基于SNA的突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播影響力

萬(wàn)鈺玨　李世銀　房子豪　折亞亞　王雨秋　王帆　景興鵬

摘要：突發(fā)事件處置過(guò)程中伴隨著輿情管控的缺失，尤其是網(wǎng)絡(luò)輿情傳播中的意見(jiàn)領(lǐng)袖極易引導(dǎo)輿論走向，處置不當(dāng)則會(huì)引發(fā)衍生事件等問(wèn)題。為更好地引導(dǎo)和管控突發(fā)事件網(wǎng)絡(luò)輿情提出切實(shí)可行的方法，以突發(fā)事件“湖北十堰燃?xì)獗ā睘槔ㄟ^(guò)Gephi可視化分析了突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖的傳播規(guī)律及傳播影響力，運(yùn)用UCINET從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度探討了意見(jiàn)領(lǐng)袖的傳播影響力。結(jié)果表明：“湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播的整體關(guān)聯(lián)度較低，傳播網(wǎng)絡(luò)結(jié)構(gòu)較為松散，信息流通性較低;傳播者之間交互性不夠緊密，意見(jiàn)領(lǐng)袖及其他傳播者之間信息交流不夠密切、關(guān)聯(lián)程度不夠高;得出此次突發(fā)事件網(wǎng)絡(luò)輿情傳播影響力較大的5名意見(jiàn)領(lǐng)袖?；赟NA從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度研究突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播影響力是可行的，為政府引導(dǎo)和管控突發(fā)事件網(wǎng)絡(luò)輿情的傳播及消除負(fù)面影響提供理論參考。

關(guān)鍵詞：社會(huì)網(wǎng)絡(luò)分析;突發(fā)事件;網(wǎng)絡(luò)輿情;意見(jiàn)領(lǐng)袖;傳播影響力

中圖分類(lèi)號(hào)：X 921文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-9315（2022）02-0290-09

DOI：10.13800/j.cnki.xakjdxxb.2022.0213開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Dissemination influence of internet public opinion

leaders in emergencies based on SNAWAN Yujue LI Shiyin FANG Zihao SHE Yaya WANG Yuqiu

WANG Fan JING Xingpeng（1.College of Safety Science and Engineering，Xian University of Science and Technology，Xian 710054，China;

2.Xian Research Institute Co.，Ltd.，China Coal Technology and Engineering Group Corp，Xian 710077，China）Abstract：The public opinion control tends to fail in an emergency，in which? the opinion leaders in the network public opinion dissemination are easy to guide the direction of public opinion，and improper disposal will lead to derivative events.In order to determine the feasible measures to better guide and control the emergencies network public opinion，Gephi visualization analysis has been made of? the dissemination law and influence of network opinion leaders on emergencies，with “Gas explosion in Shiyan，Hubei”as an example.And UCINET is used to explore the dissemination influence of opinion leaders from three dimensions of network density，network centrality and cohesive subgroup.The results show that the overall correlation? of network public opinion dissemination of “Gas explosion in Shiyan，Hubei” is weak，the dissemination network structure is loose，and the information flow is low.The interaction between disseminators is not frequent enough，the information exchange between opinion leaders and other disseminators is not close enough，and the degree of correlation is not high enough.Five opinion leaders with great influence on the network public opinion dissemination of this emergency are obtained.Based on SNA，it is possible to examine the influence of emergencies network public opinion leaders from three dimensions of network density，network centrality and cohesive subgroup，which provides theoretical reference for the government to guide and control the spreading of emergencies network public opinion and to eliminate negative effects.

Key words：social network analysis;emergency;network public opinion;opinion leaders;dissemination influence

0引言

截至2021年12月，中國(guó)網(wǎng)民規(guī)模為10.32億，手機(jī)網(wǎng)民規(guī)模達(dá)10.29億，互聯(lián)網(wǎng)普及率73%[1]。隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)成為熱點(diǎn)輿論最重要的聚集地，引導(dǎo)和管控網(wǎng)絡(luò)輿情發(fā)展是處置突發(fā)事件網(wǎng)絡(luò)輿情的重要手段。面對(duì)突發(fā)事件，快速有效地對(duì)網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖進(jìn)行引導(dǎo)是管控突發(fā)事件網(wǎng)絡(luò)輿情發(fā)展的關(guān)鍵。

