“意见领袖”最早由美国传播学学者拉扎斯菲尔德(Lazarsfeld)在其著作《人民的选择》中提出^{[ 1]},他认为信息是按照“媒体——意见领袖——受众”的模式传播的。后续的研究则认为,意见领袖实际上兼具“信息中间人”和“有影响力的人”两种角色^{[ 2]}。最近几年,互联网的发展,特别是微博等社交网络的快速发展改变了人们获取信息与相互沟通的方式。在社交网络的信息传播交流中,意见领袖的作用更加明显。越来越多的研究表明,意见领袖在政治选举^{[ 3]}、突发事件传播^{[ 4]}、网络口碑效应^{[ 5]}等社会现象中具有重要作用。随着微博日益成为网络舆论阵地,研究微博等社交网络中的意见领袖对网络干预^{[ 6]}、微博营销^{[ 7]}等问题具有极大的意义。

微博平台上充斥着社会名人、机构、网络红人和其他微博大户等账户。他们并不能与意见领袖直接划等号。随着这些账号越来越多,识别微博中的意见领袖就显得更加重要。在微博平台中,用户的一次“转发”行为代表信息的一次传播。用户想表达的信息和用户的影响力可以沿着用户的“转发”网络传播开来。因此,本文提出一种基于转发关系的意见领袖识别算法,同时验证算法的有效性,并进一步分析意见领袖影响力的来源和他们在信息传播过程中的作用。

目前常用的识别意见领袖的方法包括指标打分法和社会网络结构挖掘法两类。

(1)指标打分法是以意见领袖的特征为基础。通过对意见领袖的特征分析,建立相应的指标体系并打分。Vergani^{[ 3]}选择了社会群体认同、专业知识和社会资本三个指标。丁汉青等^{[ 8]}构建的指标包括中心性、活跃性、吸聚力、传染性。刘志明等^{[ 9]}根据微博的特点,建立了相对比较复杂的指标体系,包括影响力、活跃度两个一级指标,以及被转发数、被评论数、被提及数、原创数、自回帖数、回复他人帖子数、活跃天数7个二级指标。建立指标体系后,可以通过层次分析法^{[ 9, 10]}确定权重,进行加权平均得到最后结果,也可以直接构造评分模型,通过评价函数得到最后结果^{[ 11]}。

(2)社会网络结构挖掘法一般是根据用户之间的关系构建社会网络,再利用网络结构算法分析用户之间的链接关系,计算用户的重要性排名,排名靠前的就是意见领袖。Weng等^{[ 12]}据此提出基于PageRank的TwitterRank方法来实现某一特定主题下有影响力的Twitter用户发现。肖宇等^{[ 13]}在PageRank的基础上加入情感权重,提出LeaderRank的意见领袖发现算法。Zhang等^{[ 14]}研究了类PageRank算法Z-Score,Page-Rank算法和HITS算法在Java论坛中的专家(Expertise)识别,发现这些算法的效果和人工判断几乎一样好。

指标法更复杂更全面,也更常用。但是指标体系的构建存在一些问题,比如指标选取有较大争议;指标权重在很大程度上由研究者主观确定,导致指标法难以复制重现。比较起来,因为信息传播与网络结构有显著性关系^{[ 15]},社会网络结构挖掘在客观性方面具有更大的优势。同时,指标法可以为社会网络结构法的改进提供方向和依据。

但是目前使用网络结构挖掘算法的文献也存在一些不足。比如很多文献都着眼于对PageRank的改进^{[ 12, 13, 14]}。但是在微博平台中,用户多次转发其他用户微博是用户活跃度和信息扩散能力的体现,并不会因为多次转发导致影响力贡献分散,所以PageRank的均分“投票”的思想并不适用^{[ 16]}。作为另外一种网络结构挖掘算法——HITS算法的相关文献则很少,也鲜有对HITS算法的改进^{[ 14]},而原始的HITS算法难以适应微博环境。

其他使用网络结构挖掘算法的文献多集中于对传统的论坛的研究,或者仅仅关注于微博用户通过“关注”建立的社会网络,并未研究用户通过“转发”建立的网络。有研究表明,相对于粉丝数,微博的被转发情况更能准确地衡量用户的影响力^{[ 17]}。考虑到意见领袖作为信息中间人的角色,研究转发的意义更大。

因此本文参考指标法中影响力和活跃度两个指标,提出一种改进的HITS算法研究微博转发关系网络,实现意见领袖的发现。在此基础上,构建意见领袖网,分析意见领袖在网络中的特征和作用,以验证算法的有效性。

HITS(Hypertext Introduced Topic Search)算法由Kleinberg提出^{[ 18]},最初应用于Web网页排序。但由于其本质是一种网络图的结构挖掘,因此HITS算法能够应用于很多新的领域,如期刊评价^{[ 19]}。

