突發(fā)事件網(wǎng)絡(luò)的傳播規(guī)律及特征
——以知網(wǎng)事件為例

楊?yuàn)?，王?，王傳彪，李昊展，劉銘

(1.中國傳媒大學(xué)數(shù)據(jù)科學(xué)與智能媒體學(xué)院，北京 100024；2.中國傳媒大學(xué)融合與傳播國家重點(diǎn)實(shí)驗(yàn)室，北京 100024）

1 引言

突發(fā)公共事件［1］是指突然發(fā)生的，可能會(huì)造成社會(huì)危害的事件，其中往往存在復(fù)雜的、富有爭議的因素，容易引起網(wǎng)民的關(guān)注和討論。互聯(lián)網(wǎng)的實(shí)時(shí)性和去中心化提升了信息的擴(kuò)散速度和影響范圍，自媒體等意見領(lǐng)袖的加入使傳統(tǒng)的議程設(shè)置發(fā)生變化，傳播主體因其賬號影響力的高低不同，信息獲取的實(shí)效性不同，對輿情發(fā)展的推動(dòng)力也不盡相同。

當(dāng)輿情發(fā)生時(shí)，網(wǎng)絡(luò)信息傳播的過程是官方媒體首先發(fā)布事件報(bào)道形成信息源，而后意見領(lǐng)袖介入，對信息進(jìn)行篩選、加工，并摻入自己的觀點(diǎn)［2］。網(wǎng)絡(luò)意見領(lǐng)袖不能直接控制網(wǎng)民“怎么想”，但他們可以利用信息權(quán)力，以迎合網(wǎng)民的方式解讀輿情，并將特定的價(jià)值理念編輯進(jìn)“意見”，潛移默化地引導(dǎo)網(wǎng)民“想什么”［3］。網(wǎng)民會(huì)同時(shí)接收信息源和再加工的信息，并選擇是否加入到信息傳播的過程中。

因此，在突發(fā)性公共輿情事件中，回答如下三方面問題對于厘清輿情傳播脈絡(luò)，掌握輿情規(guī)律進(jìn)而正確引導(dǎo)和控制輿情具有重要作用。

（1）知網(wǎng)事件輿論走勢存在什么規(guī)律，有哪些特征？

（2）社交網(wǎng)絡(luò)信息傳播呈現(xiàn)網(wǎng)絡(luò)傳播特征，每個(gè)人即是信息接收者，也是傳播者，輿情事件意見領(lǐng)袖和把關(guān)人對信息傳播的走勢起重要的主導(dǎo)作用，在知網(wǎng)事件中信息傳播的網(wǎng)絡(luò)結(jié)構(gòu)特征和拓?fù)浣Y(jié)構(gòu)中的“意見領(lǐng)袖”等重要節(jié)點(diǎn)有哪些特征？

（3）關(guān)鍵節(jié)點(diǎn)（即意見領(lǐng)袖）起到什么作用，有怎樣的觀點(diǎn)輸出及情感傾向？

本文運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法探究參與輿情傳播的各個(gè)節(jié)點(diǎn)之間的拓?fù)潢P(guān)系，以及重要節(jié)點(diǎn)的作用，分析“知網(wǎng)被市場監(jiān)管局立案調(diào)查”輿情事件，在此基礎(chǔ)上使用LDA主題提取和情感識別，探究重要節(jié)點(diǎn)的輿論引導(dǎo)傾向。

2 相關(guān)研究

對于重大突發(fā)事件引發(fā)的網(wǎng)絡(luò)輿情，有多種研究角度。根據(jù)拉斯韋爾5W模式，傳播過程中存在五種基本要素：傳播者、信息內(nèi)容、媒介、接收者和傳播效果，每種要素均可作為研究的切入點(diǎn)。劉波維［4］等人對輿情研究的視角進(jìn)行分析，將不同視角的網(wǎng)絡(luò)輿情研究成果進(jìn)行編碼和分析，得出輿情研究的幾大范疇，包括主體、客體、引發(fā)者、輿情傳播理論、輿情功能、傳播內(nèi)容等。本文從中選取用戶互動(dòng)和信息內(nèi)容作為研究角度。

基于用戶互動(dòng)的角度，眾多用戶在社交網(wǎng)絡(luò)上的互動(dòng)行為構(gòu)成了巨大的復(fù)雜網(wǎng)絡(luò)，此前有眾多研究人員利用社會(huì)網(wǎng)絡(luò)分析方法探究傳播結(jié)構(gòu)及重要節(jié)點(diǎn)的識別。基于信息內(nèi)容的角度，有研究者運(yùn)用話題識別和情感分析捕捉熱點(diǎn)話題，判斷輿論導(dǎo)向。

