基于公開數(shù)據(jù)的特殊人群在線活動特征挖掘

劉楚楚，呂欣,2,3

1. 國防科技大學(xué)系統(tǒng)工程學(xué)院，湖南 長沙 410073；2. 中南大學(xué)商學(xué)院，湖南 長沙 410083；3. 卡羅林斯卡研究所公共衛(wèi)生科學(xué)系，瑞典 斯德哥爾摩 17177

1 引言

“特殊人群”一般是指那些因主客觀原因?qū)е碌脑谏鐣偁幹刑幱诓焕蝿莸摹斑吘墶比巳篬1]。在我國，艾滋?。ˋIDS）人群和男同性戀（men who have sex with men, MSM）人群承受了更大的社會環(huán)境壓力[2-4]，擁有較高的社會距離和社交限制分值[5]，在社會競爭中處于不利地位，是我國具有代表性的兩類特殊人群。由于多種原因，男同性戀人群感染艾滋病的概率比普通人群高19.3倍[6]，現(xiàn)存活的艾滋病患者中經(jīng)男男性傳播的比例大約為14.7%[7]，且近年來呈明顯的上升趨勢。艾滋病病毒（HIV）感染者和MSM人群屬于艾滋病傳染的高危人群，對這兩類人群的行為特點進(jìn)行研究，將對艾滋病的預(yù)防控制具有非常重要的意義。然而，由于受到社會環(huán)境壓力等因素的影響，全面地、有代表性地對這兩類特殊人群進(jìn)行調(diào)查研究存在著許多困難[8-9]。目前對HIV感染者和MSM人群的研究還主要停留在基于實地或網(wǎng)絡(luò)人群抽樣的現(xiàn)場訪談和問卷調(diào)查，這種傳統(tǒng)方法效率低、樣本有限，且特殊人群的隱蔽性使研究的開展受到頗多限制[10-12]。

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們的社交生活發(fā)生了巨大的改變，人們頻繁地在各種虛擬社區(qū)發(fā)布、傳遞、共享信息，使網(wǎng)絡(luò)虛擬社區(qū)中蘊(yùn)含了海量的用戶活動數(shù)據(jù)，為研究特殊人群提供了新的突破口。張建等人[13]通過對中國生殖健康網(wǎng)站“中國紅絲帶網(wǎng)”上直播的節(jié)目記錄文件進(jìn)行分析，了解網(wǎng)民對待艾滋病的心理、行為和信息需求。艾德華[14]通過對“同性愛”網(wǎng)站的觀察與分析，了解“同性愛”網(wǎng)站的網(wǎng)民的信息需求和交流情況。白冠男等人[15]選取“艾滋病吧”中的1746條回帖作為研究對象，采用內(nèi)容分析法，了解“艾滋病吧”中網(wǎng)民對艾滋病的態(tài)度及其主要健康問題。王國華等人[16]則采用內(nèi)容分析法和社會網(wǎng)絡(luò)分析法，以百度貼吧“HIV吧”中400條貼文作為研究對象，對艾滋病相關(guān)人群的社會支持信息和社會支持關(guān)系網(wǎng)進(jìn)行了分析。Constantinos C K[17]對一個HIV/AIDS在線社區(qū)的帖子進(jìn)行內(nèi)容分析，評估艾滋病群體中社會支持交流的類型和比例。同樣，Mo P K等人[18]證明了在艾滋病群體的所有社會支持類型中，信息支持和情感支持占比最大。通過分析微博中艾滋病群體發(fā)布的博客內(nèi)容，Shi J等人[19]探討了微博中艾滋病群體的社會支持內(nèi)容及結(jié)構(gòu)；而Guo Y 等人[20]則試圖了解艾滋病群體在線社會支持的動態(tài)交互過程以及隨時間的衍變情況。網(wǎng)絡(luò)社區(qū)中特殊人群的活動數(shù)據(jù)能夠真實反映出該群體的在線活動情況，通過分析這些數(shù)據(jù)可以有效地挖掘出特殊人群的行為模式?？傮w而言，目前國內(nèi)外對特殊人群在網(wǎng)絡(luò)社區(qū)中開源數(shù)據(jù)的研究，很大一部分集中在對特殊人群的社會支持[21-27]上，并且大多使用的是內(nèi)容分析的方法，對特殊人群在線多維特征（如在線活動的時間統(tǒng)計特征、社交網(wǎng)絡(luò)特征、社團(tuán)效應(yīng)、情感傾向等）的研究還很少。

