版主發(fā)帖行為實(shí)證與聚類研究

王永忠　徐姍姍　魚靜

[摘 要] 為揭示論壇版主發(fā)帖的行為模式，編寫了網(wǎng)絡(luò)爬蟲軟件，獲取了天涯論壇92名版主發(fā)帖相關(guān)數(shù)據(jù)，并對(duì)版主進(jìn)行了聚類研究。對(duì)相關(guān)參數(shù)，采用極大似然估計(jì)法和Kolmogorov-Smirnov檢驗(yàn)法進(jìn)行了分析。結(jié)果表明：版主發(fā)帖的時(shí)間間隔分布符合冪律分布；版主冪律指數(shù)、陣發(fā)性符合Burr分布，xmin、活躍度符合指數(shù)分布；版主聚類為三個(gè)類別時(shí)，數(shù)據(jù)蘊(yùn)含著分形的特征。

[關(guān)鍵詞] 論壇；版主；發(fā)帖；冪律分布；實(shí)證研究；分形

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016 . 05. 093

[中圖分類號(hào)] TP391 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2016）05- 0175- 03

1 前 言

研究個(gè)體輿論傳播的基本特征是建立群體輿論傳播模型的重要基礎(chǔ)。從最早的PC互聯(lián)網(wǎng)時(shí)代到當(dāng)今的移動(dòng)互聯(lián)網(wǎng)時(shí)代，論壇一直都是輿論傳播的重要陣地。由于論壇形成歷史時(shí)間長(zhǎng)，在不同領(lǐng)域中，都已經(jīng)形成了一定數(shù)量的知名論壇。這些知名論壇擁有巨大的用戶群，同時(shí)也積累了用戶發(fā)帖相關(guān)的大量數(shù)據(jù)。挖掘這些數(shù)據(jù)的內(nèi)在規(guī)律，對(duì)于認(rèn)識(shí)用戶信息傳播特征、建立輿論傳播模型具有重要意義。

關(guān)于人類信息傳播行為、論壇輿論傳播的研究目前已經(jīng)有較多成果。最早以Barabási對(duì)人類信件的時(shí)間間隔分析為起點(diǎn)，研究發(fā)現(xiàn)，人類的信息溝通的時(shí)間間隔服從冪律分布，并由此創(chuàng)立了人類動(dòng)力學(xué)這門新學(xué)科。Vázquez以Barabási的假設(shè)為前提，通過(guò)嚴(yán)格的數(shù)學(xué)證明，認(rèn)為人類動(dòng)力學(xué)中存在著兩個(gè)普適類，即冪律分布的指數(shù)為1或1.5。從此，引發(fā)眾多的研究者對(duì)于人類行為模式進(jìn)行實(shí)證研究。

對(duì)于論壇的研究，Yu等對(duì)論壇的回帖進(jìn)行了實(shí)證研究。趙永亮等以天涯論壇帖子為對(duì)象重點(diǎn)分析了每天發(fā)帖量的分布。Qiang等研究了微博社區(qū)的興趣驅(qū)動(dòng)問(wèn)題。以上這些研究豐富了論壇領(lǐng)域的人類動(dòng)力學(xué)研究。然而，專門對(duì)論壇版主研究的文獻(xiàn)并不多。

版主是論壇中重要的用戶群體。從輿論傳播的角度來(lái)說(shuō)，版主往往起到意見(jiàn)領(lǐng)袖的作用。版主通過(guò)發(fā)布主帖，表達(dá)意見(jiàn)，以達(dá)到影響輿論、引導(dǎo)輿論的目的。本文利用自己編寫的網(wǎng)絡(luò)爬蟲收集了天涯論壇92名版主發(fā)帖的相關(guān)數(shù)據(jù)。通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，個(gè)體層面：版主發(fā)帖的時(shí)間間隔符合冪律分布，驗(yàn)證了人類動(dòng)力學(xué)的預(yù)測(cè)；群體層面：版主冪律指數(shù)、陣發(fā)性符合burr分布，、活躍度符合指數(shù)分布。采用質(zhì)心距離法對(duì)版主聚類分為三類時(shí)，數(shù)據(jù)具有明顯的分形特征。