Huang［5］等認(rèn)為可以將復(fù)雜網(wǎng)絡(luò)中度最大的節(jié)點(diǎn)看作“意見領(lǐng)袖”，通過影響這些節(jié)點(diǎn)來控制信息在網(wǎng)絡(luò)中傳播，這一方法被應(yīng)用于多種復(fù)雜網(wǎng)絡(luò)的意見領(lǐng)袖挖掘。Kitsak［6］等人指出，網(wǎng)絡(luò)中節(jié)點(diǎn)的傳播能力與節(jié)點(diǎn)所處的位置有重要關(guān)系，處于網(wǎng)絡(luò)核心位置的節(jié)點(diǎn)有較高的影響力。趙蓉英［7］等采用社會(huì)網(wǎng)絡(luò)分析方法，進(jìn)行突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識別研究，通過網(wǎng)絡(luò)社群圖分析、接近中心性分析和K-叢分析等，挖掘出與情傳播的內(nèi)在結(jié)構(gòu)以及演化規(guī)律。劉小平［8］等通過測度部分媒體微博的網(wǎng)絡(luò)結(jié)構(gòu)特征，結(jié)合中心度與LeaderRank算法衡量微博節(jié)點(diǎn)的影響力。孫羽［9］等基于網(wǎng)絡(luò)分析和文本挖掘劃分意見領(lǐng)袖社團(tuán)，分析“特朗普美國大選游行事件”中各類意見領(lǐng)袖的特點(diǎn)。安璐［10］等從意見領(lǐng)袖的評論內(nèi)容及用戶間的交互人入手識別網(wǎng)絡(luò)意見領(lǐng)袖。劉嘉琪［11］等基于社會(huì)網(wǎng)絡(luò)分析方法，分析意見領(lǐng)袖、普通節(jié)點(diǎn)與在線群體影響力間的關(guān)系。

吳曉娟［12］利用LDA模型分析“藍(lán)色錢江縱火案”在不同輿情時(shí)期的微博話題演化過程。Yuan［13］等利用LDA提取颶風(fēng)期間的Twitter數(shù)據(jù)中公眾關(guān)注的問題。Wang［14］等利用LDA模型識別新冠肺炎疫情期間用戶最常發(fā)布的主題，并結(jié)合點(diǎn)贊量、評論量和轉(zhuǎn)發(fā)量等數(shù)據(jù)對不同話題進(jìn)行了用戶行為分析，研究了用戶關(guān)注度的變化和話題參與度差異。黃仕靖［15］等對數(shù)據(jù)文本進(jìn)行情感分析及LDA主題模型建模，對不同階段及不同群體的輿情時(shí)空演化及差異進(jìn)行內(nèi)容分析。劉雅姝［16］等在突發(fā)事件網(wǎng)民評論的話題圖譜上，利用LDA模型提取了話題圖譜實(shí)體中的話題和時(shí)間屬性，從多維特征融合角度追蹤突發(fā)事件輿情的演化過程。肖倩［17］等將卷積神經(jīng)網(wǎng)絡(luò)與LDA模型相結(jié)合，利用了輿情熱度與其傳播過程間的潛在關(guān)聯(lián)，設(shè)計(jì)了熱點(diǎn)輿情識別方法。鄧春林［18］對突發(fā)公共安全事件的微博評論進(jìn)行聚類，用LDA主題模型對評論文本進(jìn)行關(guān)鍵要素提取，得出歸因維度，進(jìn)而通過情感分析軟件對各維度進(jìn)行情感傾向度分析。

已有研究提出構(gòu)建社交網(wǎng)絡(luò)，利用網(wǎng)絡(luò)結(jié)構(gòu)特征、節(jié)點(diǎn)位置、節(jié)點(diǎn)中心性特征、社群分析等多種方法研究意見領(lǐng)袖的識別，利用LDA主題提取模型研究輿情事件演化過程，對文本數(shù)據(jù)進(jìn)行情感傾向分析。上述成果對突發(fā)事件的輿情研究具有重要的借鑒意義。但已有研究僅聚焦用戶互動(dòng)或傳播內(nèi)容進(jìn)行單一角度的信息傳播特征研究，本文將以上研究綜合起來，以更全面、更完整、更系統(tǒng)的視角分析突發(fā)性輿情事件。

因此，在以上學(xué)者的研究基礎(chǔ)上，本文采用社會(huì)網(wǎng)絡(luò)分析方法以突發(fā)事件“知網(wǎng)被市場監(jiān)管局立案調(diào)查”為例，先探究轉(zhuǎn)發(fā)網(wǎng)絡(luò)特征，識別網(wǎng)絡(luò)中的意見領(lǐng)袖，再進(jìn)一步提取意見領(lǐng)袖的觀點(diǎn)輸出及情感傾向。

3 研究設(shè)計(jì)

3.1 研究對象

本文選取微博和百度作為主要研究平臺(tái)。研究對象是5月13日知網(wǎng)事件爆發(fā)期間參與信息傳播的博主，包括官媒用戶、自媒體用戶、普通用戶，共計(jì)37794名，以及部分博主發(fā)布的文章內(nèi)容。

