1 引 言

随着信息技术的发展, 社交网络如微博、微信等已成为人们日常生活中传播信息的主要手段。语义社会网络是一种由语义信息节点以及社会关系构成的新型复杂网络^[1], 已成为互联网时代网络舆论传播的主要载体。互联网所具备的开放性、便捷性特点使得网络舆论表达更加自由、多元和难以控制, 负面内容和消极舆论严重阻碍了互联网的健康发展。由于语义社会网络这样的网络结构中多拥有一个或者多个处于核心地位的节点, 对网络结构和功能具备更大的影响力, 即关键节点^[2]。根据信息传播的二八定律, 一般数量非常少的关键节点却可以影响到网络中大部分节点。例如微博中最具影响力的大V所发布的微博能够迅速地传遍整个网络^[3]。因此在对网络舆论传播研究中, 特别是对突发舆情事件的研究^[4-6]多侧重于通过关键节点控制和引导谣言和负面舆论的传播, 因此本研究具有重大现实意义。

关键节点的识别研究起源于社会网络分析。国内外关于网络舆论中关键节点的识别研究主要从网络拓扑结构和传播动力学方面切入。基于网络结构的节点重要性排序方法主要从网络的局部属性^[7]、全局属性^[8-9]、路径^[10]、位置^[11]以及节点移除和收缩^[12]等方面进行衡量。Klemm等^[13]提出集群动力学中节点的重要性由网络结构和集群动力学机制共同决定的观点; Aral等^[14]对Facebook中130万用户传播行为研究发现用户影响力受到年龄、性别、婚姻等因素的影响。综上, 本文认为节点重要性不仅受到网络拓扑结构特性的影响, 同时也受到网络传播机制以及节点自身特性的影响。

传统网络模型^[4,11]多由单一属性节点组成(多为用户节点), 对于该节点包含的语义、情感等其他属性等涉猎较少^[15]。特别是语义社会网络包含多种不同要素的复杂关联关系, 单一节点的网络模型无法准确描述真实社会网络。而美国科学家Nagurney等^[16-17]率先定义的超网络为: “高于而又超于现存网络的网络”, 适用于刻画具备多层结构、多级特征、多属性的真实社会网络以及网络之间的相互作用和影响^[18]。

目前基于超网络理论的关键节点识别研究应用领域较广, Lin等^[19]将其运用在电磁兼容性问题上, 评估电子系统中的关键节点; Deng^[20]应用于人群重要度建模, 评估不同人群在领域中的重要作用; 武澎等^[21]利用特征向量中心性对社交超网络节点信息交互综合能力进行评判; 马宁等^[15]率先提出在论坛应用场景下的社交、环境、心理和观点4层超网络模型。本文针对微博应用场景下用户行为容易受到话题和情感属性影响的特性对模型子网的内容和构建方式进行改进; 同时采用人工总结论坛语料库语义信息的方式构建网络和实验验证, 还处于起步阶段, 同时人工判断的方法耗时长, 因此本文创新性引入情感本体和LDA主题模型对改进的话题和情感子网进行自动化识别和计算, 并提出相应的排序算法以适应大数据场景。

2 微博语义社会网络超网络建模

超网络环境下语义社会网络关键节点的自动化识别研究思想如图1所示, 首先在总结微博传播和用户特性基础上, 从社交、内容、话题和观点4个维度构建超网络模型, 刻画语义社会网络舆论的形成和演化过程; 借鉴情感分析^[22]和话题分析^[23]方法, 提出基于情感本体以及LDA话题模型的超网络节点自动化量化方法, 同时提出HyperEdgeRank算法对超边进行排序, 识别关键用户节点, 最后通过实际数据分析可行性。本文以微博社交网络为应用场景进行阐述。

2.1 超网络构建

在微博时代, 每个人都是事件的传播者, 微博以用户为中心, 内容作为主体, 网络工具为载体, 向社会传播观点和信息^[24]。因此在构建模型时, 不仅要包括外在特征-社交主体用户, 也应该囊括用户发布的内容以及其中所包含的话题和观点信息。本文的语义社会网络与传统研究的社交网络^[15]的不同在于实时语义信息的引入, 话题子网正是其语义信息的核心所在, 而话题信息则是微博语义特征和内容信息的高度抽象; 观点信息作为用户行为背后心理动机的抽象表达, 对舆论的导向起到了主导作用, 观点一般以情感表达。因此本文从网络属性和传播特征出发, 改进前期研究的超网络模型^[15], 从社交、内容、话题和观点4个层面构建超网络模型, 提出了各子网内节点之间的关联关系, 见图1。