當(dāng)前，國(guó)內(nèi)外學(xué)者對(duì)網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖開(kāi)展了一系列研究。BAMAKAN等綜述近年來(lái)各類(lèi)網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖識(shí)別方法并分析其優(yōu)缺點(diǎn)[2]。JAIN等提出了GOLD算法、WHALE優(yōu)化算法來(lái)識(shí)別意見(jiàn)領(lǐng)袖聯(lián)盟[3-4]。LI等通過(guò)分析用戶情感影響識(shí)別意見(jiàn)領(lǐng)袖[5]。LUQIU等以中國(guó)社交平臺(tái)微博為信息源，從事件關(guān)注者數(shù)量和評(píng)論語(yǔ)調(diào)2個(gè)方面識(shí)別意見(jiàn)領(lǐng)袖并分析其影響力[6]。YIN等構(gòu)建意見(jiàn)延遲免疫模型揭示意見(jiàn)領(lǐng)袖對(duì)信息傳播的影響力[7]。嚴(yán)煒煒通過(guò)構(gòu)建視頻質(zhì)量評(píng)價(jià)指標(biāo)體系，使用聚類(lèi)分析法揭示了意見(jiàn)領(lǐng)袖形成路徑[8]。安璐等從意見(jiàn)領(lǐng)袖的評(píng)論內(nèi)容及用戶間的交互入手識(shí)別網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖[9]。徐翔認(rèn)為意見(jiàn)領(lǐng)袖具有信息傳播的擴(kuò)散力與影響力[10]。孫羽等基于網(wǎng)絡(luò)分析和文本挖掘分析意見(jiàn)領(lǐng)袖的各類(lèi)特點(diǎn)[11]。方世南等認(rèn)為意見(jiàn)領(lǐng)袖在傳播和引導(dǎo)網(wǎng)絡(luò)輿情時(shí)具有正負(fù)2個(gè)方面的作用[12]。余樹(shù)英認(rèn)為不同類(lèi)型網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的影響力存在一定的差異性[13]。國(guó)外對(duì)意見(jiàn)領(lǐng)袖的研究側(cè)重于識(shí)別算法，而國(guó)內(nèi)對(duì)意見(jiàn)領(lǐng)袖的研究主要圍繞其傳播特征及作用機(jī)理，對(duì)于突發(fā)事件網(wǎng)絡(luò)輿情下的意見(jiàn)領(lǐng)袖傳播影響力特征研究較少。

因此，以突發(fā)事件“湖北十堰燃?xì)獗ā睘槔?，微博作為?shù)據(jù)源，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)采集樣本數(shù)據(jù)，運(yùn)用Gephi繪制意見(jiàn)領(lǐng)袖輿情傳播可視化圖，呈現(xiàn)突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播關(guān)系。利用UCINET從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度，對(duì)突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行測(cè)度分析，以期為更好地引導(dǎo)和管控突發(fā)事件網(wǎng)絡(luò)輿情提出切實(shí)可行的方法。

1社會(huì)網(wǎng)絡(luò)分析

1.1社會(huì)網(wǎng)絡(luò)分析法

社會(huì)網(wǎng)絡(luò)分析法（social network analysis，SNA）能夠直觀、有效地展示社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)中行動(dòng)者之間的互動(dòng)關(guān)系，通過(guò)使用相關(guān)可視化工具繪制網(wǎng)絡(luò)圖，分析社會(huì)網(wǎng)絡(luò)關(guān)系中各節(jié)點(diǎn)的中心趨勢(shì)、密切關(guān)系、分散程度。該方法可應(yīng)用于各行各業(yè)的事物及人物之間復(fù)雜關(guān)系分析研究[14-16]。

1.2Gephi可視化

Gephi可處理海量的網(wǎng)絡(luò)數(shù)據(jù)集，既能在節(jié)點(diǎn)層面對(duì)網(wǎng)絡(luò)屬性進(jìn)行統(tǒng)計(jì)分析，也可使用不同布局算法對(duì)數(shù)據(jù)進(jìn)行可視化處理，還可以對(duì)動(dòng)態(tài)網(wǎng)絡(luò)進(jìn)行模擬分析[17-19]。因此，本文使用Gephi可視化處理“湖北十堰燃?xì)獗ā笔录?shù)據(jù)，利用網(wǎng)絡(luò)密度、點(diǎn)度中心性屬性，更加直觀地反映出意見(jiàn)領(lǐng)袖傳播的復(fù)雜關(guān)系。

