基于公開(kāi)數(shù)據(jù)的特殊人群在線(xiàn)活動(dòng)特征挖掘

劉楚楚，呂欣,2,3

1. 國(guó)防科技大學(xué)系統(tǒng)工程學(xué)院，湖南 長(zhǎng)沙 410073；2. 中南大學(xué)商學(xué)院，湖南 長(zhǎng)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?huì)競(jìng)爭(zhēng)中處于不利形勢(shì)的“邊緣”人群[1]。在我國(guó)，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(huì)環(huán)境壓力[2-4]，擁有較高的社會(huì)距離和社交限制分值[5]，在社會(huì)競(jìng)爭(zhēng)中處于不利地位，是我國(guó)具有代表性的兩類(lèi)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(lái)呈明顯的上升趨勢(shì)。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(duì)這兩類(lèi)人群的行為特點(diǎn)進(jìn)行研究，將對(duì)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(huì)環(huán)境壓力等因素的影響，全面地、有代表性地對(duì)這兩類(lèi)特殊人群進(jìn)行調(diào)查研究存在著許多困難[8-9]。目前對(duì)HIV感染者和MSM人群的研究還主要停留在基于實(shí)地或網(wǎng)絡(luò)人群抽樣的現(xiàn)場(chǎng)訪(fǎng)談和問(wèn)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(kāi)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(hù)活動(dòng)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(guò)對(duì)中國(guó)生殖健康網(wǎng)站“中國(guó)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(duì)待艾滋病的心理、行為和信息需求。艾德華[14]通過(guò)對(duì)“同性愛(ài)”網(wǎng)站的觀察與分析，了解“同性愛(ài)”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(duì)象，采用內(nèi)容分析法，了解“艾滋病吧”中網(wǎng)民對(duì)艾滋病的態(tài)度及其主要健康問(wèn)題。王國(guó)華等人[16]則采用內(nèi)容分析法和社會(huì)網(wǎng)絡(luò)分析法，以百度貼吧“HIV吧”中400條貼文作為研究對(duì)象，對(duì)艾滋病相關(guān)人群的社會(huì)支持信息和社會(huì)支持關(guān)系網(wǎng)進(jìn)行了分析。Constantinos C K[17]對(duì)一個(gè)HIV/AIDS在線(xiàn)社區(qū)的帖子進(jìn)行內(nèi)容分析，評(píng)估艾滋病群體中社會(huì)支持交流的類(lèi)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(huì)支持類(lèi)型中，信息支持和情感支持占比最大。通過(guò)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(huì)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(xiàn)社會(huì)支持的動(dòng)態(tài)交互過(guò)程以及隨時(shí)間的衍變情況。網(wǎng)絡(luò)社區(qū)中特殊人群的活動(dòng)數(shù)據(jù)能夠真實(shí)反映出該群體的在線(xiàn)活動(dòng)情況，通過(guò)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。總體而言，目前國(guó)內(nèi)外對(duì)特殊人群在網(wǎng)絡(luò)社區(qū)中開(kāi)源數(shù)據(jù)的研究，很大一部分集中在對(duì)特殊人群的社會(huì)支持[21-27]上，并且大多使用的是內(nèi)容分析的方法，對(duì)特殊人群在線(xiàn)多維特征（如在線(xiàn)活動(dòng)的時(shí)間統(tǒng)計(jì)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(lèi)貼吧，分析貼吧的用戶(hù)活動(dòng)數(shù)據(jù)，挖掘HIV感染人群和MSM人群的在線(xiàn)行為特征。從時(shí)間、內(nèi)容、網(wǎng)絡(luò)3個(gè)維度出發(fā)，分析特殊人群的在線(xiàn)活動(dòng)時(shí)序規(guī)律、話(huà)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(shí)事類(lèi)貼吧用戶(hù)作為對(duì)照，深入了解社會(huì)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(xiàn)活動(dòng)模式，為社會(huì)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(shí)價(jià)值。