3.2 數(shù)據(jù)獲取

本文使用Python語言爬蟲程序爬取微博數(shù)據(jù)，獲得熱搜話題轉(zhuǎn)、贊、評情況。通過UID跟蹤微博主體轉(zhuǎn)發(fā)關(guān)系，經(jīng)過清洗后獲得知網(wǎng)報(bào)道轉(zhuǎn)發(fā)網(wǎng)絡(luò)。使用八爪魚采集器爬取百家號數(shù)據(jù)，得到百度移動(dòng)端和PC端的用戶搜索指數(shù)，以及媒體發(fā)布的文章內(nèi)容。

3.3 研究方法

3.3.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征分析

當(dāng)人們通過社會(huì)網(wǎng)絡(luò)交換信息的同時(shí)，也建立起了一個(gè)龐大的傳播信息網(wǎng)絡(luò)。個(gè)體間的相互作用對信息傳播有著至關(guān)重要的影響。本文建構(gòu)了一個(gè)經(jīng)典的無權(quán)有向轉(zhuǎn)發(fā)網(wǎng)絡(luò)，使用Python中的Networkx包，網(wǎng)絡(luò)分析工具Gephi和Pajek，對轉(zhuǎn)發(fā)網(wǎng)絡(luò)進(jìn)行定量的整體分析，對個(gè)體間關(guān)系和相互影響進(jìn)行精細(xì)測量。

研究流程如圖1所示。

圖1 轉(zhuǎn)發(fā)網(wǎng)絡(luò)研究指標(biāo)

各指標(biāo)對應(yīng)的表達(dá)式如表1所示。

表1 表達(dá)式

其中，ki表示與節(jié)點(diǎn)i直接相連的節(jié)點(diǎn)數(shù)；N表示網(wǎng)絡(luò)中節(jié)點(diǎn)總數(shù)；Ei表示節(jié)點(diǎn)i與相鄰點(diǎn)間直接連接的邊數(shù)；dij表示目標(biāo)節(jié)點(diǎn)i到節(jié)點(diǎn)j的距離；Aij是鄰接矩陣中的元素；c表示矩陣A中特征值最大值的倒數(shù)；pij代表行動(dòng)者i投入到相連點(diǎn)j的關(guān)系所占比例；q是除i或j之外的每個(gè)第三者，pqj代表第三者q投入到相連點(diǎn)j的關(guān)系所占比例。

3.3.2 意見領(lǐng)袖發(fā)表內(nèi)容分析

(1)LDA主題提取

LDA（隱含狄利克雷分布）［19］是一種文檔主題生成模型，也稱為一個(gè)三層貝葉斯概率模型，包含詞、主題和文檔三層結(jié)構(gòu)。一篇文章的每個(gè)詞都是通過“以一定概率選擇了某個(gè)主題，并從這個(gè)主題中以一定概率選擇某個(gè)詞語”這樣一個(gè)過程得到。文檔到主題服從多項(xiàng)式分布，主題到詞服從多項(xiàng)式分布，本文需要提取出意見領(lǐng)袖輸出的核心報(bào)道主題。先進(jìn)行分詞處理、分詞向量化，隨后使用Python中的庫pyLDAvis，指定單詞個(gè)數(shù)上限和主題個(gè)數(shù)等參數(shù)，將數(shù)據(jù)填進(jìn)模型，抽取出主題，最后用pyLDAvis可視化。

(2）情感分析

情感分析是判定文本中對某一話題所表現(xiàn)出的態(tài)度或情緒傾向性的過程、技術(shù)和方法，本文需要判斷意見領(lǐng)袖輸出的觀點(diǎn)攜帶的情感傾向。采用Python中的庫SnowNLP和Pandas，直接對文件中的文本進(jìn)行情感值打分。SnowNLP［20］可以進(jìn)行文本預(yù)處理，例如分詞、詞性標(biāo)注提取關(guān)鍵詞等，同時(shí)該程序包也可以進(jìn)行情感分析，使用的基本模型是貝葉斯模型，即對于有兩個(gè)類別c1和c2的分類問題來說，其特征為w1,…,wn，特征之間是相互獨(dú)立的，屬于類別c1的貝葉斯模型的基本過程為：，其中P(w1,…,wn)=P(w1,…,wn|c1)?P(c1)+P。最終得到的取值為［0，1］，0表示極端負(fù)面，1表示極端正面。

研究流程如圖2所示。

圖2 文章內(nèi)容研究指標(biāo)

4 知網(wǎng)事件基本統(tǒng)計(jì)分析

4.1 事件時(shí)間線梳理

知網(wǎng)在論文平臺(tái)中擁有極高的市場占有率，近年因連年漲價(jià)的高昂服務(wù)費(fèi)被多所高校抵制。如圖3所示，從去年趙德馨教授的論文被下架，國家市場監(jiān)管總局就表示將核實(shí)研究知網(wǎng)是否涉嫌壟斷；到今年中科院停用知網(wǎng)，國家市場監(jiān)管總局在網(wǎng)上留言回應(yīng)，表示正在依法開展相關(guān)工作。2022年5月13日，市場監(jiān)管總局對知網(wǎng)涉嫌壟斷行為立案調(diào)查。