在微博社交网络中, 社交主体(用户)利用内容(发布的微博)就某一话题表达观点, 各子网的层内关系如下:

(1) 社交子网(Social Network): 以社交网络中参与讨论的社交主体即用户为节点, 用户之间的关注关系为边。

(2) 内容子网(Content Network): 以社交网络中用户发布的信息内容为节点, 微博之间存在的转发关系构建连边。

(3) 话题子网(Topic Network): 以从社交网络发布内容抽取的话题为节点, 包含相同关键词的微博话题的相似性关系构建连边。

(4) 观点子网(Emotion Network): 以从微博中提取的情感极性和情感强度作为节点, 具备相同的情感极性表明存在相关性, 构建连边。

超网络模型的层内关系是各子网络内要素之间的关系, 层间关系为各子网之间的关系。社交子网与内容子网的映射关系为用户节点对应多个微博内容节点, 来表征微博用户可以发布多条微博内容。内容子网与话题子网之间的映射关系为每条微博内容对应相关的话题。观点子网与话题子网的映射关系为用户在话题下的观点(本文设定为正面、负面和中立)。最后观点子网与社交子网之间的映射关系为用户发布微博参与某话题的观点倾向, 是隐性的映射关系。

超网络模型构建完成, 可用G=(V,HE)表示, 其中V表示节点的集合, 即 。HE表示超边, 超边是4层不同子网节点之间的纵向连边, 表示用户s_i通过内容c就话题t_k发表观点e_j, 用来表征不同类别节点之间的联系, 即层间关系, 如图1中HE₁。

2.2 子网节点语义自动化量化方法设计

超网络模型前期研究^[15,19-21]侧重于超网络模型的理论构建, 其中心理、观点这样的抽象属性难以利用定量的方式进行衡量, 多采用人工总结语料的识别方式。由于本文改进了微博语义社会网络的超网络模型, 对包含语义和情感抽象信息的话题子网和观点子网, 创新性地提出一种利用情感本体与LDA主题模型的自动化量化方法。

(1) 社交子网和内容子网都是从外在特征对社交网络的解读, 是微博传播模式的外在特征^[7], 不具备明显的语义内涵, 因此直接通过数据集进行构建, 不量化。

(2) 为避免人工判别存在主观判断的影响, 引入LDA(Latent Dirichlet Allocation)话题模型^[23]对内容子网节点进行话题建模, 科学测量用户表达的语义内涵, 设置的话题数量即为话题子网的节点数量, 同时根据LDA的前提假设, 话题之间相互独立^[23]。

LDA概率话题模型是最常用的话题挖掘模型^[23]。它的基本思想是假设每个文档为话题集的多项分布, 每个话题为所有词汇的多项分布, 将关键词-话题-文本的参数先验关系表达为三层贝叶斯模型。因此LDA话题抽取算法可根据关键词与话题的联合概率分布公式对已知微博文本和所有词汇进行重复抽样获取关键字与文本之间的共现概率, 推导获取文本与话题之间的联合概率分布, 从而实现话题节点的自动化抽取。本文通过LDA话题抽取算法^[23]抽取K个话题, 将微博文本在话题集上的联合概率分布转化为微博内容与话题之间的对应关系, 实现内容子网与话题子网之间的关联。

(3) 借鉴情感分析的方法, 引入中文情感词汇本体库^[22]抽取微博观点取向, 避免评判者的主观判断, 真实表征用户观点倾向。本文将微博经过中文分词之后, 利用情感词汇本体^[22]进行极性标注, 累计情感词汇的情感强度和情感极性, 实现观点节点的抽取。

3 关键节点识别算法设计

3.1 超边排序算法(HyperEdgeRank)

