基于大數(shù)據(jù)的災(zāi)害期間用戶提及行為分析

李雪塵

摘 ? 要：當(dāng)今大數(shù)據(jù)發(fā)展迅速，社交網(wǎng)絡(luò)也成為人們?nèi)粘Ｊ褂玫拿浇?，用戶在虛擬網(wǎng)絡(luò)中產(chǎn)生的大量數(shù)據(jù)有助于研究災(zāi)害問題，提升相關(guān)部門控制災(zāi)害的效率。本文基于暴雨期間的微博數(shù)據(jù)，對用戶提及行為規(guī)律性進(jìn)行研究，并分析社交平臺內(nèi)用戶的提及行為對解決暴雨演變過程中并發(fā)問題的有效性。

關(guān)鍵詞：提及行為 ?災(zāi)害 ?社交網(wǎng)絡(luò) ?大數(shù)據(jù)

中圖分類號：P208 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）02（a）-0151-03

社交媒體數(shù)據(jù)規(guī)模和差異的不斷擴(kuò)大，可為預(yù)測事件發(fā)生前的未來結(jié)果提供新思路[1-2]。Andrew Crooks基于從Twitter挖掘的大量數(shù)據(jù)，克服了社交媒體不能像地震儀一樣提供地震級別的衡量標(biāo)準(zhǔn)這一缺陷，并確定了地震的波及范圍[3]，充分展現(xiàn)了社交媒體對災(zāi)害研究的幫助。

在用戶行為分析方面，Linna Li等基于Twitter中用戶創(chuàng)建的地理數(shù)據(jù)與發(fā)布的照片，揭示了這些人的社會特征[4]。2015年Minh-Duc Luu等人比較了轉(zhuǎn)發(fā)與提及兩種行為與用戶使用標(biāo)簽的相關(guān)性，發(fā)現(xiàn)提及行為更占優(yōu)勢，因此能更高效地反映用戶交互與行為[5]。

在突發(fā)事件中，以相關(guān)性強的用戶為對象研究其行為會更有意義。本文以新浪微博為數(shù)據(jù)挖掘?qū)ο?，通過構(gòu)建網(wǎng)絡(luò)分析組件屬性，發(fā)現(xiàn)用戶提及關(guān)系在暴雨研究中的有效性。

1 ?實驗方法

本文以2012年7月北京特大暴雨為研究對象，通過微博提供的API搜集暴雨期間的微博數(shù)據(jù)，從中篩選出帶有“@”的信息并據(jù)此構(gòu)建提及網(wǎng)絡(luò)與組件，分析暴雨中用戶的行為規(guī)律。

1.1 數(shù)據(jù)搜集與處理

以“暴雨”為關(guān)鍵詞通過網(wǎng)絡(luò)爬蟲和新浪微博API爬取暴雨相關(guān)信息，并經(jīng)過去重等預(yù)處理得到24855條有效數(shù)據(jù)。據(jù)此篩選出興趣時間段2012-07-21-06到2012-07-24-04的16759條數(shù)據(jù)。之后去除這些數(shù)據(jù)中含有轉(zhuǎn)發(fā)標(biāo)志“//@”的文本，從所有數(shù)據(jù)中識別出6529個被@的用戶名，作為構(gòu)建網(wǎng)絡(luò)的基礎(chǔ)。另外，從處理后的數(shù)據(jù)中抽取500條進(jìn)行采樣分析，經(jīng)過人工分類發(fā)現(xiàn)詢問朋友情況與描述暴雨相關(guān)經(jīng)歷的微博占比超過60%，表明處于提及關(guān)系中的用戶多數(shù)與暴雨有直接或間接聯(lián)系。

1.2 網(wǎng)絡(luò)構(gòu)建

本文通過對社交網(wǎng)絡(luò)中帶有“@”的信息進(jìn)行提取與分析，以有向圖的方式創(chuàng)建了一個以用戶為節(jié)點，以用戶間提及關(guān)系為邊，且具有連接關(guān)系的提及網(wǎng)絡(luò)。此網(wǎng)絡(luò)中包含6530個節(jié)點，4811條邊，2108條含提及關(guān)系的微博，1825個組件。在處理組件時主要分析節(jié)點分布、微博數(shù)、平均度、聚集系數(shù)、網(wǎng)絡(luò)直徑這五種屬性，通過組件內(nèi)部特征反映災(zāi)害趨勢。由此形成的具有分析價值的兩大組件將在第2節(jié)詳細(xì)闡述。

發(fā)布者與提及關(guān)系通過有序?qū)Γ╒，E）表示，可構(gòu)建有向圖G（V，E），V的出度表示為d+（V），是E中具有原點V的鏈接數(shù);V的入度表示為d-（V），表示與被提及用戶的鏈接數(shù)。同時，網(wǎng)絡(luò)中包含多個組件，一個組件由節(jié)點V與邊E構(gòu)成，任意2個節(jié)點間有通過邊連接的可能性。當(dāng)一群節(jié)點互相連接且不與其它節(jié)點關(guān)聯(lián)時，這群節(jié)點形成組件。