圖3 知網(wǎng)事件時(shí)間軸

4.2 知網(wǎng)搜索熱度情況

圖4搜索指數(shù)源于百度移動(dòng)端和PC端的用戶搜索情況。圖中標(biāo)出五個(gè)較高極值點(diǎn)，對應(yīng)上圖時(shí)間軸中紅色的時(shí)間節(jié)點(diǎn)。

圖4 知網(wǎng)搜索指數(shù)

此次事件前期潛伏期長，從去年開始關(guān)于知網(wǎng)的議題就開始頻繁出現(xiàn)在大眾視野中，基本都是負(fù)面議題，議程設(shè)置的功能得到充分發(fā)揮。事件爆發(fā)之前，知網(wǎng)的負(fù)面形象已經(jīng)在人群中廣泛傳播。

2021年12月中旬，因趙教授系列事件，知網(wǎng)短暫維持在較高搜索熱度，之后熱度回落。從今年二月底開始，知網(wǎng)一直處于較高搜索熱度，與畢業(yè)生準(zhǔn)備畢業(yè)論文時(shí)間重合。4月18日知網(wǎng)搜索熱度飆升，當(dāng)天中科院宣布年內(nèi)與知網(wǎng)無合作計(jì)劃。4月26日，國家市場監(jiān)督管理總局在網(wǎng)上留言表示已關(guān)注到各方面反映的知網(wǎng)涉嫌壟斷問題，正在依法開展相關(guān)工作。此前趙教授的妻子周秀鸞也進(jìn)行維權(quán)，5月9日，知網(wǎng)就賠償金額過高提出上訴，二審被駁回。5月13日搜索熱度再次飆升，當(dāng)天下午4點(diǎn)，由中國之聲首發(fā)報(bào)道，市場監(jiān)管總局宣布對知網(wǎng)涉嫌壟斷行為立案調(diào)查，此次輿情爆發(fā)。

此次事件爆發(fā)期短，因?yàn)檫@是一個(gè)收尾事件，前期知網(wǎng)的所作所為現(xiàn)在國家已經(jīng)開始調(diào)查，大眾得到了想看到的結(jié)果。

4.3 話題參與情況

圖5為話題#知網(wǎng)涉嫌壟斷被立案調(diào)查#詞條中參與討論用戶的轉(zhuǎn)、贊、評情況。篩選出點(diǎn)贊量大于90的博主列入下圖，按點(diǎn)贊數(shù)由大到小排序，其中媒體官號與自媒體號均為13個(gè)，各占50%。發(fā)揮議程設(shè)置的功能，這些媒體和自媒體通過提供信息來吸引受眾關(guān)注到知網(wǎng)事件中。受眾不是被動(dòng)的信息接收者，而是積極的網(wǎng)絡(luò)傳播參與者，通過轉(zhuǎn)、評、贊的方式給媒體予以反饋。其它媒體的信息均從信息源“中國之聲”獲得，它們承擔(dān)了意見領(lǐng)袖的作用。而“中國之聲”既是信息源，又是意見領(lǐng)袖，它作為信息源起到傳遞信息的功能，作為意見領(lǐng)袖發(fā)揮的作用是在他的追隨者中構(gòu)成信息和影響的重要來源，并左右追隨者的態(tài)度。它的特殊地位給予它比其它媒體高出數(shù)十倍的數(shù)據(jù)量。

圖5 話題#知網(wǎng)涉嫌壟斷被立案調(diào)查#轉(zhuǎn)贊評情況

5 “轉(zhuǎn)發(fā)”網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征分析

轉(zhuǎn)發(fā)是輿情信息擴(kuò)散的方法和主要途徑，而意見領(lǐng)袖在其中處于關(guān)鍵位置，對于信息擴(kuò)散起到主導(dǎo)作用，最大化地促進(jìn)信息傳播。故本節(jié)構(gòu)建轉(zhuǎn)發(fā)網(wǎng)絡(luò)，先分析網(wǎng)絡(luò)全局特征，再綜合多種指標(biāo)識別網(wǎng)絡(luò)中的意見領(lǐng)袖節(jié)點(diǎn)。

5.1 網(wǎng)絡(luò)全局特征：龐大而松散的網(wǎng)絡(luò)

將采集到的新浪微博轉(zhuǎn)發(fā)和被轉(zhuǎn)發(fā)用戶數(shù)據(jù)導(dǎo)入Gephi，繪制轉(zhuǎn)發(fā)網(wǎng)絡(luò)云圖，如圖6所示。運(yùn)用Py‐thon計(jì)算得到轉(zhuǎn)發(fā)網(wǎng)絡(luò)的基本指標(biāo)，如表2所示。根據(jù)運(yùn)算結(jié)果可以看出，總計(jì)37794名用戶參與到知網(wǎng)話題的信息傳播，他們之間發(fā)生轉(zhuǎn)發(fā)的總次數(shù)為42482次,整體上節(jié)點(diǎn)用戶數(shù)量規(guī)模較大，相互之間傳播互動(dòng)數(shù)量較少。參與傳播的人數(shù)多、范圍廣，原因可能是潛伏期已經(jīng)歷幾次傳播，了解知網(wǎng)事件的受眾規(guī)模大。