本文聚焦百度貼吧中與HIV和MSM相關(guān)的兩類貼吧，分析貼吧的用戶活動數(shù)據(jù)，挖掘HIV感染人群和MSM人群的在線行為特征。從時間、內(nèi)容、網(wǎng)絡(luò)3個維度出發(fā)，分析特殊人群的在線活動時序規(guī)律、話題偏好以及由關(guān)注關(guān)系構(gòu)成的共同關(guān)注者網(wǎng)絡(luò)的特征，并以新聞時事類貼吧用戶作為對照，深入了解社會特殊人群與普通人群的行為差異，從而全面了解特殊人群的在線活動模式，為社會公共衛(wèi)生管理提供指導(dǎo)，具有非常重要的創(chuàng)新意義和現(xiàn)實價值。

2 數(shù)據(jù)來源

百度貼吧吸引了大量基于共同興趣愛好的社會群體。自2003年12月份正式上線以來，百度貼吧的用戶數(shù)目呈現(xiàn)出爆炸性增長，目前百度貼吧的活躍用戶數(shù)已達(dá)3億人，貼吧數(shù)目超過2000萬個，其中蘊(yùn)藏的海量數(shù)據(jù)具有巨大的挖掘價值。本研究運用Python Scrapy爬蟲框架采集百度貼吧中與艾滋病、男同性戀、新聞時事相關(guān)的最活躍的36個貼吧，貼吧名稱及發(fā)帖數(shù)（主帖、評論貼及回復(fù)的總數(shù)）見表1。采集的數(shù)據(jù)內(nèi)容包括貼吧信息、貼吧會員（貼吧關(guān)注者）信息和用戶發(fā)帖信息，采集后的數(shù)據(jù)存入PostgreSQL數(shù)據(jù)庫。貼吧信息包括貼吧名稱、貼吧主頁URL地址、貼吧話題類型、關(guān)注者人數(shù)（會員數(shù)目）、貼吧帖子總數(shù)、貼吧標(biāo)語、貼吧所在目錄以及該貼吧的友情貼吧名稱。受百度防爬策略的約束，只能訪問每個貼吧的前458頁會員信息，即最新加入的前10992個會員，共采集了270229條會員數(shù)據(jù)，內(nèi)容包括會員昵稱、會員主頁URL地址、會員關(guān)注的貼吧。本研究采集了截至2016年8月1日的36個貼吧的所有發(fā)帖信息，共6316158條。發(fā)帖信息包括帖子的標(biāo)題、帖子所在主頁的URL地址、帖子創(chuàng)建時間、帖子被回復(fù)數(shù)、帖子所屬貼吧名、發(fā)帖人昵稱、發(fā)帖人主頁URL地址以及發(fā)帖人等級。為了避免“水軍”“僵尸”等對分析結(jié)果的影響，在數(shù)據(jù)分析過程中對貼吧中的用戶進(jìn)行了篩選，主要去除了發(fā)帖數(shù)少于3的不活躍用戶以及帖子長度少于3個字符的文本。