1.3UCINET軟件

UCINET是目前學(xué)術(shù)研究運(yùn)用較廣的社會(huì)網(wǎng)絡(luò)分析軟件之一[20-22]。UCINET的中心性、凝聚子群、關(guān)聯(lián)性分析等方法，可通過(guò)直觀的網(wǎng)絡(luò)圖進(jìn)行數(shù)據(jù)關(guān)系展示?；诖?，利用UCINET中網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度的分析指標(biāo)得到意見(jiàn)領(lǐng)袖傳播影響力測(cè)度數(shù)據(jù)，為文中研究提供科學(xué)的理論依據(jù)。

2實(shí)例分析

2.1事件回顧

2021年6月13日早晨6點(diǎn)30分左右，湖北十堰市張灣區(qū)艷湖小區(qū)發(fā)生燃?xì)獗ㄊ鹿?。隨著救援工作的開(kāi)展，官方媒體實(shí)時(shí)報(bào)道現(xiàn)場(chǎng)救援情況，由于傷亡人數(shù)不斷增加，網(wǎng)民通過(guò)網(wǎng)絡(luò)平臺(tái)獲取到該突發(fā)事件的相關(guān)報(bào)道，并發(fā)表個(gè)人對(duì)于此次突發(fā)事件的觀點(diǎn)和情緒，從而加速引發(fā)了網(wǎng)絡(luò)平臺(tái)上的群體性互動(dòng)，該事件迅速成為熱點(diǎn)話題，推動(dòng)了此次突發(fā)事件網(wǎng)絡(luò)輿情的發(fā)展。通過(guò)百度指數(shù)搜索“湖北十堰”、“燃?xì)獗ā?、“化工園區(qū)”、“張灣區(qū)艷湖小區(qū)”等關(guān)鍵詞，研究的時(shí)間段設(shè)定為6月13日至6月23日，獲得此次突發(fā)事件網(wǎng)絡(luò)輿情傳播趨勢(shì)，如圖1所示。

2.2數(shù)據(jù)獲取

采用網(wǎng)絡(luò)爬蟲(chóng)、微博關(guān)鍵詞搜索、“滾雪球采樣”等方法對(duì)“湖北十堰燃?xì)獗ā蓖话l(fā)事件進(jìn)行研究，為獲取與事件相關(guān)微博的轉(zhuǎn)發(fā)量和評(píng)論量，對(duì)相關(guān)微博進(jìn)行了三輪信息數(shù)據(jù)爬取。

具體步驟為：將爬取數(shù)據(jù)源的時(shí)間設(shè)置為2021年6月13日—6月23日，在新浪微博搜索“湖北十堰”、“張灣區(qū)艷湖小區(qū)”、“燃?xì)獗ā钡雀哳l關(guān)鍵詞爬取相關(guān)話題的微博轉(zhuǎn)發(fā)量、評(píng)論量等信息。第1輪數(shù)據(jù)爬取，共獲得微博數(shù)據(jù)889條，將889條微博用戶ID以轉(zhuǎn)發(fā)量和粉絲量為標(biāo)準(zhǔn)，從高到低綜合排序，選取其中轉(zhuǎn)發(fā)量和粉絲量排名均在前100的微博用戶ID;第2輪數(shù)據(jù)爬取，隨機(jī)選取第1輪中具有代表性的5條微博ID，作為第2次數(shù)據(jù)爬取初始節(jié)點(diǎn)，從而進(jìn)行第2輪數(shù)據(jù)爬取，即第2輪數(shù)據(jù)爬取初始節(jié)點(diǎn)為“澎湃新聞”、“頭條新聞”、“扒妹一米五”、“中國(guó)新聞網(wǎng)”、“每日經(jīng)濟(jì)新聞”;第3輪數(shù)據(jù)爬取，重復(fù)第1輪、第2輪數(shù)據(jù)爬取流程，同樣根據(jù)高頻關(guān)鍵詞，隨機(jī)性選取具有代表性的微博用戶ID，從而進(jìn)行第3次信息數(shù)據(jù)爬取。