圖6 轉(zhuǎn)發(fā)網(wǎng)絡(luò)可視化（右無中國之聲）

表2 轉(zhuǎn)發(fā)網(wǎng)絡(luò)基本指標(biāo)

知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)的平均度值為2.248，表示每個(gè)節(jié)點(diǎn)用戶之間平均相互發(fā)生聯(lián)系的用戶數(shù)量為2.248。此轉(zhuǎn)發(fā)網(wǎng)絡(luò)的直徑僅為2，表示網(wǎng)絡(luò)中任意兩點(diǎn)之間的最長距離較小。普通用戶主要與傳播網(wǎng)絡(luò)中的意見領(lǐng)袖直接建立轉(zhuǎn)發(fā)聯(lián)系，中介節(jié)點(diǎn)非常少。網(wǎng)絡(luò)密度接近0，為稀疏網(wǎng)絡(luò)。

5.2 網(wǎng)絡(luò)結(jié)構(gòu)特征：多層級階梯式擴(kuò)散傳播的無標(biāo)度網(wǎng)絡(luò)

5.2.1 連接狀況嚴(yán)重不均的異質(zhì)網(wǎng)絡(luò)

運(yùn)用Gephi統(tǒng)計(jì)分析功能得出知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)直徑為2，即網(wǎng)絡(luò)中任意兩點(diǎn)間距離的最大值僅為2。平均聚類系數(shù)為0.042，該值體現(xiàn)用戶之間的聚集程度，即網(wǎng)絡(luò)中兩個(gè)用戶之間存在聯(lián)系的概率為0.042，用戶之間聯(lián)系不緊密。平均路徑長度為1.002，即用戶平均通過1.002個(gè)節(jié)點(diǎn)用戶就可以與其他節(jié)點(diǎn)用戶接觸。該網(wǎng)絡(luò)聚類系數(shù)小，平均長度遠(yuǎn)小于6，不符合基于六度分隔理論的小世界網(wǎng)絡(luò)。

使用Gephi統(tǒng)計(jì)分析功能得出圖7度分布圖，為使圖中度分布顯著，則排除度最大節(jié)點(diǎn)中國之聲，得出知網(wǎng)事件轉(zhuǎn)發(fā)網(wǎng)絡(luò)中的結(jié)點(diǎn)的度符合冪律分布，故該網(wǎng)絡(luò)為節(jié)點(diǎn)度數(shù)嚴(yán)重不均勻的無標(biāo)度網(wǎng)絡(luò)。

圖7 網(wǎng)絡(luò)節(jié)點(diǎn)度分布（除中國之聲）情況

網(wǎng)絡(luò)中轉(zhuǎn)發(fā)鏈路的長度短、寬度窄，傳播速度快，傳播效率高。用戶之間的接觸和信息交流嚴(yán)重不均勻，大部分普通用戶為底層邊緣節(jié)點(diǎn)，傳播路徑到他們即終止，只有少數(shù)關(guān)鍵節(jié)點(diǎn)在信息傳播中起主導(dǎo)作用。關(guān)鍵節(jié)點(diǎn)的識別將在下節(jié)詳細(xì)討論。

5.2.2 社群內(nèi)部層級擴(kuò)散

運(yùn)用Gephi的模塊化功能社區(qū)探測算法分解網(wǎng)絡(luò)。解析度越小，社區(qū)越多；解析度越大，社區(qū)越小。采用適中的解析度3，得出4個(gè)子網(wǎng)絡(luò)，如圖8所示。采用Modularity Class進(jìn)行顏色渲染，直觀地得出四個(gè)凝聚子群，其規(guī)模差異大，集群現(xiàn)象明顯，如圖9所示。

圖8 模塊化社區(qū)探測結(jié)果

圖9 modularity class顏色渲染圖

規(guī)模最大的子網(wǎng)絡(luò)是由信息源“中國之聲”主導(dǎo)的，擁有整體網(wǎng)絡(luò)中92.42%的節(jié)點(diǎn)，數(shù)量超過三萬。它與其他三個(gè)子網(wǎng)絡(luò)均有緊密聯(lián)系，三個(gè)子網(wǎng)絡(luò)各自無過多聯(lián)系。

排名第二的子網(wǎng)絡(luò)以官媒“央視新聞”主導(dǎo)，另外四個(gè)大度節(jié)點(diǎn)“亭山樵者”、“五分之一刷”、“錦衣夜行焱十一”“蘿卜糖桃桃的抖森喵”均轉(zhuǎn)發(fā)了央視新聞的信息；排名第三的子網(wǎng)絡(luò)以自媒體博主“午后狂睡”主導(dǎo)，另外兩個(gè)大度節(jié)點(diǎn)“禾幾Voix”、“JinnoNagi的男朋友雷歐”均轉(zhuǎn)發(fā)了“午后狂睡”的信息；排名第四的子網(wǎng)絡(luò)以自媒體博主“夢嘚啵嘚佳”主導(dǎo)，大度節(jié)點(diǎn)“橄欖不菜”轉(zhuǎn)發(fā)了“夢嘚啵嘚加”的信息。而三個(gè)小規(guī)模子網(wǎng)絡(luò)的主導(dǎo)節(jié)點(diǎn)均轉(zhuǎn)發(fā)了信息源“中國之聲”的信息，傳播過程呈多階梯型擴(kuò)散體系，從信息源到受眾中間出現(xiàn)多個(gè)層次的意見領(lǐng)袖，形成多級傳播，如圖10所示。