2 數(shù)據(jù)來(lái)源與說(shuō)明

本文采用的數(shù)據(jù)是利用自己編寫的網(wǎng)絡(luò)爬蟲，定向收集獲取的。收集對(duì)象是天涯論壇中92名版主發(fā)布的主帖數(shù)據(jù)。時(shí)間跨度為2004年1月1日到2015年6月30日，數(shù)據(jù)量達(dá)到6 500 MB。數(shù)據(jù)精度為分鐘。

天涯論壇于1999年3月1日創(chuàng)立，到現(xiàn)在已經(jīng)超過(guò)16年，注冊(cè)用戶9 000萬(wàn)，每月瀏覽用戶超過(guò)2億。選擇天涯論壇版主作為研究對(duì)象主要基于以下三點(diǎn)思考：一是版主的責(zé)任心強(qiáng)，他們主動(dòng)發(fā)帖的概率高于普通用戶，發(fā)帖數(shù)量大，為統(tǒng)計(jì)研究提供了數(shù)量的保障；二是版主的自律性高，違反規(guī)定發(fā)帖的可能性小，因此被刪除的概率小，統(tǒng)計(jì)的數(shù)據(jù)完整性高于普通用戶；三是版主往往是本版的意見(jiàn)領(lǐng)袖，研究版主的特質(zhì)，對(duì)于研究輿論傳播中的意見(jiàn)領(lǐng)袖具有重要作用。

3 論壇版主發(fā)帖模式分析

首先通過(guò)利用上述的數(shù)學(xué)方法，采用Matlab 2015a編程，分析每名版主的基本特征，而后再探究版主的群體特征，并對(duì)版主群體進(jìn)行分類研究。計(jì)算結(jié)果皆滿足上述的假設(shè)檢驗(yàn)。

3.1 論壇版主發(fā)帖個(gè)體行為實(shí)證分析

通過(guò)對(duì)92名版主的發(fā)帖時(shí)間間隔的累積分布進(jìn)行擬合，發(fā)現(xiàn)個(gè)體行為均滿足冪律分布。當(dāng)x≥xmin時(shí)，在雙對(duì)數(shù)坐標(biāo)下α近似為一條直線。圖1為天涯社區(qū)了望天涯版塊的版主“枕著永遠(yuǎn)入眠”的發(fā)帖時(shí)間間隔累積分布。其他91名版主具有同樣類似的圖形。

由此推斷版主論壇發(fā)帖的行為，符合冪律分布的特征，驗(yàn)證了Barabási推斷，說(shuō)明版主發(fā)帖的模式具有人類動(dòng)力學(xué)的特性，即長(zhǎng)時(shí)間的靜默與短時(shí)間內(nèi)的高頻率爆發(fā)相結(jié)合的特征。

3.2 論壇版主發(fā)帖群體特征的實(shí)證分析

通過(guò)前面分析可知，論壇版主個(gè)體發(fā)帖的時(shí)間間隔，是由α、xmin決定的，采用蒙特卡洛法可對(duì)版主個(gè)體進(jìn)行仿真。下面探討版主群體的α、xmin、活躍度、陣發(fā)性的分布，為版主群體的仿真提供基礎(chǔ)。

3.2.1 α的分布情況

通過(guò)計(jì)算，版主α指數(shù)介于1.5～2.75之間，這與Vázquez的預(yù)測(cè)不同。做直方圖，發(fā)現(xiàn)數(shù)據(jù)版主群體α具有明顯的右偏，不符合正態(tài)分布，通過(guò)極大似然擬合，發(fā)現(xiàn)α更符合Burr分布，如圖2所示。

版主冪律指數(shù)在之間數(shù)量最多，并且向左右呈現(xiàn)階梯狀的變化，說(shuō)明了版主冪律指數(shù)不會(huì)出現(xiàn)忽大忽小變化，即不會(huì)出現(xiàn)極端值。這種情形的出現(xiàn)，可能是版主本身工作的性質(zhì)決定的，他們不可能長(zhǎng)時(shí)間潛水，也不可能在論壇上“一言堂”，工作本身要求每名版主都要適時(shí)地發(fā)布一些有價(jià)值的帖子，以達(dá)到活躍氣氛、引導(dǎo)用戶、完成工作的目的。

3.2.2 xmin的分布情況

經(jīng)過(guò)計(jì)算，xmin介于536～50 424之間。 統(tǒng)計(jì)表明，xmin在5 000以內(nèi)的數(shù)量最多，達(dá)到31名版主。