2.3Gephi可視化分析

基于獲取的數(shù)據(jù)，將其轉(zhuǎn)化為Gephi所需要的CSV格式，導(dǎo)入Gephi中，共得到246個(gè)節(jié)點(diǎn)以及268條有向邊。在此次傳播網(wǎng)絡(luò)中，節(jié)點(diǎn)屬性代表發(fā)布相關(guān)信息的傳播者微博ID，邊屬性代表傳播者相互之間的轉(zhuǎn)發(fā)、評(píng)論關(guān)系。經(jīng)過(guò)統(tǒng)計(jì)計(jì)算得到Gephi可視化網(wǎng)絡(luò)參數(shù)見(jiàn)表1。

平均度表示整個(gè)傳播網(wǎng)絡(luò)中各節(jié)點(diǎn)間的直接關(guān)聯(lián)程度，平均度數(shù)值越大，其直接關(guān)聯(lián)程度越高。從表1可得，該傳播網(wǎng)絡(luò)的平均度只有1.61，表明傳播網(wǎng)絡(luò)中各節(jié)點(diǎn)間的直接關(guān)聯(lián)程度較低。圖密度反映整個(gè)傳播網(wǎng)絡(luò)結(jié)構(gòu)的完整程度，圖密度越小，表明網(wǎng)絡(luò)結(jié)構(gòu)的完整程度越差。該傳播網(wǎng)絡(luò)的圖密度僅為0.01，表明傳播網(wǎng)絡(luò)結(jié)構(gòu)完整程度較差，網(wǎng)絡(luò)結(jié)構(gòu)較為松散，信息流通性較低。

在Gephi中，首先使用“Force Atlas”算法調(diào)整節(jié)點(diǎn)布局，然后通過(guò)彈性模型“Fruchterman Reingold”對(duì)節(jié)點(diǎn)進(jìn)行布局優(yōu)化，最終得到“湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播可視化如圖2所示。通過(guò)Gephi的點(diǎn)度中心度算法，對(duì)“湖北十堰燃?xì)獗ā蓖话l(fā)事件的網(wǎng)絡(luò)輿情傳播點(diǎn)度中心度進(jìn)行測(cè)度，選取前20測(cè)度結(jié)果見(jiàn)表2。

從表2可得，“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”、“澎湃新聞”、“扒妹一米五”5個(gè)節(jié)點(diǎn)是點(diǎn)度中心性最高節(jié)點(diǎn)，占據(jù)此次突發(fā)事件網(wǎng)絡(luò)輿情傳播核心位置，意味著其處于網(wǎng)絡(luò)輿情傳播優(yōu)勢(shì)地位。入度值和出度值均表示一個(gè)點(diǎn)與其他點(diǎn)的交互情況，由此得出該5個(gè)節(jié)點(diǎn)影響力和交互性極高，表明這些節(jié)點(diǎn)是此次突發(fā)事件網(wǎng)絡(luò)輿情傳播中的意見(jiàn)領(lǐng)袖。

圖2為參與“湖北十堰小區(qū)爆炸”事件網(wǎng)絡(luò)輿情傳播者的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模塊化分析結(jié)果表明，“頭條新聞”社區(qū)是最大社區(qū)，占5個(gè)社區(qū)總和的30.52%;“扒妹一米五”社區(qū)是最小社區(qū)，占比10.17%。基于此結(jié)果可得，“頭條新聞”社區(qū)的傳播者聚積度最高，關(guān)系網(wǎng)最密集，是此次輿情事件中傳播影響力最大意見(jiàn)領(lǐng)袖。從傳播者類(lèi)型分析，以“扒妹一米五”為代表的自媒體與以“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”為代表的官方媒體相比，所帶來(lái)的傳播影響力較小。

由此可見(jiàn)，在引導(dǎo)與管控突發(fā)事件網(wǎng)絡(luò)輿情中的意見(jiàn)領(lǐng)袖時(shí)，應(yīng)對(duì)傳播影響力較大的自媒體和官方媒體進(jìn)行有效的監(jiān)管。