圖10 多級傳播示意圖

雖然信息傳播的參與人數(shù)多，但是輿論主要由一方主導(dǎo)，不存在輿論對立和輿論失焦的現(xiàn)象。在整個(gè)網(wǎng)絡(luò)傳播過程中，從一級傳播到多級傳播均有涉及。

5.3 關(guān)鍵節(jié)點(diǎn)的特征：傳播過程中的核心領(lǐng)導(dǎo)力

5.3.1 節(jié)點(diǎn)指標(biāo)測度分析

(1)K-Shell分解

K殼分解可用于區(qū)分網(wǎng)絡(luò)中節(jié)點(diǎn)的重要程度，識別網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，分解過程是逐漸剝除當(dāng)下度為1的節(jié)點(diǎn)，也就是最不重要的節(jié)點(diǎn)，重復(fù)循環(huán)該操作直至網(wǎng)絡(luò)中沒有度為1的節(jié)點(diǎn)。K值由小到大，重要程度遞增，4殼節(jié)點(diǎn)是網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，中國之聲、央視新聞、午后狂睡等核心領(lǐng)導(dǎo)力節(jié)點(diǎn)均位于4‐shell中。各類節(jié)點(diǎn)數(shù)量如圖11所示。K核子圖如圖12所示，K值相同節(jié)點(diǎn)存在小范圍聚集情況，但各個(gè)子群聯(lián)系不緊密。

圖11 知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)K?Shell數(shù)量

圖12 知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)K?Shell子圖

(2）度中心性

該轉(zhuǎn)發(fā)網(wǎng)絡(luò)排名前10的節(jié)點(diǎn)用戶度中心性結(jié)果，如圖13所示。通過對節(jié)點(diǎn)用戶點(diǎn)度中心性分析可以看出，形成轉(zhuǎn)發(fā)網(wǎng)絡(luò)中心度排名前三的節(jié)點(diǎn)分別是初始源節(jié)點(diǎn)中國之聲、央視新聞、午后狂睡。前兩者是媒體官號，后者是影評博主，粉絲量都達(dá)到百萬千萬的級別，發(fā)揮著意見領(lǐng)袖的作用。節(jié)點(diǎn)用戶的度中心性越大，他們的節(jié)點(diǎn)圈越大，從圖6也可以看出這三個(gè)節(jié)點(diǎn)用戶的圈較大。

圖13 知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)度中心性和出度情況

出度表示被轉(zhuǎn)發(fā)次數(shù)，入度表示轉(zhuǎn)發(fā)次數(shù)。出度體量遠(yuǎn)大于入度，信息流動(dòng)呈單向化。用戶普遍僅轉(zhuǎn)發(fā)一次，最多轉(zhuǎn)發(fā)四次，如圖14所示。說明受眾對知網(wǎng)事件的參與度不深入，傾向于單一地轉(zhuǎn)發(fā)有影響力的信息源。

圖14 知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)入度情況

其中中國之聲作為信息源頭，出度達(dá)到37729，相當(dāng)于被轉(zhuǎn)發(fā)37729次。作為央廣旗下的媒體，同時(shí)具備信息源和意見領(lǐng)袖的作用，其消息來源真實(shí)度高，獲取信息早，社會(huì)地位高，更容易受到受眾的追捧，故度中心性處于壟斷地位。

(3）接近中心性

圖15列出接近中心性0.5以上的用戶，這些用戶到其他用戶的最短距離很小，接近幾何上的中心位置，更容易參與到信息傳播過程中。相對地獨(dú)立性也較強(qiáng)，不易受到其他節(jié)點(diǎn)的影響。有些節(jié)點(diǎn)同時(shí)擁有較大的度中心性和接近中心性，如中國之聲、央視新聞、午后狂睡、火法火法等。他們是知網(wǎng)信息傳播過程中的核心領(lǐng)導(dǎo)力，在形成的轉(zhuǎn)發(fā)網(wǎng)絡(luò)中發(fā)揮著重要的作用。

圖15 知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)接近中心性

(4）結(jié)構(gòu)洞

結(jié)構(gòu)洞［21］是指兩個(gè)關(guān)系人之間的非重復(fù)關(guān)系。如果兩者之間缺少直接的聯(lián)系，而必須通過第三者才能形成聯(lián)系，那么行動(dòng)的第三者就在關(guān)系網(wǎng)絡(luò)中占據(jù)了一個(gè)結(jié)構(gòu)洞，結(jié)構(gòu)洞是針對于第三者而言的。節(jié)點(diǎn)占據(jù)的結(jié)構(gòu)洞越多，它的地位就越重要，通常用限制度來測量。