本文采用超网络模型描述用户传播行为受到信息、话题以及情感等因素的影响, 因此与传统节点排序方法^[11]对单一用户节点排序不同, 对超边进行排序, 将单一用户节点影响力计算转化为用户包含的所有超边影响力, 从而实现多维信息的综合考虑。同时本文研究目标是识别关键节点, 即该节点发布的内容对网络中其他节点产生巨大的影响。根据微博传播特性, 用户倾向于转发与自己观点一致的感兴趣话题的微博, 即容易受到这类用户节点的影响。因此本文认为某超边包含的微博节点的信息传播影响度越高, 即越多的用户可以接触到该微博信息, 那么该超边被其他超边链接的概率越大; 观点子网中某超边所含的观点类别与其他超边所含情感极性相同且情感强度相近, 话题子网中某超边的话题与其他超边的话题分布相似性越大, 该超边和其他超边链接获得的分值越大。因此在马宁等^[15]研究的基础上, 从信息传播影响度、话题相似度和观点一致性三个维度对超边排序算法迭代公式进行修改, 得到:

(1)

其中, N表示超边数, 表示微博的信息传播影响度, e_ij表示观点e_i和e_j之间的一致性, 表示话题t_i和t_j之间的相似性; L(HE_J)表示超边HE_J的超边连接度。

根据超网络的定义, 本文引入两个超网络的属性指标:

(1) 节点超度(Node Hyperdegree): 表示包含该节点的超边数量^[25]。

(2) 超边连接度(HyperEdge Degree): 超网络中, 如果两条超边包含相同节点, 说明两条超边通过该相同节点连接。超边连接度为超边通过所含节点与其他超边相连的超边数量^[26]。

由于用户是微博内容的核心生产者和传播者, 因此本文认为在利用超边排序算法对包含多维信息的超边进行排序后, 仍然以用户节点为核心, 累计社交子网中每一个用户节点参与的所有超边分值, 通过与该节点的超度的比值获得用户节点的平均分值, 分值最高的为关键节点, 公式为:

(2)

3.2 超边子网属性计算

(1) 内容子网的微博信息传播影响度

内容子网中所有用户发布的一条微博代表一个微博信息节点c_i(1≤i≤n)。微博内容在网络传播中影响到的用户数量越多, 传播影响度则越高; 微博内容被越多的人转发, 传播影响度越高。由此可得信息传播影响度主要取决于传播的广度和深度。因此微博信息内容的传播影响度 主要取决于传播的广度和深度, 引用马宁等^[15]对信息传播影响度的定义, 在微博语义社会网络中修正定义如下:

①信息传播广度R(c_i): 微博信息节点的传播广度按照包含该节点的超边数P(c_i)与总超边数N的比值进行衡量, 即 。

②信息传播深度D(c_i): 微博信息传播的深度可理解为其经过转发后影响的用户数量, 本文简化为微博信息节点c_i影响的社交子网中的用户数A(c_i), 因此 , 其中N_s表示社交子网中用户数。

由此得到信息传播影响度的公式为:

(3)

(2) 话题子网的话题相似度

在计算话题节点之间相似度时引入统计自然语言常用的Kullback-Leibler距离度量^[27]。由于KL距离越大表示话题之间的相似度越低, 因此本文定义语义相似度 表示话题节点t_i和t_j的相似度, 与KL距离成反比, 公式如下:

(4)

P和Q分别为所有单词以t_i和t_j话题分布出现的事件。P(i)表示第i个单词在话题t_i中出现的概率,Q(i)表示第i个单词在话题t_j中出现的概率。由于LDA模型中每个话题向量是关于微博数据集包含的所有关键字的多项式分布, 因此通过建模结果可获得P(i)和Q(i)。

(3) 观点子网的观点一致性

对于同一话题不同的用户持有不同的情感极性, 所发布的信息也具备不同的情感强度, 因此观点节点包含不同的倾向和强度。本文创新性地利用情感本体获得信息节点的两个维度的情感信息: 情感强度ED_i和情感极性EP_i。EP_i=1时为正面观点,EP_i=-1时为负面观点,EP_i=0为中立观点。定义两个情感属性一致时, 即情感极性一致且情感强度相近时, 观点节点一致性更加明显。因此观点一致性e_ij由情感极性和情感强度共同决定且与情感强度的差值成反比, 定义如下:

(5)

其中, sign(EP_i·EP_j)为符号函数, 当EP_i·EP_j>0,sign(EP_i·EP_j)=1表示情感极性相同; 当EP_i·EP_j≤0,sign(EP_i·EP_j)=-1表示情感极性相异。