2.4網(wǎng)絡(luò)密度分析

在UCINET軟件中，構(gòu)建了246個(gè)節(jié)點(diǎn)間的微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)，其中各節(jié)點(diǎn)代表微博信息發(fā)布者ID，邊之間權(quán)重代表節(jié)點(diǎn)之間進(jìn)行轉(zhuǎn)發(fā)的互動(dòng)次數(shù)。

網(wǎng)絡(luò)密度是傳播者構(gòu)成的節(jié)點(diǎn)間信息傳播的互動(dòng)程度，在有向網(wǎng)絡(luò)圖中，如果整體網(wǎng)絡(luò)中包含的實(shí)際關(guān)系數(shù)目為a，那么其中包含的關(guān)系總數(shù)在理論上的最大可能值為b（b-1），則該網(wǎng)絡(luò)整體密度M的表達(dá)式為[23]

整體網(wǎng)的密度越大，表明網(wǎng)絡(luò)成員之間的聯(lián)系越緊密，該網(wǎng)絡(luò)對(duì)其中傳播者的態(tài)度、行為等產(chǎn)生的影響就越大。運(yùn)用UCINET對(duì)“湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播網(wǎng)絡(luò)密度進(jìn)行測(cè)度，得到測(cè)度結(jié)果如圖3所示。

從圖3可知，在此次“湖北十堰燃?xì)獗ā陛浨閭鞑ゾW(wǎng)絡(luò)中，共有246個(gè)傳播節(jié)點(diǎn)，實(shí)際發(fā)生的關(guān)系連接數(shù)為1 270條，該事件網(wǎng)絡(luò)密度為0.021。表明每1 000名行為者中，僅有21人存在互動(dòng)關(guān)系。MAYHEW等利用隨機(jī)選擇模型分析得出實(shí)際社會(huì)網(wǎng)絡(luò)整體圖中最大網(wǎng)絡(luò)密度值為0.5[24]。由此可得，突發(fā)事件“湖北十堰燃?xì)獗ā钡木W(wǎng)絡(luò)輿情在傳播過(guò)程中整體網(wǎng)密度較低，傳播者的轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊等信息互動(dòng)性較差，傳播者間的關(guān)聯(lián)性較低。

2.5網(wǎng)絡(luò)中心性分析

2.5.1中間中心度分析

中間中心度是測(cè)量傳播者對(duì)信息資源控制的程度。即一個(gè)節(jié)點(diǎn)的中間中心度越大，表明在傳播過(guò)程中是比較重要的“中介”傳播路徑，表示該節(jié)點(diǎn)擁有控制信息資源的重要地位。如果一個(gè)點(diǎn)的中間中心度為1，表示能100%控制其他傳播者，擁有巨大的影響力。中間中心度表達(dá)式為[23]

通過(guò)UCINET軟件測(cè)得該事件的中間中心度，并取前50名網(wǎng)絡(luò)節(jié)點(diǎn)見(jiàn)表3。

從表3可得，“扒妹一米五”、“大鵬發(fā)布”、“筆錄舶圓鄉(xiāng)”等傳播者的中間中心度最大，表明眾多傳播者通過(guò)這些傳播者進(jìn)行信息傳播，其在信息傳播中很大程度發(fā)揮了“中介”能力，同時(shí)表明這些傳播者有很強(qiáng)的信息控制能力，由此得出是此次輿情傳播影響力最大的意見(jiàn)領(lǐng)袖?！坝鲆?jiàn)美好”、“逸竹仙”、“南京市秦淮區(qū)紅十字會(huì)”等傳播者中間中心度為0，意味著上述傳播者在輿情傳播中不具備“中介”能力，表明上述傳播者并非信息發(fā)布源，幾乎沒(méi)有信息控制能力，由此認(rèn)為在該次輿情傳播中上述傳播者非意見(jiàn)領(lǐng)袖。

2.5.2接近中心度分析

接近中心度反映傳播者對(duì)網(wǎng)絡(luò)的控制程度。接近中心度越小，表示傳播者越接近網(wǎng)絡(luò)中的核心地位，其信息依賴程度越小，在信息獲取中越具有優(yōu)勢(shì)、權(quán)力聲望也越高，則表示該傳播者在整個(gè)網(wǎng)絡(luò)中越重要。接近中心度的表達(dá)式為[23]