將數(shù)據(jù)導(dǎo)入Pajek中，算出限制度，如圖16，取數(shù)值小于0.24的節(jié)點(diǎn)，與對應(yīng)節(jié)點(diǎn)的度中心性比對，基本走勢成反比。限制度指節(jié)點(diǎn)間存在阻礙的程度，值越小的節(jié)點(diǎn)，越不易受到控制，擁有更多的資源，具有更多的結(jié)構(gòu)洞，他們是傳播網(wǎng)絡(luò)中的信息中樞，這些節(jié)點(diǎn)的度中心性也處于領(lǐng)先位置。

圖16 知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)限制度

(5）特征向量中心性

特征向量中心性強(qiáng)調(diào)節(jié)點(diǎn)鄰居的數(shù)量和質(zhì)量，特征向量中心性高的節(jié)點(diǎn)連接了很多其他重要節(jié)點(diǎn)。圖17顯示的是用戶數(shù)量與特征向量中心性數(shù)值的關(guān)系。特征向量為1的節(jié)點(diǎn)均是通過和少量高分值節(jié)點(diǎn)相連來提高自身的重要性，他們是積極參與到傳播網(wǎng)絡(luò)中的普通用戶，多次轉(zhuǎn)發(fā)意見領(lǐng)袖的信息。但大部分普通用戶沒有深入?yún)⑴c到傳播過程中，對此事件的關(guān)注淺嘗輒止，值為0.0158的用戶高達(dá)91.42%。

圖17 知網(wǎng)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò)特征向量中心性

5.3.3 意見領(lǐng)袖特征

意見領(lǐng)袖是關(guān)鍵節(jié)點(diǎn)，是信息中樞，擔(dān)任傳播中的核心領(lǐng)導(dǎo)力，在其中起到信息傳遞和意見分發(fā)的關(guān)鍵作用。綜上可知，他們的特征即是擁有較大的出度、k值、度中心性和接近中心性，以及較小的限制度。

通過對擁有這些特征的節(jié)點(diǎn)取交集，我們可以識別出網(wǎng)絡(luò)中的意見領(lǐng)袖，包括官媒“中國之聲”和“央視新聞”，影評人“午后狂睡”，動(dòng)漫博主“火法火法”和“JinnoNagi的男朋友雷歐”，娛樂博主“夢嘚啵嘚佳”和“橄欖不菜”，軍事博主“禾幾Voix”，飯圈大粉“蘿卜糖桃桃的抖森喵”和“五分之一刷”，法律博主“普法達(dá)人張三”，科技博主“亭山樵者”。他們分屬不同領(lǐng)域，影響不同圈層，再次體現(xiàn)了此次事件的影響范圍之廣。其中信息源“中國之聲”處于轉(zhuǎn)發(fā)網(wǎng)絡(luò)中的壟斷地位，其出度值、度中心性和接近中心性以及首發(fā)微博的轉(zhuǎn)贊評都排在首位，并且數(shù)據(jù)量比其他意見領(lǐng)袖高數(shù)十倍。

6 意見領(lǐng)袖輸出的觀點(diǎn)及態(tài)度分析

上一節(jié)討論了意見領(lǐng)袖節(jié)點(diǎn)在轉(zhuǎn)發(fā)網(wǎng)絡(luò)中的特征和作用，即傳播主體之間的互動(dòng)。本節(jié)針對意見領(lǐng)袖發(fā)布的文章內(nèi)容進(jìn)行討論，也就是傳播內(nèi)容。

基于主流媒體及自媒體發(fā)聲，利用文本分析方法提取其語義信息，觀察意見領(lǐng)袖對輿情事件的加工解讀，繪制詞云如圖18所示?！爸袊薄ⅰ笆袌觥?、“壟斷”、“調(diào)查”、“學(xué)術(shù)”、“論文”等詞匯被提及頻率排行前列，媒體大多從客觀事實(shí)角度出發(fā)陳述事件，整體對該事件持中立態(tài)度。

圖18 媒體發(fā)文詞云圖

6.1 報(bào)道主題：事件闡述和經(jīng)營狀況

利用LDA主題提取方法得到主題數(shù)困惑度情況如圖19所示，選擇較低困惑度對應(yīng)的主題數(shù)，得到“事件闡述”、“經(jīng)營狀況”兩個(gè)主題。

圖19 主題數(shù)困惑度情況

兩個(gè)主題各自包含的排名前二十的單詞詞頻排序分別如圖20、圖21所示?！笆录U述”主題中，“知網(wǎng)”、“中國”、“論文”三個(gè)單詞P值大于0.95，與主題相關(guān)程度最高，該主題與事件發(fā)展始末的敘述高度相關(guān)?！敖?jīng)營狀況”主題中，前20個(gè)單詞與主題相關(guān)程度差別不大，大多數(shù)單詞用來描述知網(wǎng)當(dāng)前經(jīng)營情況?！笆录U述”內(nèi)最低詞頻高于“經(jīng)營狀況”內(nèi)最高詞頻，說明媒體把主要關(guān)注點(diǎn)放在事件本身，衍生話題關(guān)注度較低。