4 验证与分析

4.1 数据处理

本文挖掘的节点为微博热门话题传播中对舆论导向产生重大影响的关键用户, 因此在数据验证环节必须要基于热门话题数据。但是新浪微博自带的热门话题榜数据不开放API接口, 因此只能在提取新浪热门话题榜前5个话题关键词: “食品安全”、“贪腐”、“公务员考试”、“NBA”、“房价”的基础上, 利用自行编写的爬虫程序通过微博移动客户端的搜索框抓取微博。在去除停用词后, 由于过短的文本影响话题挖掘效果, 因此筛除少于20个字的微博文本, 总计获得2014年4月30日至5月12日的有效微博526条, 参与用户共429人。采用开源的NLPIR分词和新词识别工具包^①(①http: //ictclas.nlpir.org/docs.)对所含微博文本在新词发现的基础上, 实现分词, 去除无语义内涵的高频词汇。同时利用大连理工大学信息检索实验室的中文情感词汇本体库^[22], 借助Java1.6和Matlab编程工具实现超网络节点语义信息量化、各子网相似度计算和超边排序算法。

4.2 超网络模型的自动构建

(1) 话题子网节点量化结果

LDA建模实验设置参数α=50/K, β=0.01, 吉布斯采样的迭代次数为1 000次, 由于LDA话题建模结果受到数据集和话题数量设置的影响, 而本文的数据集较小, 与数据来源(微博话题榜的前5个话题)保持一致, 设置话题数量为5。图2展示了LDA话题建模结果, 由于LDA话题抽取结果是话题和词汇之间的联合分布, 只能通过Topic_i进行表达。可以从话题的关键词集合中推断Topic1表征公务员考试话题, Topic2表征NBA体育话题, Topic3表征房价话题, Topic4表征食品安全话题, Topic5表征贪腐话题。由于爬虫程序是通过微博搜索框抓取的, LDA模型结果显示抓取关键词与获取的话题信息相近, 可见采用LDA模型的方式能够减轻人工判别话题信息的模糊性。

(2) 观点子网节点自动化量化结果

将内容子网中的信息节点, 即微博文本, 经过删除停用词预处理后获得候选信息文本。中文情感词汇本体^[22]包含情感极性及情感强度, 将情感分为7大类、20小类, 情感强度分为1, 3, 5, 7, 9等五档, 9表示强度最大。表1列出了内容子网微博节点与其抽取的观点节点的对应信息, 本文的自动化识别方法通过情感强度和极性两个维度的测量保证了观点自动识别的准确性。

(3) 微博语义社会网络的超网络模型结果

在自动化量化观点和话题子网节点的基础上, 构建超网络模型。本文的超网络模型中, 社交子网中包含429个用户节点, 内容子网中包含526个微博节点, 观点子网中包含64个观点属性节点, 话题子网中包含5个话题节点。表2展示了4层子网中各层节点的对应关系, 即部分超边的组成情况。

4.3 超边排序算法结果

(1) 内容子网属性计算

超网络模型的内容子网共包含526个微博节点, 按照公式(3)获得各信息节点的信息传播影响度, 结果如表3所示(截取15个微博节点):

(2) 观点子网属性计算

超网络模型共包含64个观点节点, 根据公式(4)获得64个观点节点之间的相似度, 结果如图3所示(截取前10个观点节点)。

(3) 话题子网属性计算

超网络模型共包含5个话题节点, 根据公式(4)获得5个话题节点之间的相似度, 结果如表4所示:

4.4 关键节点识别

借助Matlab实现超边排序算法, 从而对所有超边进行计算, 得到该模型526条超边的分值, 截取排名前19条超边, 结果如表5所示。

按照公式(2)对所有用户节点进行计算, 获得10个关键用户节点和该节点超边平均值, 分别为s₁₅₉(0.19188)、s₁₉₅(0.19090)、s₃₃₈(0.19090)、s₁₃₂(0.19046)、s₁₉(0.19042)、s₁₈₉(0.19033)、s₆(0.19032)、s₁₆₄(0.19027)、s₈₇(0.19026)、s₁₇₃(0.19024)。