版主群體xmin符合指數(shù)分布：

通過(guò)極大似然估計(jì)，得到：

這一規(guī)律的得出，結(jié)合α的分布，為版主群體特征的仿真提供了定量的依據(jù)。

3.2.3 活躍度的分布情況

版主活躍度是指版主在一段時(shí)間內(nèi)發(fā)表帖子的數(shù)量與時(shí)間的比值。符合指數(shù)分布，同公式（2）。通過(guò)極大似然估計(jì)，得到：

3.2.4 陣發(fā)性的分布情況

陣發(fā)性是刻畫用戶短時(shí)期內(nèi)密集活動(dòng)和長(zhǎng)時(shí)間靜默的程度。陣發(fā)性的公式為：

σx為時(shí)間間隔的標(biāo)準(zhǔn)差，mx為時(shí)間間隔的均值。計(jì)算表明，陣發(fā)性介于[0.17，0.86]之間。版主的陣發(fā)生符合Burr分布，同公式（1）。通過(guò)極大似然估計(jì)，得到Burr的3個(gè)參數(shù)：

版主群體的陣發(fā)性相對(duì)于普通瀏覽用戶的陣發(fā)性相對(duì)要弱。這主要是因?yàn)?，這和前人的研究結(jié)論不一致。主要原因是前人研究的是瀏覽論壇的用戶，而版主群體是一類特殊的用戶，即，版主既是用戶也是管理者。

3.3 版主聚類分析

通過(guò)實(shí)證分析，獲得了版主的相關(guān)數(shù)據(jù)，即冪律指數(shù)、xmin、活躍度和陣發(fā)性四個(gè)指標(biāo)。通過(guò)質(zhì)心法和歐式距離法，對(duì)版主獲取數(shù)據(jù)進(jìn)行聚類分析。得到譜系圖如圖3所示。

計(jì)算表明，主成分為版主的xmin、活躍度、陣發(fā)性。說(shuō)明在版主分類中，起主要作用的是xmin、活躍度、陣發(fā)性。冪律的大小對(duì)于版主的分類的影響作用很弱。從前面的實(shí)證分析得知，其中的原因可能是，每名版主的發(fā)帖皆滿足冪律分布，冪律分布屬于大同小異一類，而其他的指標(biāo)則會(huì)成為主要因素。這與定性分析相一致。

4 結(jié) 語(yǔ)

本文通過(guò)網(wǎng)絡(luò)爬蟲獲取了92名天涯版主發(fā)帖的數(shù)據(jù)。通過(guò)極大似然估計(jì)和Kolmogorov-Smirnov檢驗(yàn)法進(jìn)行了分析。結(jié)果表明，版主發(fā)帖的時(shí)間間隔分布符合冪律分布，冪律指數(shù)在1.5～2.75之間；xmin介于536～50 424之間；版主冪律指數(shù)、陣發(fā)性符合Burr分布；xmin、活躍度符合指數(shù)分布。

通過(guò)實(shí)證數(shù)據(jù)發(fā)現(xiàn)，描述版主的指標(biāo)數(shù)據(jù)具有一定的分形特征。如何采用分形的理論，對(duì)于大數(shù)據(jù)時(shí)代的版主數(shù)據(jù)進(jìn)行簡(jiǎn)化研究，可能是未來(lái)研究的重點(diǎn)。

主要參考文獻(xiàn)

[1]Barabási A L.The Origin of Bursts and Heavy Tails in Human Dynamics [J].Nature，2005（435）：207-211.

[2]A Vázquez，J G Oliveira，Z Dezso，K-I Goh， I Kondor，A-L Barabási.Modeling Bursts and Heavy-Tails in Human Dynamics [J]，Phys. Rev. E，2006，73 （3）：80-98.

[3]Yu J，Hu Y，Yu M， et al.Analyzing Netizens View and Reply Behaviors on the Forum[J]. Physica A： Statistical Mechanics & its Applications，2010， 389（16）：3267–3273.

[4]趙永亮，唐錫晉.基于天涯論壇的BBS在線行為分析[J]. 系統(tǒng)科學(xué)與數(shù)學(xué)， 2015，35（2）：129-141.

[5]Qiang Yan， Lanli Yi，Lianren Wu.Human Dynamic Model Co-Driven by Interest and Social Identity in Microblog Community[J]. Fuel & Energy Abstracts，2012，391（4）：1540-1545.