圖20 “事件闡述”單詞詞頻排序

圖21 “經(jīng)營狀況”單詞詞頻排序

綜上，媒體報(bào)道主要從此次立案調(diào)查事件的發(fā)展始末闡述以及知網(wǎng)經(jīng)營狀況兩個(gè)角度展開。這兩個(gè)角度也是在解答受眾關(guān)心的問題，即知網(wǎng)為什么會(huì)被調(diào)查，以及知網(wǎng)在本行業(yè)的壟斷地位從何而來。

6.2 報(bào)道態(tài)度：迎合受眾，持中立偏積極

使用SnowNLP計(jì)算百家號正文情感得分，其分布情況如圖22所示。其中，得分大于0.55表示積極，0.45-0.55表示中立，小于0.45表示消極。

圖22 內(nèi)容情感態(tài)度

過半數(shù)文章對知網(wǎng)事件進(jìn)行積極闡述，即對知網(wǎng)被市場監(jiān)管局調(diào)查持支持態(tài)度。其他文章均采用中立情緒敘述，沒有消極情緒的文章出現(xiàn)。同時(shí)，通過觀察原始得分?jǐn)?shù)據(jù)，所有文章得分均在0.48-0.62之間，說明媒體大多持中立偏積極的態(tài)度對事件進(jìn)行報(bào)道。

之前對知網(wǎng)的報(bào)道大部分為負(fù)面報(bào)道，與其在業(yè)內(nèi)處于壟斷地位的經(jīng)營狀況和對學(xué)者的不公平待遇有關(guān)，已形成“學(xué)界苦知網(wǎng)久矣”的輿論傾向。此次知網(wǎng)被調(diào)查，媒體持的態(tài)度符合先前的議程走向，與先前知網(wǎng)系列報(bào)道輿情導(dǎo)向一致。

7 結(jié)論

本研究基于5月13日的知網(wǎng)事件從傳播網(wǎng)絡(luò)和發(fā)布內(nèi)容兩個(gè)層面分析傳播規(guī)律和輿論傾向。得出如下結(jié)論：

（1）此次事件前期潛伏期長，爆發(fā)期短，參與傳播的人數(shù)多、范圍廣，轉(zhuǎn)發(fā)網(wǎng)絡(luò)符合無標(biāo)度網(wǎng)絡(luò)特征。輿論主要由一方主導(dǎo)，不存在輿論對立和輿論失焦的現(xiàn)象。傳播呈單向流動(dòng)，過程呈多階梯型擴(kuò)散體系，從信息源到受眾中間出現(xiàn)多個(gè)層次的意見領(lǐng)袖，形成多級傳播。

（2）用戶個(gè)體化強(qiáng)，互動(dòng)性低，互相聯(lián)系松散，普通用戶主要與傳播網(wǎng)絡(luò)中的意見領(lǐng)袖直接建立轉(zhuǎn)發(fā)關(guān)系，中介節(jié)點(diǎn)非常少。僅有少量普通用戶多次轉(zhuǎn)發(fā)關(guān)鍵節(jié)點(diǎn)的信息，大部分普通用戶沒有深入?yún)⑴c到傳播過程中。意見領(lǐng)袖擁有較大的出度、k值、度中心性和接近中心性，以及較小的限制度。識別出的意見領(lǐng)袖分屬不同領(lǐng)域，影響不同圈層。其中信息源“中國之聲”處于轉(zhuǎn)發(fā)網(wǎng)絡(luò)中的壟斷地位，其各個(gè)特征均排在首位。

（3）事件的議程設(shè)置與先前知網(wǎng)系列報(bào)道輿情導(dǎo)向一致。報(bào)道內(nèi)容均持中立偏積極的態(tài)度，無消極內(nèi)容，報(bào)道主題以事件闡述和經(jīng)營狀況為主。

本次突發(fā)性輿情事件的傳播特征分析可以為輿情預(yù)測和控制提供如下參考：（1）對于輿情預(yù)測，如果事件存在潛伏期，可以通過提取報(bào)道主題和情感傾向，觀察潛伏期的議程設(shè)置與此次事件是否一致，來預(yù)測用戶反應(yīng)和輿論走向。若一致，則輿論由一方主導(dǎo)的幾率較大；若不一致，則需要警惕次生輿情引起的討論。（2）對于信息控制，可以用以上指標(biāo)識別其中的關(guān)鍵節(jié)點(diǎn)，有針對地持續(xù)監(jiān)測，以減少工作量。通過控制這些節(jié)點(diǎn)，提取他們輸出信息內(nèi)容的主題，判斷與目標(biāo)輿情傾向是否相符，來決定擴(kuò)散還是抑制這些節(jié)點(diǎn)的傳播，讓他們充當(dāng)把關(guān)者。