2 數(shù)據(jù)來(lái)源

百度貼吧吸引了大量基于共同興趣愛(ài)好的社會(huì)群體。自2003年12月份正式上線(xiàn)以來(lái)，百度貼吧的用戶(hù)數(shù)目呈現(xiàn)出爆炸性增長(zhǎng)，目前百度貼吧的活躍用戶(hù)數(shù)已達(dá)3億人，貼吧數(shù)目超過(guò)2000萬(wàn)個(gè)，其中蘊(yùn)藏的海量數(shù)據(jù)具有巨大的挖掘價(jià)值。本研究運(yùn)用Python Scrapy爬蟲(chóng)框架采集百度貼吧中與艾滋病、男同性戀、新聞時(shí)事相關(guān)的最活躍的36個(gè)貼吧，貼吧名稱(chēng)及發(fā)帖數(shù)（主帖、評(píng)論貼及回復(fù)的總數(shù)）見(jiàn)表1。采集的數(shù)據(jù)內(nèi)容包括貼吧信息、貼吧會(huì)員（貼吧關(guān)注者）信息和用戶(hù)發(fā)帖信息，采集后的數(shù)據(jù)存入PostgreSQL數(shù)據(jù)庫(kù)。貼吧信息包括貼吧名稱(chēng)、貼吧主頁(yè)URL地址、貼吧話(huà)題類(lèi)型、關(guān)注者人數(shù)（會(huì)員數(shù)目）、貼吧帖子總數(shù)、貼吧標(biāo)語(yǔ)、貼吧所在目錄以及該貼吧的友情貼吧名稱(chēng)。受百度防爬策略的約束，只能訪(fǎng)問(wèn)每個(gè)貼吧的前458頁(yè)會(huì)員信息，即最新加入的前10992個(gè)會(huì)員，共采集了270229條會(huì)員數(shù)據(jù)，內(nèi)容包括會(huì)員昵稱(chēng)、會(huì)員主頁(yè)URL地址、會(huì)員關(guān)注的貼吧。本研究采集了截至2016年8月1日的36個(gè)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(yè)的URL地址、帖子創(chuàng)建時(shí)間、帖子被回復(fù)數(shù)、帖子所屬貼吧名、發(fā)帖人昵稱(chēng)、發(fā)帖人主頁(yè)URL地址以及發(fā)帖人等級(jí)。為了避免“水軍”“僵尸”等對(duì)分析結(jié)果的影響，在數(shù)據(jù)分析過(guò)程中對(duì)貼吧中的用戶(hù)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(hù)以及帖子長(zhǎng)度少于3個(gè)字符的文本。

3 研究結(jié)果

3.1 在線(xiàn)活動(dòng)時(shí)間統(tǒng)計(jì)特征

3.1.1 日分布規(guī)律

對(duì)各類(lèi)型貼吧每天的發(fā)帖時(shí)間分布進(jìn)行比較，可以發(fā)現(xiàn)，艾滋病類(lèi)型和男同性戀類(lèi)型中各貼吧每天的發(fā)帖趨勢(shì)基本一致，新聞時(shí)事類(lèi)各貼吧的發(fā)帖時(shí)間分布差異相對(duì)較大。艾滋病人群和男同性戀人群在發(fā)帖時(shí)間上的規(guī)律性更強(qiáng)，其內(nèi)部活動(dòng)時(shí)間更一致。不同類(lèi)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(shí)事類(lèi)人群（普通人群）在一天中會(huì)出現(xiàn)多個(gè)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(xiàn)活躍狀況從晚上20:00開(kāi)始出現(xiàn)衰減趨勢(shì)，而此時(shí)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(xiàn)活動(dòng)時(shí)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(lái)的差異吻合。艾滋病人群發(fā)帖大多圍繞著病情咨詢(xún)，這類(lèi)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(shí)間在3類(lèi)人群中最晚，衰減趨勢(shì)也表現(xiàn)得更滯后。新聞時(shí)事類(lèi)人群發(fā)帖的內(nèi)容主要圍繞政治、經(jīng)濟(jì)、社會(huì)等話(huà)題，發(fā)帖多位于一天中的休息時(shí)間，且與電視新聞的播放時(shí)間一致。艾滋病類(lèi)貼吧和男同性戀類(lèi)貼吧在一天中的發(fā)帖波動(dòng)很一致，可以認(rèn)為與普通人群相比，這兩類(lèi)人群在線(xiàn)活動(dòng)的時(shí)間規(guī)律表現(xiàn)出更高的相似性。