2 ?結(jié)果與分析

2.1 網(wǎng)絡(luò)與組件

可從網(wǎng)絡(luò)和組件的角度宏觀分析暴雨中用戶所發(fā)微博的規(guī)律、網(wǎng)絡(luò)空間中提及行為的誘因。并判斷信息傳播的方向以及在網(wǎng)絡(luò)空間和地理空間中的形式。

根據(jù)1.1所述方法從網(wǎng)絡(luò)中隨機(jī)抽取微博并進(jìn)行人工分類，數(shù)量較多的類別為：詢問朋友情況（36%），描述暴雨相關(guān)經(jīng)歷（31%），提醒朋友注意安全（7%），祈禱朋友安好（3%）。分析四種類別可知，暴雨發(fā)生時被提及用戶的位置基本都在暴雨發(fā)生地;同處于暴雨中的用戶可能在事件發(fā)生時或確認(rèn)自身安全后使用微博來提及對方;同在北京的用戶會因共同經(jīng)歷暴雨互相提及，北京以外地區(qū)的用戶會發(fā)布微博@自己擔(dān)心的朋友?？煽闯鲇脩籼峒瓣P(guān)系有助于信息在暴雨發(fā)生地、暴雨以外地區(qū)雙向傳播的。

按1.2過程形成的1852個組件中節(jié)點數(shù)與微博數(shù)差異較大（圖1），其中多數(shù)組件內(nèi)用戶數(shù)為2～12人，節(jié)點數(shù)為2的組件有1015個，與正常情況下用戶一條微博只提及一人的情況相符?？偨Y(jié)發(fā)現(xiàn)，除去提及自身的用戶，組件內(nèi)節(jié)點符合冪律分布。另外，含不同微博數(shù)的組件數(shù)量也存在差別，幾乎所有組件（1777個）只含1條微博，表明用戶很少使用微博交流討論，即暴雨發(fā)生時微博中用戶交流較少。組件基本情況如表1所示，兩大組件將在2.3中詳細(xì)分析。

2.2 組件屬性

此小節(jié)計算的組件平均度、平均聚集系數(shù)、網(wǎng)絡(luò)直徑是2.3中分析組件的基礎(chǔ)。

（1）在計算平均度時，以節(jié)點數(shù)為縱坐標(biāo)，以組件內(nèi)平均度為橫坐標(biāo)。發(fā)現(xiàn)當(dāng)樣本數(shù)量足夠大時兩者與平均度開始出現(xiàn)正相關(guān)性。且當(dāng)平均度超過2之后，即使微博與用戶明顯增多，平均度依然處于區(qū)間（2，3）中（圖2）。首先取出14個平均度大于2的組件，去除只有兩個節(jié)點但度異常多的噪聲組件，剩余組件的平均度都介于（2，3），可推測出當(dāng)用戶與所發(fā)微博趨于無窮多時，平均每位用戶涉及2-3段提及關(guān)系，說明用戶間提及數(shù)量有穩(wěn)定趨向。

（2）通過計算聚集系數(shù)反映用戶相關(guān)性與交互行為（圖3），去除度與節(jié)點數(shù)差距很大導(dǎo)致聚集系數(shù)異常高的噪聲數(shù)據(jù)，剩余1個聚集系數(shù)較大（0.093355）的組件以及聚集系數(shù)為0的其它組件（1850個）。較多組件的聚集系數(shù)為0，說明用戶很少通過微博互動，且可看出微博是用戶發(fā)布動態(tài)、傳播信息的空間，和微信等社交軟件具有不同側(cè)重點。

（3）通過網(wǎng)絡(luò)直徑（平均最短路徑長度）反映組件內(nèi)用戶間關(guān)系遠(yuǎn)近。聚集系數(shù)從2開始與節(jié)點數(shù)、微博數(shù)有正相關(guān)趨勢，最大的網(wǎng)絡(luò)直徑（7.90）對應(yīng)2.4中最大組件，網(wǎng)絡(luò)直徑2.00對應(yīng)以“請輸入用戶名”為中心的第二大組件。剩余具有較大網(wǎng)絡(luò)直徑的組件具有相似的規(guī)律，即多名用戶發(fā)布多條微博且互相提及，且微博內(nèi)容多為描述暴雨情況、關(guān)心問候，說明這些組件基本由現(xiàn)實中具有親近社交關(guān)系的朋友組成。與平均度不同，隨著節(jié)點與微博數(shù)量的增大，網(wǎng)絡(luò)直徑并沒有停滯于特定區(qū)間，而是持續(xù)增大，說明在一個社交群體內(nèi)用戶數(shù)量越多，用戶間具有親近關(guān)系的可能性越小。