3 研究結(jié)果

3.1 在線活動時間統(tǒng)計特征

3.1.1 日分布規(guī)律

對各類型貼吧每天的發(fā)帖時間分布進(jìn)行比較，可以發(fā)現(xiàn)，艾滋病類型和男同性戀類型中各貼吧每天的發(fā)帖趨勢基本一致，新聞時事類各貼吧的發(fā)帖時間分布差異相對較大。艾滋病人群和男同性戀人群在發(fā)帖時間上的規(guī)律性更強(qiáng)，其內(nèi)部活動時間更一致。不同類型人群的日發(fā)帖規(guī)律也存在差異，如圖1（a）所示。艾滋病人群在每晚22:00—23:00達(dá)到發(fā)帖頂峰，凌晨3:00—5:00發(fā)帖少；男同性戀人群在每晚的0:00左右達(dá)到發(fā)帖頂峰，到早上5:00才跌至波谷；新聞時事類人群（普通人群）在一天中會出現(xiàn)多個發(fā)帖高峰，大多位于早上7:00—8:00、中午12:00—14:00和晚上19:00—20:00，凌晨2:00—4:00發(fā)帖少，在5:00左右回升。值得注意的是，普通人群在線活躍狀況從晚上20:00開始出現(xiàn)衰減趨勢，而此時特殊人群（艾滋病人群和男同性戀人群）活躍程度正處于上升階段，一直持續(xù)到凌晨，且男同性戀人群在凌晨2:00的發(fā)帖比普通人群中午12:00還要活躍，反映了特殊人群在線活動時間更偏好于晚上甚至深夜。這與不同人群在發(fā)帖內(nèi)容上表現(xiàn)出來的差異吻合。艾滋病人群發(fā)帖大多圍繞著病情咨詢，這類人群更關(guān)注身體和作息，發(fā)帖高峰位于每晚的22:00左右，比男同性戀人群要早一些。男同性戀人群發(fā)帖大部分是關(guān)于交友、聊天、消遣，因此活躍時間在3類人群中最晚，衰減趨勢也表現(xiàn)得更滯后。新聞時事類人群發(fā)帖的內(nèi)容主要圍繞政治、經(jīng)濟(jì)、社會等話題，發(fā)帖多位于一天中的休息時間，且與電視新聞的播放時間一致。艾滋病類貼吧和男同性戀類貼吧在一天中的發(fā)帖波動很一致，可以認(rèn)為與普通人群相比，這兩類人群在線活動的時間規(guī)律表現(xiàn)出更高的相似性。

表1 貼吧名稱及發(fā)帖數(shù)

3.1.2 季節(jié)性特征

分析各貼吧每年在各月份的發(fā)帖量，發(fā)現(xiàn)同類型貼吧的發(fā)帖波動基本一致，但各個類型貼吧的發(fā)帖量沒有表現(xiàn)出隨月份明顯的季節(jié)性波動，不同年份的月發(fā)帖量分布沒有明顯的周期性，但具有一些相似性特征。hiv吧每年的12月份是一個波峰，2月份位于波谷位置，3月份開始回升（每年的1、2月份是中國農(nóng)歷年末，春節(jié)到來導(dǎo)致發(fā)帖量下降）。gay吧近幾年在各月份上的發(fā)帖波動較一致，上半年比下半年發(fā)帖量大，且隨著暑期的結(jié)束，每年9月份的發(fā)帖量會比8月份有所降低（已有研究證實,在MSM虛擬社區(qū)中在校學(xué)生所占比例較大，而且MSM人群中青少年占有相當(dāng)?shù)谋壤齕11,28-29]）。新聞直播間吧發(fā)帖跟每個月實際發(fā)生的新聞事件相關(guān)，但每年的2月份（農(nóng)歷年末）位于發(fā)帖的波谷位置。

3.1.3 長期特征

通過統(tǒng)計不同人群每年的發(fā)帖量，可以看出各類人群的發(fā)帖趨勢，如圖1（b）所示。艾滋病人群的年發(fā)帖量從2008年開始一路上升，2013年的年發(fā)帖量增長速度達(dá)到最大，2015年的年發(fā)帖量達(dá)到頂峰（2016年數(shù)據(jù)不完全）；男同性戀人群的年發(fā)帖量從2004年開始呈上升趨勢（百度貼吧于2003年12月正式上線），2008年達(dá)到一個波峰后開始衰減，2010年又上升，至2013年達(dá)到年發(fā)帖量的最高值，隨后跌落（可能由于近年來百度貼吧對內(nèi)容管控逐步加強(qiáng)，且男同性戀交友網(wǎng)站大量增加）；新聞時事類普通人群的發(fā)帖在2013年呈現(xiàn)出爆發(fā)性增長，此前年發(fā)帖量一直很低，這可能與2013年百度貼吧用戶數(shù)目大量增長有關(guān)。

2008年，男同性戀人群發(fā)帖量迎來一個小高峰，此時艾滋病人群發(fā)帖量開始增加；2013年男同性戀人群年發(fā)帖量達(dá)到最大值，此時艾滋病人群的發(fā)帖增長速度達(dá)到最大。排除重合用戶影響的可能性（共同用戶數(shù)目遠(yuǎn)小于這兩類貼吧各自的用戶數(shù)目），艾滋病人群和男同性戀人群的在線活躍情況存在著一定程度的相關(guān)性。由于多種原因，男同性戀人群感染艾滋病的可能性遠(yuǎn)遠(yuǎn)高于普通人群，因此隨著男同性戀人群的增加，HIV在人群中快速傳播，艾滋病人群隨之快速增長。已有的研究[30-34]已證明男同性戀人群是艾滋病傳播的高危人群和重要橋梁，這與本研究得出的結(jié)果相一致。