通過(guò)UCINET軟件測(cè)得該事件的接近中心度，并取前50名網(wǎng)絡(luò)節(jié)點(diǎn)見(jiàn)表4。

從表4可以看出，“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”傳播者接近中心度最小，表明上述傳播者更接近網(wǎng)絡(luò)輿情傳播核心地位，對(duì)其他傳播者的信息依賴程度最低。在獲取信息方面更具備優(yōu)勢(shì)，并在傳播過(guò)程中擁有的權(quán)力聲望更高，意味著其不易受其他傳播者控制，進(jìn)一步證實(shí)上述傳播者是此次突發(fā)事件網(wǎng)絡(luò)輿情傳播的意見(jiàn)領(lǐng)袖。“青流視頻”、“低調(diào)大士”、“大河報(bào)”等傳播者接近中心度最大，表明上述傳播者遠(yuǎn)離網(wǎng)絡(luò)輿情傳播核心地位，對(duì)“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”等傳播者的信息依賴程度最高，從而極易受其他傳播者控制。在獲取信息方面不具備優(yōu)勢(shì)且傳播過(guò)程中擁有的權(quán)利聲望也最低。

2.6凝聚子群分析

凝聚子群是傳播者的一個(gè)子集合，在此集合中的傳播者之間具有相對(duì)較強(qiáng)的、直接的、緊密的或積極的關(guān)系。如果傳播網(wǎng)絡(luò)存在凝聚子群，且凝聚子群的密度較高，表明傳播網(wǎng)絡(luò)中處于凝聚子群內(nèi)部的傳播成員相互之間聯(lián)系緊密，在信息交流和合作方面交互性高[23]。通過(guò)UCINET中的CONCER迭代相關(guān)收斂法，經(jīng)過(guò)3次迭代，得到此次突發(fā)事件網(wǎng)絡(luò)傳播的凝聚子群成員統(tǒng)計(jì)和網(wǎng)絡(luò)傳播凝聚子群，見(jiàn)表5，如圖4所示。

從圖4可以看出，該傳播網(wǎng)絡(luò)存在7個(gè)子群，從上到下依次排序?yàn)?子群-7子群。其中，1，3，4，7子群規(guī)模較大，包含傳播成員較多。從表5可看出，以1子群為例，1子群以“澎湃新聞”為中心形成包含55個(gè)傳播者的子群，意味著該子群中傳播者相互聯(lián)系緊密，具有穩(wěn)定且較大信息傳播影響力。最小子群是僅包含1個(gè)傳播者的6子群，即118號(hào)“大鵬發(fā)布”，表明子群也會(huì)出現(xiàn)單個(gè)成立的情況，同時(shí)表示該傳播者“大鵬發(fā)布”與其他傳播者交互性最差，且信息傳播影響力最低。由此得出，傳播者較多子群有利于信息傳播擴(kuò)散，其傳播影響力則會(huì)更大。

凝聚子群密度是衡量一個(gè)網(wǎng)絡(luò)中群體現(xiàn)象的嚴(yán)重程度，凝聚子群密度取值范圍在[-1，1]，值越接近于1，表示派系林立程度越大，值越接近于-1，表示派系林立程度越小[25]。從圖5可以看出，該網(wǎng)絡(luò)凝聚子群密度為0.249，證明在該網(wǎng)絡(luò)中存在小群體現(xiàn)象，但派系林立程度不嚴(yán)重。從整體來(lái)看，每個(gè)子群密度均高于整體網(wǎng)絡(luò)密度0021。從子群間密度來(lái)看，個(gè)別子群與子群間密度值為0，表明一些子群間信息交流不緊密，但1，2，3，4，5子群間信息交流較為緊密。因此，可得出該網(wǎng)絡(luò)中傳播者之間派系關(guān)系相對(duì)合理，有派系林立且相互間有關(guān)聯(lián)性，有利于信息交流和傳播擴(kuò)散。

3結(jié)論

1）“湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播的整體關(guān)聯(lián)度較低，傳播者之間交互性不夠緊密?；贕ephi和UCINET測(cè)度結(jié)果分析，“湖北十堰燃?xì)獗ā闭w網(wǎng)密度指數(shù)較低，傳播網(wǎng)絡(luò)結(jié)構(gòu)較為松散，信息流通性較低;傳播者之間信息交流不夠密切、關(guān)聯(lián)程度不夠高。