根据表6截取的每个话题下分值较高的超边信息可以看出用户对于不同话题节点包含不同的情感倾向, 对于公务员考试更多地持有中立的观点, 对房价、食品安全以及贪腐话题相对持有负面观点占大多数, 对于NBA体育话题正面观点是主流。实验结果与实际情况较为相符, 可见基于超网络环境下的网络建模相比传统模型能够具备显示多维度、多层级、多属性信息的明显优势。

由于早期的网络科学研究关注的网络节点数目较少, 可以通过问卷调查等方式以实际调查结果作为标准与其他算法结果进行比较和评价。但是大数据时代的来临, 网络规模得到迅速增长, 因此制定较为客观的节点重要性评价标准极为困难^[2]。目前基于超网络理论的关键节点识别研究^[6,15,19-21]评价各种算法优劣的主要思路是: 以算法得出的重要节点作为研究对象, 考察这些节点对整体网络结构和功能以及其他节点状态的影响程度来判断优劣。

表7中展示了本文数据集中前三位关键用户节点的超边组成情况, 包括发表的信息内容、观点倾向以及话题内容。可见微博数据集中用户讨论的核心话题为Topic4食品安全问题, 关键用户主要的观点倾向为负面。根据图2可知, 话题关键词“转基因、美国、食品、中国”等都在表7中频繁出现。从前三位关键用户微博内容中也可以看出公众对于食品安全的负面情绪较强, 特别是关键节点s₁₅₉观点的情感强度为6, 根据结果用户节点s₁₅₉比s₁₃₂在微博话题的传播过程中能够影响更多的节点, 更为关键。单独考察这两个节点数据发现, 节点s₁₅₉发表的微博内容影响73个用户人次对于食品安全话题的观点, 而节点s₁₃₂发表的微博内容仅影响24个用户人次。虽然两者同为负面观点, 但是前者具有更高的情感强度, 对话题的引导性更强, 也符合实验结果。可见本文的识别方法在实际应用中能够有效识别对舆论观点导向具有领导作用的关键节点。

5 结 语

本文结合网络属性和微博传播机制, 创新性地构建微博应用场景下的语义社会网络超网络模型, 利用情感本体和LDA模型自动化构建观点和话题子网的语义节点, 提出基于信息传播影响度、观点一致性和话题相似度计算方法, 构建超边排序算法对超边进行计算和排序, 计算社交子网中用户节点参与超边的平均累计分值实现关键节点的识别。使用了能够表征用户、内容、话题和情感属性的超边对节点重要性进行衡量, 转变传统使用单一用户节点计算的局限性。最后通过实际数据验证了在语义社会网络关键节点识别中超网络理论的实用性以及超边排序算法的有效性, 为舆情的监管和引导提供了一定的理论指导和解决方法。下一步工作是提高超网络节点自动化量化方法在大数据环境下的效率问题, 增强对语义社会网络的实时监测效果; 抛弃传统的删帖、禁言策略, 研究在识别关键节点后如何进行有效的引导和干预。

作者贡献声明

张磊: 设计研究方案, 设计并进行实验, 论文撰写;

马静: 提出研究思路及研究方案, 全文修改定稿;

李丹丹: 数据的抓取和处理;

沈洋: 提出部分修改建议。

利益冲突声明

所有作者声明不存在利益冲突关系。

支撑数据

支撑数据见期刊网络版http://www.infotech.ac.cn。

[1] 张磊, 马静, 李丹丹, 沈洋. JAVAprogram.rar. LDA建模Java程序.

[2] 张磊, 马静, 李丹丹, 沈洋. data.txt. 分词后的数据集.

[3] 张磊, 马静, 李丹丹, 沈洋. LDAresult.twords. LDA结果数据.

[4] 张磊, 马静, 李丹丹, 沈洋. emotionresult.xlsx. 情感属性识别结果.

[5] 张磊, 马静, 李丹丹, 沈洋. modelresult.xlsx. 微博超网络模型数据.

[6] 张磊, 马静, 李丹丹, 沈洋. matlabprogram.mat. 超边排序算法Matlab程序.

[7] 张磊, 马静, 李丹丹, 沈洋. finalresult.xlsx. 超边排序算法结果.

---

参考文献

文献选项

• 原文顺序
• 文献年度倒序
• 文中引用次数倒序
• 被引期刊影响因子