3.1.4 時間間隔特征

統(tǒng)計各貼吧發(fā)帖時間相鄰的各帖子之間的時間差，發(fā)現(xiàn)各貼吧前后發(fā)帖的時間間隔呈現(xiàn)明顯的冪率分布[35]，如圖1（c）所示。絕大多數(shù)情況下后一個帖子的創(chuàng)建時間與前一個帖子創(chuàng)建時間的時間差很小，少數(shù)帖子的創(chuàng)建時間與前一個帖子的創(chuàng)建時間間隔很大。

3.2 在線內(nèi)容挖掘及熱點分析

3.2.1 熱詞發(fā)現(xiàn)

本文用詞項的TF-IDF（term frequencyinverse document frequency）值[36]（即詞頻乘以逆向文本頻率）來定義一個詞的熱度。提取貼吧中帖子的標(biāo)題信息，對標(biāo)題文本進(jìn)行分詞，剔除常用詞，計算各個詞項的TF-IDF值，選取前100個TF-IDF值最大的詞代表該貼吧的熱詞，比較不同類型貼吧的熱詞區(qū)別，分析不同類型人群的話題特點及差異。

通過比較各貼吧的熱詞可以發(fā)現(xiàn)，不同類型人群發(fā)帖的熱詞差異較大（如圖2所示），不同人群在線發(fā)言存在著明顯的話題偏好。具體表現(xiàn)為，艾滋病人群的發(fā)帖內(nèi)容主要圍繞著病情咨詢和日記記錄，男同性戀類人群的話題大多與交友聊天和 感情生活有關(guān)。新聞時事類人群的討論熱點主要集中在政治、經(jīng)濟(jì)和社會話題。各類型人群話題分布如圖3所示。

圖1 各類型貼吧在線活動時間統(tǒng)計特征

圖2 不同人群發(fā)帖熱詞差異

圖3 不同人群話題比較

研究發(fā)現(xiàn)，不同類型人群之間的發(fā)帖熱詞相似度（熱詞交集比例）也存在差異。艾滋病人群與男同性戀人群發(fā)帖熱詞的相似度達(dá)到36%，高于與新聞時事類的熱詞相似度（12%），艾滋病人群與男同性戀人群在話題偏好上相比于普通人群具有更高的相似性。在共同關(guān)注網(wǎng)絡(luò)（見第3.3節(jié)）中，艾滋病類型貼吧與男同性戀類型貼吧之間的連接數(shù)目為1319，大于與新聞時事類貼吧的連接數(shù)目656，說明艾滋病人群和男同性戀人群的重合人數(shù)更多，導(dǎo)致這兩種人群的話題相似度要大于新聞時事類人群。

3.2.2 熱詞動態(tài)演變分析

研究發(fā)現(xiàn)，不同類型人群每年的發(fā)帖熱詞都會發(fā)生變化，每年都會有新增的熱詞（如圖4所示），反映了不同人群的心理狀態(tài)變遷。

艾滋病人群在2011年的發(fā)帖熱詞中新出現(xiàn)了“賤狗們”“詛咒”等表達(dá)負(fù)面情緒的詞匯；2012年的熱詞中出現(xiàn)了大量艾滋病檢測產(chǎn)品品牌；2013年關(guān)于艾滋病治療、藥品名稱以及患者情緒的詞匯增加；2014年艾滋病人群討論的話題變得輕松，關(guān)于病情交流和經(jīng)驗分享的話題增加，出現(xiàn)了大量日記帖；2015年生活話題增多，目前國內(nèi)最好的艾滋病治療藥物“替拉依”成為熱詞之一；在2016年，“工作”也成為艾滋病病友們的熱點討論話題?？梢钥闯?，艾滋病人群的話題逐步向積極健康的方向轉(zhuǎn)變，艾滋病人群的心理狀態(tài)從最初的緊張抵觸變得越來越平和輕松。筆者在后續(xù)的研究中用基于規(guī)則的情感分析方法，通過構(gòu)建相應(yīng)的情感詞庫，對艾滋病群體的情緒特點做了系統(tǒng)分析，發(fā)現(xiàn)在艾滋病社區(qū)中負(fù)面情緒仍偏多，主要表現(xiàn)為初期感染HIV的患者對病情的恐懼、擔(dān)憂和焦慮。但是，積極情緒也占據(jù)了相當(dāng)大的比例，大多關(guān)于AIDS的及時診斷與積極治療，表達(dá)諸如信心、努力、堅強(qiáng)、感激等情緒。而且出于隱私保護(hù)，艾滋病人群常常選擇通過社交網(wǎng)絡(luò)平臺尋求幫助和建議[37]。

