向和縱向兩個角度都存在著凝聚子群，在橫向上，如躋身十大政務(wù)微博的“平安北京”、“平安中原”，縱向上，有“余明警官”等基層公安類微博，這樣的凝聚效應(yīng)已經(jīng)形成了穩(wěn)定的派系；綜合性政務(wù)微博如上海、南京等也產(chǎn)生了自上而下的微博集群，且其表現(xiàn)出了多元化、縱深化的發(fā)展趨勢；一些專業(yè)化程度較高的政務(wù)微博，諸如“外交小靈通”則傾向于形成一個比較自我的局域網(wǎng)絡(luò)，具有較為縝密的小圈子，與其他網(wǎng)絡(luò)的聯(lián)系性不大，但自身內(nèi)部信息傳遞較為迅速。因此，在監(jiān)管方面，根據(jù)不同門類的集群特點需制定不同的策略。針對公安類的派系要分別抓住橫向和縱向的核心節(jié)點，便可控制整個網(wǎng)絡(luò)的信息流向；對綜合性的政務(wù)微博要找到最上層的領(lǐng)導(dǎo)微博，同時尋找各層次上典型領(lǐng)域的領(lǐng)導(dǎo)微博；對于像“外交小靈通”這類較為個體化的微博，因為與其他微博的信息交換能力差，在監(jiān)管方面可以重點關(guān)注某些個體微博。endprint

在微博的規(guī)模與傳遞效果關(guān)系方面，我們發(fā)現(xiàn)，像“上海發(fā)布”、“南京發(fā)布”這類綜合性超大政務(wù)微博因其規(guī)模太大，無法像公安類微博一樣具有較好的聚集能力。這意味著，網(wǎng)絡(luò)的規(guī)模與聚焦能力超出一定范圍將呈現(xiàn)反比的狀況，因此，無限制的擴張對超大型政務(wù)微博的監(jiān)管不利，當發(fā)展到一定規(guī)模時，因由粗獷型發(fā)展向集約型轉(zhuǎn)變，發(fā)展有利于信息控制的節(jié)點，摒棄重復(fù)無效率節(jié)點，對政務(wù)微博網(wǎng)絡(luò)進行精簡，形成一個具有很強層次結(jié)構(gòu)的輻射網(wǎng)絡(luò)。

33 有效利用鄰居節(jié)點的影響，采取不同的運營策略 通過對鄰居效應(yīng)的實證分析，我們發(fā)現(xiàn)十大微博中大部分因其規(guī)模較大，內(nèi)部包含子網(wǎng)絡(luò)較多，且各個子網(wǎng)絡(luò)之間聯(lián)系并不大，因此鄰居效應(yīng)較差，而“公安部大四黑除四害”因其橫向和縱向已形成一定得派系，各個子網(wǎng)絡(luò)之間屬于一個系統(tǒng)，因此鄰居效應(yīng)比較好。從規(guī)模來看，規(guī)模較小的網(wǎng)絡(luò)中的核心節(jié)點受鄰居的影響較大，規(guī)模較大的網(wǎng)絡(luò)受鄰居網(wǎng)絡(luò)的影響小。因此，在監(jiān)管時，要根據(jù)網(wǎng)絡(luò)的規(guī)模，對中小規(guī)模的網(wǎng)絡(luò)，在信息傳播、控制、引導(dǎo)時要擴散到其相關(guān)的鄰居網(wǎng)絡(luò)，以提高監(jiān)管的效果。而對達到一定規(guī)模的微博，應(yīng)采取關(guān)注核心節(jié)點的監(jiān)管策略。

參考文獻

[1]程學(xué)旗，沈華偉.社會信息網(wǎng)絡(luò)中的社區(qū)分析[J].中國計算機學(xué)會通訊，2012，7（12）：12-20.

[2]王連喜，蔣盛益，龐觀松.微博用戶關(guān)系挖掘研究綜述[J].情報雜志，2012，（12）：18.

[3]Kwak H，Lee C，Park H，et al.What is Twitter，a social network or a news media？[C].ACM，2010：591-600.

[4]Mislove A，Marcon M，Gummadi KP，et al.Measurement and analysis of online social networks[C].ACM，2007：29-42.

[5]張韋全，陳京民.基于社會網(wǎng)絡(luò)挖掘的微博參政群體實證研究[J].計算機與現(xiàn)代化，2012，（5）：21.

[6]姜鑫，田志偉.微博社區(qū)內(nèi)信息傳播的“小世界”現(xiàn)象及實證研究——以騰訊微博為例[J].情報科學(xué)，2012，（8）：6.

[7]袁園，孫霄凌，朱慶華.微博用戶關(guān)注興趣的社會網(wǎng)絡(luò)分析[J].現(xiàn)代圖書情報技術(shù)，2012，（2）：68-75.

[8]宋恩梅，左慧慧.新浪微博中的“權(quán)威”與“人氣”：以社會網(wǎng)絡(luò)分析為方法[J].圖書情報知識，2012，（3）：43-54.

[9]Unsworth K，Townes A.Social media and E-government：A case study assessing Twitter use in the implementation of the open government directive[J].Proceedings of the American Society for Information Science and Technology，2012，49（1）：1-3.

[10]Wilson C，Boe B，Sala A，et al.User interactions in social networks and their implications[C].ACM，2009：205-218.

[11]Ahh Y-Y，Han S，Kwak H，et al.Analysis of topological characteristics of huge online social networking services[C].ACM，2007：835-844.

[12]Wang Y，Di Z，F(xiàn)an Y.Identifying and characterizing nodes important to community structure using the spectrum of the graph[J].PloS one，2011，6（11）：e27418.

[13]田占偉，隋.基于復(fù)雜網(wǎng)絡(luò)理論的微博信息傳播實證分析[J].圖書情報工作，2012，56（8）：42-46.

[14]袁毅.微博客信息傳播結(jié)構(gòu)，路徑及其影響因素分析[J].圖書情報工作，2011，55（12）：26-30.

[15]平亮，宗利永.基于社會網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例[J].圖書情報知識，2010，（6）：92-97.

[16]Ugander J，Karrer B，Backstrom L，et al.The anatomy of the facebook social graph[J].arViv preprint arXiv：11114503，2010.

[17]Kleinberg JM.Navigation in a small world[J].Nature，2000，406（6798）：845-845.

[18]Seidman SB.Network structure and minimum degree[J].Social networks，1983，5（3）：269-287.

（本文責(zé)任編輯：郭沫含）endprint