表1 貼吧名稱(chēng)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(lèi)型貼吧的發(fā)帖波動(dòng)基本一致，但各個(gè)類(lèi)型貼吧的發(fā)帖量沒(méi)有表現(xiàn)出隨月份明顯的季節(jié)性波動(dòng)，不同年份的月發(fā)帖量分布沒(méi)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(gè)波峰，2月份位于波谷位置，3月份開(kāi)始回升（每年的1、2月份是中國(guó)農(nóng)歷年末，春節(jié)到來(lái)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(dòng)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(huì)比8月份有所降低（已有研究證實(shí),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(gè)月實(shí)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(zhǎng)期特征

通過(guò)統(tǒng)計(jì)不同人群每年的發(fā)帖量，可以看出各類(lèi)人群的發(fā)帖趨勢(shì)，如圖1（b）所示。艾滋病人群的年發(fā)帖量從2008年開(kāi)始一路上升，2013年的年發(fā)帖量增長(zhǎng)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(kāi)始呈上升趨勢(shì)（百度貼吧于2003年12月正式上線(xiàn)），2008年達(dá)到一個(gè)波峰后開(kāi)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(lái)百度貼吧對(duì)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(shí)事類(lèi)普通人群的發(fā)帖在2013年呈現(xiàn)出爆發(fā)性增長(zhǎng)，此前年發(fā)帖量一直很低，這可能與2013年百度貼吧用戶(hù)數(shù)目大量增長(zhǎng)有關(guān)。

2008年，男同性戀人群發(fā)帖量迎來(lái)一個(gè)小高峰，此時(shí)艾滋病人群發(fā)帖量開(kāi)始增加；2013年男同性戀人群年發(fā)帖量達(dá)到最大值，此時(shí)艾滋病人群的發(fā)帖增長(zhǎng)速度達(dá)到最大。排除重合用戶(hù)影響的可能性（共同用戶(hù)數(shù)目遠(yuǎn)小于這兩類(lèi)貼吧各自的用戶(hù)數(shù)目），艾滋病人群和男同性戀人群的在線(xiàn)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(zhǎng)。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(shí)間間隔特征

統(tǒng)計(jì)各貼吧發(fā)帖時(shí)間相鄰的各帖子之間的時(shí)間差，發(fā)現(xiàn)各貼吧前后發(fā)帖的時(shí)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(gè)帖子的創(chuàng)建時(shí)間與前一個(gè)帖子創(chuàng)建時(shí)間的時(shí)間差很小，少數(shù)帖子的創(chuàng)建時(shí)間與前一個(gè)帖子的創(chuàng)建時(shí)間間隔很大。

3.2 在線(xiàn)內(nèi)容挖掘及熱點(diǎn)分析

3.2.1 熱詞發(fā)現(xiàn)

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

通過(guò)比較各貼吧的熱詞可以發(fā)現(xiàn)，不同類(lèi)型人群發(fā)帖的熱詞差異較大（如圖2所示），不同人群在線(xiàn)發(fā)言存在著明顯的話(huà)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(xún)和日記記錄，男同性戀類(lèi)人群的話(huà)題大多與交友聊天和 感情生活有關(guān)。新聞時(shí)事類(lèi)人群的討論熱點(diǎn)主要集中在政治、經(jīng)濟(jì)和社會(huì)話(huà)題。各類(lèi)型人群話(huà)題分布如圖3所示。

圖1 各類(lèi)型貼吧在線(xiàn)活動(dòng)時(shí)間統(tǒng)計(jì)特征

圖2 不同人群發(fā)帖熱詞差異

圖3 不同人群話(huà)題比較

研究發(fā)現(xiàn)，不同類(lèi)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(shí)事類(lèi)的熱詞相似度（12%），艾滋病人群與男同性戀人群在話(huà)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(jiàn)第3.3節(jié)）中，艾滋病類(lèi)型貼吧與男同性戀類(lèi)型貼吧之間的連接數(shù)目為1319，大于與新聞時(shí)事類(lèi)貼吧的連接數(shù)目656，說(shuō)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(huà)題相似度要大于新聞時(shí)事類(lèi)人群。