2.3 兩大組件

找出微博與用戶數(shù)量最多的兩大組件（簡稱），以政府媒體等4個用戶為中心，由其產(chǎn)生的提及或被提及行為形成組件內(nèi)節(jié)點出入度，信息傳播方向與現(xiàn)實空間類似的中心節(jié)點只有一個微博幽默博主，大量用戶通過提及這位名人傳遞信息，體現(xiàn)了網(wǎng)絡(luò)空間中的名人效應(yīng)。

最大組件（圖5）有四個出入度較多的聚集中心，都屬于媒體、政府這類現(xiàn)實生活中的主要信息源。通過分析出度最多的節(jié)點（一位現(xiàn)場報道的記者）、入度最多的兩個節(jié)點（“平安北京”與“北京發(fā)布”），發(fā)現(xiàn)在暴雨期間微博是用戶反映交通電路等日常問題的有效途徑，且可看出記者具有客觀展現(xiàn)暴雨情況的功能，同時北京市公安局起主要救援作用，而同樣入度較多的“頭條新聞”卻不能反映災(zāi)害內(nèi)容。據(jù)此引出通過建模來分析用戶角色的思路，以識別在災(zāi)害中具有特定功能的用戶從而提高信息搜集效率。除建模識別用戶特征外，可看出事件突發(fā)時利用微博實時搜集民眾生活問題并傳播信息的作用。

第二大組件由多位用戶提及一位名為“請輸入用戶名”的幽默博主組成，其余節(jié)點入度幾乎全為0，此博主入度高達(dá)51，接近平安北京入度（19）的3倍，說明不能簡單地通過分析對比入度情況識別災(zāi)害中起重要作用的用戶。但提及此博主的微博與暴雨發(fā)展趨勢密切相關(guān)，可作為信息收集的主要來源。據(jù)此可知在突發(fā)事件中用戶會通過提及現(xiàn)實中關(guān)系疏遠(yuǎn)的名人傳遞信息，即名人加入組件會加快組件擴(kuò)張速率，因此具有影響力的用戶是形成大組件的基礎(chǔ)之一。以網(wǎng)絡(luò)直徑的角度可解釋為，正是由于除普通用戶相互提及外，還有涉及名人的提及與被提及行為，所以隨著組件擴(kuò)大，組件內(nèi)用戶關(guān)系趨向疏遠(yuǎn)。

3 ?結(jié)語

災(zāi)害發(fā)生時社交媒體產(chǎn)生大量數(shù)據(jù)，可作為研究用戶行為的基礎(chǔ)，并為災(zāi)害趨勢的反映提供源頭。已有很多從時空角度分析災(zāi)害發(fā)生期間用戶行為的研究。社科類研究多聚焦于用戶提及轉(zhuǎn)發(fā)等行為的對比[2]，少有針對災(zāi)害中用戶行為的分析。

本文的成果可總結(jié)為兩方面：一是分析了暴雨發(fā)生時虛擬網(wǎng)絡(luò)空間內(nèi)用戶提及行為的規(guī)律性;二是基于用戶提及行為，通過微博反應(yīng)災(zāi)害現(xiàn)實情況并幫助解決民眾生活問題。

之后的研究將基于本文進(jìn)行擴(kuò)充，本文在識別出災(zāi)害中發(fā)揮特殊功能的用戶后，只粗略分析災(zāi)害發(fā)展趨勢以及暴雨對用戶的影響，之后將考慮對災(zāi)害中用戶角色建立個體模型，從而精確搜集處理災(zāi)害信息。

參考文獻(xiàn)

[1] 吳志峰，柴彥威，黨安榮，等.地理學(xué)碰上“大數(shù)據(jù)”：熱反應(yīng)與冷思考[J].地理研究，2015，34（12）：2207-2221.

[2] Andrew Crooks， Arie Croitoru， Anthony Stefanidis and Jacek Radzikowski. #Earthquake： Twitter as a Distributed Sensor System[J]. Transactions in GIS， 2013， 17（1）： 124–147.

[3] Tsou M H ， Yang J A ， Lusher D ， et al. Mapping social activities and concepts with social media （Twitter） and web search engines （Yahoo and Bing）： a case study in 2012 US Presidential Election[J]. Cartography and Geographic Information Science， 2013， 40（4）：337-348.

[4] 陳梓， 高濤， 羅年學(xué)， 等. 反映自然災(zāi)害時空分布的社交媒體有效性探討[J]. 測繪科學(xué)， 2017（8）：48-52，133.

[5] Yu L ， Zhengwei S ， Chaogui K ， et al. Uncovering Patterns of Inter-Urban Trip and Spatial Interaction from Social Media Check-In Data[J]. PLoS ONE， 2014， 9（1）：e86026.