圖4 不同人群發(fā)帖熱詞變遷

男同性戀人群每年的發(fā)帖熱詞變化也十分顯著，每年的熱詞基本上與該年的網(wǎng)絡(luò)流行詞匯息息相關(guān)，如2011年出現(xiàn)了“神馬”“正太”“腐女”等詞；2012年新增了“基友”“微信”；2013年出現(xiàn)了“大神”；2014年出現(xiàn)的“叔叔”“qy”；2015年出現(xiàn)的“男票”“語音”；2016年出現(xiàn)的“寶寶”。此外，在2013年，關(guān)于同性戀的詞匯大量增加，這與前文（第3.1節(jié)）中2013年男同性戀發(fā)帖數(shù)達(dá)到峰值的結(jié)論相吻合。而新聞時事類人群每年的發(fā)帖熱詞差異較大，話題主要與每年發(fā)生的熱點事件和新聞相關(guān)。

3.3 貼吧共同關(guān)注者網(wǎng)絡(luò)

3.3.1 共同關(guān)注者網(wǎng)絡(luò)可視化

從網(wǎng)絡(luò)角度挖掘特殊人群的在線活動特征，利用3種類型全部貼吧的會員數(shù)據(jù)構(gòu)造共同關(guān)注者網(wǎng)絡(luò)，各貼吧作為網(wǎng)絡(luò)的節(jié)點，如果兩個貼吧之間存在共同關(guān)注者，則對應(yīng)貼吧節(jié)點之間就形成一條連接邊，共同關(guān)注者數(shù)目作為邊的權(quán)重。權(quán)重越大，說明兩個貼吧之間的共同關(guān)注者數(shù)目越多?？梢暬兄谥庇^了解一個網(wǎng)絡(luò)的特征。對3類貼吧的共同關(guān)注者網(wǎng)絡(luò)進(jìn)行可視化處理后的結(jié)果如圖5所示，節(jié)點大小代表各貼吧度的大小，邊的權(quán)重表現(xiàn)為邊的粗細(xì)?？梢钥闯?，該網(wǎng)絡(luò)存在著明顯的社區(qū)結(jié)構(gòu)，3個類型貼吧的內(nèi)部聯(lián)系緊密，與外界聯(lián)系相對少，不同人群對本類型貼吧更關(guān)注。3類貼吧的用戶對本類型貼吧相關(guān)的主題明顯更為關(guān)心，說明在艾滋病類型貼吧和男同性戀類型貼吧中活躍的用戶，很大可能就是筆者要研究的特殊人群。

3.3.2 各類型貼吧的共同關(guān)注者網(wǎng)絡(luò)差異比較

為了了解不同人群在貼吧關(guān)注上的特點，構(gòu)造并比較了各類型貼吧的共同關(guān)注者網(wǎng)絡(luò)（如圖6所示），可以發(fā)現(xiàn)，3類人群對本類型貼吧的共同關(guān)注網(wǎng)絡(luò)表現(xiàn)出很大的相似性，即都是全連接網(wǎng)絡(luò)，且網(wǎng)絡(luò)內(nèi)部邊權(quán)遠(yuǎn)遠(yuǎn)大于外部邊權(quán)，各類人群對本類型貼吧更關(guān)注。但3個網(wǎng)絡(luò)在多樣性、內(nèi)外連接數(shù)量比例、平均加權(quán)度等方面表現(xiàn)出較大的差異。

3類人群的共同關(guān)注網(wǎng)絡(luò)社區(qū)內(nèi)部連邊（此處一條邊代表兩個貼吧之間的一個共同用戶）數(shù)量與外部連邊數(shù)量之比分別為14.2（艾滋病類）、8.9（男同性戀類）和8.1（新聞時事類）。各社區(qū)的內(nèi)外連接數(shù)量比都遠(yuǎn)大于1，印證了這3類貼吧顯著的社區(qū)結(jié)構(gòu)。為了了解不同人群的貼吧關(guān)注關(guān)系特點，筆者使用基于Shannon熵的社會多樣性度量[38-39]來刻畫各個關(guān)注網(wǎng)絡(luò)的多樣性。