3.2.2 熱詞動(dòng)態(tài)演變分析

研究發(fā)現(xiàn)，不同類(lèi)型人群每年的發(fā)帖熱詞都會(huì)發(fā)生變化，每年都會(huì)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(cè)產(chǎn)品品牌；2013年關(guān)于艾滋病治療、藥品名稱(chēng)以及患者情緒的詞匯增加；2014年艾滋病人群討論的話(huà)題變得輕松，關(guān)于病情交流和經(jīng)驗(yàn)分享的話(huà)題增加，出現(xiàn)了大量日記帖；2015年生活話(huà)題增多，目前國(guó)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(diǎn)討論話(huà)題。可以看出，艾滋病人群的話(huà)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(lái)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(guò)構(gòu)建相應(yīng)的情感詞庫(kù)，對(duì)艾滋病群體的情緒特點(diǎn)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(duì)病情的恐懼、擔(dān)憂(yōu)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(shí)診斷與積極治療，表達(dá)諸如信心、努力、堅(jiān)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(guò)社交網(wǎng)絡(luò)平臺(tái)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(yǔ)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(shí)事類(lèi)人群每年的發(fā)帖熱詞差異較大，話(huà)題主要與每年發(fā)生的熱點(diǎn)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(xiàn)活動(dòng)特征，利用3種類(lèi)型全部貼吧的會(huì)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(diǎn)，如果兩個(gè)貼吧之間存在共同關(guān)注者，則對(duì)應(yīng)貼吧節(jié)點(diǎn)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(shuō)明兩個(gè)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(gè)網(wǎng)絡(luò)的特征。對(duì)3類(lèi)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(diǎn)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)。可以看出，該網(wǎng)絡(luò)存在著明顯的社區(qū)結(jié)構(gòu)，3個(gè)類(lèi)型貼吧的內(nèi)部聯(lián)系緊密，與外界聯(lián)系相對(duì)少，不同人群對(duì)本類(lèi)型貼吧更關(guān)注。3類(lèi)貼吧的用戶(hù)對(duì)本類(lèi)型貼吧相關(guān)的主題明顯更為關(guān)心，說(shuō)明在艾滋病類(lèi)型貼吧和男同性戀類(lèi)型貼吧中活躍的用戶(hù)，很大可能就是筆者要研究的特殊人群。

3.3.2 各類(lèi)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(diǎn)，構(gòu)造并比較了各類(lèi)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(lèi)人群對(duì)本類(lèi)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(lèi)人群對(duì)本類(lèi)型貼吧更關(guān)注。但3個(gè)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(lèi)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(gè)貼吧之間的一個(gè)共同用戶(hù)）數(shù)量與外部連邊數(shù)量之比分別為14.2（艾滋病類(lèi)）、8.9（男同性戀類(lèi)）和8.1（新聞時(shí)事類(lèi)）。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(lèi)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(diǎn)，筆者使用基于Shannon熵的社會(huì)多樣性度量[38-39]來(lái)刻畫(huà)各個(gè)關(guān)注網(wǎng)絡(luò)的多樣性。

其中，k是節(jié)點(diǎn)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(gè)網(wǎng)絡(luò)的多樣性平均值分別為0.88（艾滋病類(lèi)）、0.69（男同性戀類(lèi)）和0.75（新聞時(shí)事類(lèi)）。各類(lèi)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(shí)事類(lèi)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(diǎn)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(shí)事類(lèi)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(lèi)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(lèi)貼吧與男同性戀類(lèi)貼吧的共同邊數(shù)目為1319，大于與新聞時(shí)事類(lèi)貼吧的共同邊數(shù)656，艾滋病類(lèi)貼吧和男同性戀貼吧之間具有更多的共同用戶(hù)。

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(shuō)明艾滋病人群對(duì)本類(lèi)型貼吧的關(guān)注更多、更集中，一個(gè)用戶(hù)可能同時(shí)關(guān)注了多個(gè)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(shuō)明男同性戀人群對(duì)本類(lèi)型貼吧的關(guān)注較集中，但用戶(hù)在貼吧中的分布很不均勻，大多分布在幾個(gè)貼吧（gay吧、bl吧）中；且艾滋病類(lèi)貼吧之間的相似性較大，男同性戀類(lèi)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(xiàn)活動(dòng)目的的差別。艾滋病人群在線(xiàn)活動(dòng)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(shí)；而男同性戀人群在線(xiàn)活動(dòng)主要是交友娛樂(lè)，偏好性很強(qiáng)，導(dǎo)致男同性戀類(lèi)貼吧的用戶(hù)數(shù)目差異大。艾滋病類(lèi)型貼吧和男同性戀類(lèi)型的貼吧之間具有更多的共同用戶(hù)，說(shuō)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(yàn)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(lèi)型貼吧的共同關(guān)注者網(wǎng)絡(luò)