HITS算法将网页分成中心网页(Hub Pages)和权威网页(Authority Pages)。权威网页,就是普遍认可的针对特定主题的重要网页;而中心网页则是指向很多与特定主题相关的权威网页的网页。权威网页和中心网页之间存在相互加强的依赖关系:一个好的权威网页应该被很多好的中心网页所指向;而一个好的中心网页则应该指向很多好的权威网页。HITS算法利用它们之间相互加强的关系,通过迭代计算得到网页排序结果。在第i次迭代中,原始HITS算法计算过程如下^{[ 18]}:

I操作(计算权威值):

O操作(计算中心值):

对应到利用微博平台上用户之间的关注、转发等关系,同样可以通过HITS算法得到用户排名结果。其中,权威值可以认为是意见领袖作为“有影响力的人”的体现,中心值则是意见领袖作为“信息中间人”的体现。

为了将HITS算法引入到微博平台上的意见领袖识别,还需要解决三个问题:网络图边的选择、边的取值以及边的权重确定。本文根据这三个问题,对HITS算法进行相应的改进,以适应在微博环境下的意见领袖发现。不同于网页,微博平台的特征主要体现在以下几个方面:.

(1)邻接图中边的含义不同。在微博平台上,邻接图的边可以表示用户间的“关注”关系,也可以表示用户间的评论或转发微文的关系。而网页之间的关系则是单纯的网页间的链接。

(2)邻接图中边的取值不同。在微博中,评论关系和转发关系都可能多次出现,分别表示多次评论和多次转发。考虑到这可能是用户影响力、活跃度的体现,邻接矩阵中边的取值不能单纯取为0或1。而在某个网页中多次出现另一个网页链接则没有这么多的含义。

(3)权重不同。微博用户的粉丝数代表该用户的信息能传达到的人数,因此粉丝数是一种天然的权重系数,而网页的权重则较难确定。

意见领袖大多都是话题依赖的^{[ 9, 13]}。因此,本文仍然以话题为例来研究意见领袖。为了减少“网络水军”的干扰,避开娱乐、商业性话题,选取“阶梯电价”这一民生话题为例进行研究。利用新浪微博API,以“阶梯电价”作为关键字,最后共随机获取38 193个微博用户和53 563条微文。微文时间跨度为2012年4月20日4时到2012年7月3日17时,而同一时段用新浪微博的搜索功能搜到335 943条微文,实际获取比例为15.75%。

为了将用户限制在该话题下,避免HITS算法中存在的“主题漂移”现象,笔者取消了原算法中从根集扩充到基础集的过程,以直接获取到的用户集构造邻接矩阵。

由于新浪目前不提供直接获取转发路径上用户信息的接口,因此需要通过编程从微文中分离出转发路径上的中间用户。通过分析转发功能发现,转发内容是以“……//@用户昵称:……”的格式表现的。因此,可以使用符号“//@”和“:”,利用正则表达式截取字符串的子串得到中间用户昵称。从获取的53 563条微文中,选出10 421个用户的10 461条转发的微文,以此构建出10 940条不重复的有向图的边。

微博平台不同于其他社交网络的一个显著性特点是媒体的大量参与。本文并未对用户集中的媒体用户进行特别处理。这是因为经过几十年的发展,意见领袖的概念已经从最初的“信息传播中间者”,扩大到“提供建议、施加影响的人”。而媒体用户的参与,使得意见领袖的信息传播作用相对弱化。另一方面,互联网的快速发展使得广大受众可以直接接触媒体。媒体为了满足受众的需求,开始发表评论,而不再是单纯的信息源^{[ 4]}。从这个角度来看,媒体与意见领袖在功能上开始有一定的重复。在很多基于微博平台意见领袖识别的研究中,并没有将媒体用户从意见领袖名单中除去^{[ 9, 11]}。

以微博话题“阶梯电价”下的用户转发关系构建网络,通过改进后的HITS-BOWR算法挖掘微博转发网络中的意见领袖,并进一步构建意见领袖网络图,以识别意见领袖特征,验证分析算法的有效性。研究结果表明,HITS-BOWR算法能够有效地发现意见领袖。通过相关性分析发现:意见领袖的中心值与粉丝数有很大的相关性,这说明粉丝数是用户成为中心用户的一个重要条件。而且意见领袖的确兼具“信息中间人”和“有影响力的人”两种角色。通过对意见领袖网的分析发现,意见领袖在关键性节点上占据重要位置;意见领袖的作用并没有因为微博中信息源的增多而削弱;意见领袖之间存在通过相互交流转发来扩大自己的影响力。

本文在确定邻接边权重的时候,只考虑粉丝数,没有考虑意见领袖的号召力等更直接的因素。未来研究可以通过情感识别,分析意见领袖的号召力等指标。另外,因为资源限制,本文重点研究了话题“阶梯电价”中的意见领袖识别和特征分析。从结果来看,得到的意见领袖特征都是可以解释并理解的。这些特征也没有局限在此话题下,而是呈现一定的一般性特点。未来还可以进一步结合其他话题,验证并研究意见领袖一般性特征和他们在信息传播过程中的作用。