其中，k是節(jié)點i的連接數(shù)目，pij是鄰居j的邊權(quán)與其所有鄰居邊權(quán)和的比值。3個網(wǎng)絡(luò)的多樣性平均值分別為0.88（艾滋病類）、0.69（男同性戀類）和0.75（新聞時事類）。各類人群的關(guān)注網(wǎng)絡(luò)在平均加權(quán)度和模塊化指數(shù)上也存在差異。艾滋病網(wǎng)絡(luò)的平均加權(quán)度為5102.73，大于男同性戀網(wǎng)絡(luò)的平均加權(quán)度2472.29，大于新聞時事類網(wǎng)絡(luò)的平均加權(quán)度1961.82。男同性戀網(wǎng)絡(luò)的模塊化系數(shù)（指網(wǎng)絡(luò)中連接社區(qū)結(jié)構(gòu)內(nèi)部頂點的邊所占的比例與隨機(jī)網(wǎng)絡(luò)相比的差值[40]）為0.33，大于新聞時事類網(wǎng)絡(luò)的模塊化系數(shù)0.29，艾滋病網(wǎng)絡(luò)的模塊化系數(shù)最小，為0.14。各類型貼吧相互之間的關(guān)注者關(guān)系也表現(xiàn)出不同：艾滋病類貼吧與男同性戀類貼吧的共同邊數(shù)目為1319，大于與新聞時事類貼吧的共同邊數(shù)656，艾滋病類貼吧和男同性戀貼吧之間具有更多的共同用戶。

可以發(fā)現(xiàn)，艾滋病網(wǎng)絡(luò)的內(nèi)外連邊比值、多樣性、平均加權(quán)度最大，模塊化最小，說明艾滋病人群對本類型貼吧的關(guān)注更多、更集中，一個用戶可能同時關(guān)注了多個艾滋病貼吧，且艾滋病人群在貼吧中的分布更均勻；男同性戀網(wǎng)絡(luò)的內(nèi)外連接比、平均加權(quán)度大于普通人群，且多樣性最小，模塊化系數(shù)最大，說明男同性戀人群對本類型貼吧的關(guān)注較集中，但用戶在貼吧中的分布很不均勻，大多分布在幾個貼吧（gay吧、bl吧）中；且艾滋病類貼吧之間的相似性較大，男同性戀類貼吧差異大。這也從側(cè)面反映了艾滋病人群和男同性戀人群在線活動目的的差別。艾滋病人群在線活動的目的性更強(qiáng)，更可能是為了全面收集資訊、了解病情知識；而男同性戀人群在線活動主要是交友娛樂，偏好性很強(qiáng)，導(dǎo)致男同性戀類貼吧的用戶數(shù)目差異大。艾滋病類型貼吧和男同性戀類型的貼吧之間具有更多的共同用戶，說明艾滋病人群與男同性戀人群之間的重疊相比于普通人群更加突出，男同性戀人群相比普通人群更有可能攜帶或者感染了HIV，這也從側(cè)面驗證了Koblin B A等人[41]和Liu H等人[42]關(guān)于男同性戀患艾滋病的可能性要高于普通人的結(jié)論。

圖5 共同關(guān)注者網(wǎng)絡(luò)

圖63種類型貼吧的共同關(guān)注者網(wǎng)絡(luò)

4 結(jié)束語

由于特殊人群的隱蔽性，傳統(tǒng)方法無法有效獲取這類人群真實的活動數(shù)據(jù)，難以了解特殊人群的行為特點和心理狀態(tài)。本文通過分析百度貼吧特殊人群的在線活動數(shù)據(jù)，首次對艾滋病人群和男同性戀人群與普通人群（新聞時事類貼吧用戶）的在線活動差異進(jìn)行挖掘，以了解特殊人群在心理、社交上的特征。研究發(fā)現(xiàn)，我國艾滋病人群和男同性戀人群在在線活動時間、討論話題、關(guān)注貼吧等各方面都表現(xiàn)出各自明顯的特點。艾滋病人群在每晚22:00—23:00達(dá)到活動高峰，凌晨3:00—5:00最不活躍；男同性戀人群在每晚0:00—1:00達(dá)到活動高峰，在早上5:00跌至波谷。且艾滋病類人群在貼吧的活躍程度呈上升趨勢，男同性戀人群的活躍程度呈下降趨勢。艾滋病人群在線活動的主題主要是病情咨詢和日記記錄，男同性戀人群大多與交友聊天和感情生活有關(guān)。艾滋病人群對本類型貼吧的關(guān)注更多、更集中，一個用戶同時關(guān)注多個艾滋病貼吧，且艾滋病人群在貼吧中的分布更均勻；男同性戀人群對本類型貼吧的關(guān)注較集中，但用戶在貼吧中的分布很不均勻，大多集中在gay吧和bl吧。