4 結(jié)束語(yǔ)

由于特殊人群的隱蔽性，傳統(tǒng)方法無(wú)法有效獲取這類(lèi)人群真實(shí)的活動(dòng)數(shù)據(jù)，難以了解特殊人群的行為特點(diǎn)和心理狀態(tài)。本文通過(guò)分析百度貼吧特殊人群的在線(xiàn)活動(dòng)數(shù)據(jù)，首次對(duì)艾滋病人群和男同性戀人群與普通人群（新聞時(shí)事類(lèi)貼吧用戶(hù)）的在線(xiàn)活動(dòng)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(guó)艾滋病人群和男同性戀人群在在線(xiàn)活動(dòng)時(shí)間、討論話(huà)題、關(guān)注貼吧等各方面都表現(xiàn)出各自明顯的特點(diǎn)。艾滋病人群在每晚22:00—23:00達(dá)到活動(dòng)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(dòng)高峰，在早上5:00跌至波谷。且艾滋病類(lèi)人群在貼吧的活躍程度呈上升趨勢(shì)，男同性戀人群的活躍程度呈下降趨勢(shì)。艾滋病人群在線(xiàn)活動(dòng)的主題主要是病情咨詢(xún)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(duì)本類(lèi)型貼吧的關(guān)注更多、更集中，一個(gè)用戶(hù)同時(shí)關(guān)注多個(gè)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(duì)本類(lèi)型貼吧的關(guān)注較集中，但用戶(hù)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(xiàn)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(duì)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(shí)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(lái)的特點(diǎn)，對(duì)公共衛(wèi)生有關(guān)管理部門(mén)提出以下建議，以期能為我國(guó)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(duì)男同性戀人群艾滋病高危的特點(diǎn)，應(yīng)加強(qiáng)男同性戀人群中艾滋病防護(hù)意識(shí)的培育和相關(guān)安全知識(shí)的宣傳，促進(jìn)男同性戀人群自我保護(hù)意識(shí)的提升，減少并盡可能杜絕高危行為的發(fā)生。

● 由于社會(huì)輿論環(huán)境，我國(guó)艾滋病群體面臨著很大的社會(huì)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(tái)的匿名性保證，很大一部分艾滋病患者傾向于通過(guò)互聯(lián)網(wǎng)渠道查找資料或?qū)で髱椭?。相關(guān)管理部門(mén)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(tái)，加強(qiáng)艾滋病基礎(chǔ)知識(shí)的普及，多渠道擴(kuò)展艾滋病咨詢(xún)和檢測(cè)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(shì)，很大一部分男同性戀者是青少年，并且近年來(lái)我國(guó)大中學(xué)生中的HIV感染者超 過(guò)80%是男同性戀，因此提早對(duì)青少年開(kāi)展安全性知識(shí)教育，提高其防患意識(shí)，有利于促進(jìn)青少年群體對(duì)艾滋病病毒的預(yù)防。

基于開(kāi)源數(shù)據(jù)的特殊人群研究，能最直接地從特殊人群在線(xiàn)活動(dòng)產(chǎn)生的數(shù)據(jù)中發(fā)現(xiàn)問(wèn)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(duì)象的主觀因素帶來(lái)的誤差，可以最真實(shí)、客觀地反映特殊人群的行為特點(diǎn)和動(dòng)機(jī)偏好，對(duì)以抽樣調(diào)查為主的特殊人群研究方法是一個(gè)很大的補(bǔ)充。本研究對(duì)特殊人群和普通人群的在線(xiàn)行為模式進(jìn)行多維度分析比較，對(duì)艾滋病人群和男同性戀人群的在線(xiàn)活動(dòng)特點(diǎn)進(jìn)行了多視角、直觀的呈現(xiàn)，同時(shí)也為今后其他類(lèi)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(shí)價(jià)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(duì)其他在線(xiàn)社區(qū)的相關(guān)特殊人群的特點(diǎn)并未做分析，今后的研究會(huì)立足在多種社交平臺(tái)上的數(shù)據(jù)分析，增強(qiáng)研究的完整性和可靠性。