2）研究發(fā)現(xiàn)，“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”、“澎湃新聞”、“扒妹一米五”5名傳播者是該次突發(fā)事件網(wǎng)絡(luò)輿情傳播影響力較大的意見(jiàn)領(lǐng)袖。該5名傳播者在網(wǎng)絡(luò)中擁有優(yōu)勢(shì)地位，能夠控制其他傳播者信息傳播擴(kuò)散，具有較高權(quán)利和聲望，傳播影響力較大，應(yīng)加強(qiáng)對(duì)意見(jiàn)領(lǐng)袖輿情傳播的引導(dǎo)與管控。

3）通過(guò)運(yùn)用復(fù)雜網(wǎng)絡(luò)可視軟件Gephi和社會(huì)網(wǎng)絡(luò)分析軟件UCINET繪制可視化圖并構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度分析突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播影響力，總結(jié)突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播影響力特點(diǎn)，為政府應(yīng)對(duì)突發(fā)事件網(wǎng)絡(luò)輿情提供更有效的治理方法。

參考文獻(xiàn)（References）：

[1]中國(guó)互聯(lián)網(wǎng)絡(luò)中心.第49次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R].北京：中國(guó)互聯(lián)網(wǎng)絡(luò)中心，2022.China Internet Network Information Center.The 49th China statistical report on internet development[R].Beijing：CNNIC，2022.

[2]BAMAKAN S M H，NURGALIEV I，QU Q.Opinion leader detection：A methodological review[J].Expert Systems with Applications，2018，56（9）：200-222.

[3]JAIN L，KATARYA R，SACHDEVA S.Recognition of opinion leaders coalitions in online social network using game theory[J].KnowledgeBased Systems，2020，203（19）：106-121.

[4]JAIN L，KATARYA R.Opinion? leader? detection? using whale optimization algorithm in online social network[J].Expert Systems with Applications，2020，142（56）：113016-113027.

[5]LI C L，BAI J P，ZHANG L，et al.Opinion community detection and opinion leader detection based on text information and network topology in cloud environment[J].Information Sciences，2019，50（4）：61-83.

[6]LUQIU L R，SCHMIERBACH M，NG Y L.Willingness to follow opinion leaders：A case study of Chinese Weibo[J].Computers in Human Behavior，2019，31（9）：42-50.

[7]YIN F L，ZHU X W，SHAO X Y，et al.Modeling and quantifying the influence of opinion involving opinion leaders on delayed information propagation dynamics[J].Applied Mathematics Letters，2021，11（3）77-86.

[8]嚴(yán)煒煒，王玲，程子潔.視頻分享平臺(tái)意見(jiàn)領(lǐng)袖特征及其形成路徑研究[J].情報(bào)科學(xué)，2021，39（5）：27-33.YAN Weiwei，WANG Ling，CHENG Zijie.Research on the characteristics and formation path of opinion leaders on video sharing platform[J].Information Science，2021，39（5）：27-33.

[9]安璐，胡俊陽(yáng)，李綱.基于主題一致性和情感支持的評(píng)論意見(jiàn)領(lǐng)袖識(shí)別方法研究[J].管理科學(xué)，2019，32（1）：3-13.AN Lu，HU Junyang，LL Gang.Research on identification method of comment leaders based on theme consistency and emotional support[J].Management Science，2019，32（1）：3-13.

[10]徐翔.社交網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的內(nèi)容特征影響力及其傳播中的趨同性[J].上海交通大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2021，29（2）：89-104.XU Xiang.Content characteristics，influence and convergence of opinion leaders in social networks[J].Journal of Shanghai Jiaotong University（Philosophy and Social Sciences Edition），2021，29（2）：89-104.

[11]孫羽，裘江南.基于網(wǎng)絡(luò)分析和文本挖掘的意見(jiàn)領(lǐng)袖影響力研究[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2021，6（1）：11-18.SUN Yu，QIU Jiangnan.Research on the influence? of opinion leaders based on network analysis and text mining[J].Data Analysis and Knowledge Discovery，2021，6（1）：11-18.