總體上，男同性戀人群與艾滋病人群的在線活躍情況存在著一定程度的相關(guān)性。并且，相比普通人群，男同性戀人群與艾滋病人群之間的關(guān)聯(lián)性更強(qiáng)，男同性戀人群感染HIV的概率明顯高于普通人群[41-42]。在分析結(jié)果中可以看出，艾滋病人群對自身病情比較關(guān)心，但男同性戀人群的艾滋病防護(hù)意識并不強(qiáng)，且網(wǎng)絡(luò)男同性戀人群的年齡都偏低，有很大一部分是青少年[28-29]。

根據(jù)百度貼吧中男同性戀相關(guān)人群和艾滋病相關(guān)人群表現(xiàn)出來的特點，對公共衛(wèi)生有關(guān)管理部門提出以下建議，以期能為我國特殊群體提供更好的關(guān)懷和管控以及更全面的教育和指導(dǎo)。

● 針對男同性戀人群艾滋病高危的特點，應(yīng)加強(qiáng)男同性戀人群中艾滋病防護(hù)意識的培育和相關(guān)安全知識的宣傳，促進(jìn)男同性戀人群自我保護(hù)意識的提升，減少并盡可能杜絕高危行為的發(fā)生。

● 由于社會輿論環(huán)境，我國艾滋病群體面臨著很大的社會歧視，因此表現(xiàn)出極強(qiáng)的隱蔽性。出于網(wǎng)絡(luò)社區(qū)等虛擬平臺的匿名性保證，很大一部分艾滋病患者傾向于通過互聯(lián)網(wǎng)渠道查找資料或?qū)で髱椭Ｏ嚓P(guān)管理部門可以積極利用互聯(lián)網(wǎng)虛擬社區(qū)、論壇網(wǎng)站等虛擬平臺，加強(qiáng)艾滋病基礎(chǔ)知識的普及，多渠道擴(kuò)展艾滋病咨詢和檢測通道，為廣大艾滋病群體提供更方便、更人性化的服務(wù)。

● 目前，男同性戀人群有低齡化發(fā)展的趨勢，很大一部分男同性戀者是青少年，并且近年來我國大中學(xué)生中的HIV感染者超 過80%是男同性戀，因此提早對青少年開展安全性知識教育，提高其防患意識，有利于促進(jìn)青少年群體對艾滋病病毒的預(yù)防。

基于開源數(shù)據(jù)的特殊人群研究，能最直接地從特殊人群在線活動產(chǎn)生的數(shù)據(jù)中發(fā)現(xiàn)問題，而已有的關(guān)于特殊人群（如艾滋病人群、男同性戀人群）的研究大多采用傳統(tǒng)調(diào)查分析的方法。本文克服了在傳統(tǒng)調(diào)查中由調(diào)查對象的主觀因素帶來的誤差，可以最真實、客觀地反映特殊人群的行為特點和動機(jī)偏好，對以抽樣調(diào)查為主的特殊人群研究方法是一個很大的補(bǔ)充。本研究對特殊人群和普通人群的在線行為模式進(jìn)行多維度分析比較，對艾滋病人群和男同性戀人群的在線活動特點進(jìn)行了多視角、直觀的呈現(xiàn)，同時也為今后其他類型特殊人群的研究提供了新的思路，有著重要的創(chuàng)新意義和現(xiàn)實價值。但是受到數(shù)據(jù)的約束，此次研究只探討了在百度貼吧中活躍的群體，對其他在線社區(qū)的相關(guān)特殊人群的特點并未做分析，今后的研究會立足在多種社交平臺上的數(shù)據(jù)分析，增強(qiáng)研究的完整性和可靠性。