[12]方世南，徐雪閃.網(wǎng)絡(luò)意識(shí)形態(tài)安全中意見(jiàn)領(lǐng)袖作用研究[J].南京師大學(xué)報(bào)（社會(huì)科學(xué)版），2019，6（1）：87-96.FANG Shinan，XU Xueshan.Research on the role of opinion leaders in network ideological security[J].Journal of Nanjing Normal University（Social Sciences Edition），2019，6（1）：87-96.

[13]余樹(shù)英.不同類(lèi)型網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的影響力及發(fā)生機(jī)制[J].中國(guó)青年研究，2018，12（7）：90-94.YU Shuying.Influence and occurrence mechanism of different types of online opinion leaders[J].China Youth Research，2018，12（7）：90-94.

[14]嚴(yán)鍇，李紅霞.公共安全視域下的輿情熱點(diǎn)及發(fā)展趨勢(shì)可視化分析[J].西安科技大學(xué)學(xué)報(bào)，2019，39（6）：82-89.YAN Kai，LI Hongxia.Visual analysis of public opinion hotspots and development trends from the perspective of public safety[J].Journal of Xian University of Science and Technology，2019，39（6）：82-89.

[15]荊芒，章娣，張小亮，等.基于Gephi的醫(yī)院數(shù)據(jù)關(guān)聯(lián)關(guān)系可視化研究[J].中國(guó)衛(wèi)生信息管理雜志，2020，17（4）：538-543.JING Mang，ZHANG Di，ZHANG Xiaoliang，et al.Visualization of hospital data association relationship based on Gephi[J].Chinese Journal of Health Information Management，2020，17（4）：538-543.

[16]關(guān)迎暉，向勇，陳康.基于Gephi的可視分析方法研究與應(yīng)用[J].電信科學(xué)，2013，29（S1）：112-119.GUAN Yinghui，XIANG Yong，CHEN Kang.Research and application of visual analysis method based on Gephi[J].Telecommunications Science，2013，29（S1）：112-119.

[17]李磊，支梅，李睿涵.新冠肺炎突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)[J].西安科技大學(xué)學(xué)報(bào)，2022，42（1）：47-54.LI Lei，ZHI Mei，LI Ruihan.Dynamics of online public opinion communication for COVID-19 public health emergency[J].Journal of Xian? University of Science and Technology，2022，42（1）：47-54.

[18]MUHAMMAD A，KAYO F.NETEXPO：A Gephi? plugin towards social network analysis of network exposure for unipartite and bipartite graphs[J].Communications in Computer and Information Science，2019，13（12）：1034-1049.

[19]LUCACIU O，BACIUT M，BACIUT G，et al.The Gephi network visualisation of the guided bone regeneration process induced with tissue engineered grafts[J].Key Engine Ering Materials，2016，6（2）：4139-4150.

[20]薛娟.基于社會(huì)化工具Ucinet的理學(xué)交叉學(xué)科的計(jì)量研究[J].科技信息，2011，12（35）：33-34.XUE Juan.Econometric research on interdisciplinary science based on social tool UCINET[J].Science and Technology Information，2011，12（35）：33-34.

[21]張?zhí)K秋，王夏歌.國(guó)內(nèi)近20年媒介融合研究熱點(diǎn)及展望——基于Ucinet的知識(shí)圖譜分析[J].圖書(shū)情報(bào)導(dǎo)刊，2021，6（1）：43-50.ZHANG Suqiu，WANG Xiage.Domestic research hotspots and prospects of media fusion in the past 20 years：Ucinetbased knowledge graph analysis[J].Library and Information Guide，2021，6（1）：43-50.

[22]LI Q Y，TANG Y C.Statistics and visualization of artificial intelligence research in China in the past 21 years by UCINET[J].International Journal of Social Science and Education Research，2020，20（18）：178-183.

[23]劉軍.整體網(wǎng)分析講義——UCINET軟件實(shí)用指南[M].上海：格致出版社，2009.

[24]魏瑞斌.社會(huì)網(wǎng)絡(luò)分析在關(guān)鍵詞網(wǎng)絡(luò)分析中的實(shí)證研究[J].情報(bào)雜志，2009，28（9）：46-49.WEI Ruibin.Empirical research on social network analysis in keyword network analysis[J].Journal of Information，2009，28（9）：46-49.