随着微博的普遍应用, 微博话题的研究逐渐受到许多学者的关注。Blei等在2003年提出的潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)是一种经典的话题模型^[1], 在微博事件探索和话题发现方面得到了广泛应用^[2,3,4]。学者们根据微博文本的特性对LDA进行多方面拓展。区别于LDA将文档表示为多个话题的概率分布, TwitterLDA假设每条微博仅有一个话题, 用户在撰写推文时, 首先根据自己的话题内容选择一个中心话题, 然后根据所选话题或背景模型在对应词汇分布上逐个选择单词, 背景词和话题词之间的选择满足伯努利分布^[5]。Labeled-LDA在传统LDA的基础上融入类别标签, 通过学习类别标签与话题之间的关系建立两者之间的映射, 从而预测推文的话题^[6]。有些学者还在话题模型中加入时间因素, 以研究社交媒体上某一事件话题演化的规律, 如DTM^[7]、On-Line LDA^[8]等。

微博用户的行为主要表现为原创发布、转发、评论、点赞、收藏和关注等。关于用户行为的影响因素及预测^[9]已经积累了丰富的研究成果, 已往研究大多以分类和回归方法将微博内容类别作为预测用户转发行为的重要指标^[10], 或者通过分类聚类算法提取与用户行为相关的微博话题来挖掘用户兴趣偏好^[11]。近年, 突发公共事件情境下的微博用户行为也逐渐得到关注。孟吉杰分析了“H7N9”事件中某政务微博账号所发布的微博, 发现政府措施、案件进展等话题在转发数、评论数排名前10的微博中占主导地位, 问卷调研结果显示用户最愿意主动传播事件进展、预防知识等信息, 较少人愿意主动传播政府的应对措施等信息^[12]。Qu等将地震发生后与事件相关的微博分为意见相关型、信息相关型、情感相关型、行动相关型, 发现在转发微博中行动相关型微博和与事件进展相关的信息相关型微博所占比例较高, 其中行动相关型微博的转发次数最高^[13]。

由此可见, 目前关于微博话题与用户行为的研究主要为不同话题类型下用户的转发、行为数量的分布统计和直观比较, 较少分析微博话题与用户行为的相关性, 忽略了点赞行为这项显著的用户行为同样与微博话题和舆情演化密切相关。本文针对转发、评论、点赞三种微博用户行为, 利用话题模型与统计学方法, 从更为复杂和细微的角度分析微博信息话题与用户行为的相关性, 探索用户的行为规律, 丰富了微博话题与用户行为研究的内容和手段。

针对不同类型的突发公共卫生事件, 学者们提出了多种划分方法。Burkholder等将危机事件划分为事前、事中、事后三个基本阶段^[14]; Fink借鉴医学术语将危机的生命周期划分为征兆期、爆发期、持续期、恢复期^[15]; Turner根据灾难发生后造成的影响提出七阶段论^[16]。易承志将群体性突发公共卫生事件网络舆情的演变划分为形成、扩散、爆发和终结4个阶段^[17]; 贾亚敏等针对不同类型的城市突发公共卫生事件及具体案例, 将城市突发公共卫生事件网络舆情演变概括为起始、爆发、衰退、平息4个阶段^[18]; 刘志明等构建了基于老化理论(Aging Theory)的突发公共卫生事件微博负面情绪生命周期模型, 以实现对民众负面情绪的实时监测与预警^[19]。

综上, 目前关于微博信息与用户行为的研究热点为通过分析突发公共卫生事件中转发数、评论数较高的微博来发现微博用户群体在不同阶段所关心的热门话题, 鲜少深入分析用户行为与微博话题的相关关系, 缺乏对用户行为的多维比较, 忽略了在突发公共卫生事件舆情传播过程中, 由于事件发展和用户话题偏好引起的用户行为在不同阶段存在的差异。本文以微博用户转发、评论、点赞行为为研究对象, 分析用户在事件发展不同阶段的行为特征; 结合微博文本的话题分布, 从多维角度分析在突发公共卫生事件中用户行为与舆情话题之间的关系, 力图全面刻画用户在突发公共卫生事件情境下的行为特征。

针对微博文本和突发公共卫生事件的话题特征, 使用以下两种方法对突发公共卫生事件的微博语料进行分析, 探索微博话题与用户行为的相关关系。

(1) 针对研究语料的文本特征和内容特征, 使用基于Relevance公式改进的LDA模型^[20], 通过指定$\lambda$ , 选择具有合适的排他性和出现频率的话题词来表征特定话题, 从而更加准确有效地提取微博语料反映的话题内容, 生成每条文本的话题分布矩阵。

(2) 利用话题分布矩阵与用户行为数据, 计算博文话题与用户行为的余弦相似度^[21], 分析用户行为与微博话题的相关关系。若不同话题与用户行为的余弦相似度存在明显差异, 说明不同话题与特定的用户行为相关联, 即有些话题倾向于被用户转发, 有些话题倾向于被用户评论或者点赞; 反之, 若所有话题与用户行为的余弦相似度都大致相等, 则说明用户行为与微博话题无关。通过计算三种用户行为两两之间的标准化差与博文话题的余弦相似度, 分析同一话题下用户的行为偏向, 更加全面地洞悉微博用户在突发公共卫生事件中的行为模式。

传统的LDA模型得到的话题是语料库词汇表中若干词语的多项分布, 话题之间的识别与区分依靠各自词袋中的词语, 与某话题相关度越高的词语越能表征该话题。然而在实际应用中, 表征某话题的词语经常包括在语料库词汇表中频繁出现的非特定词, 这些词在其他话题中也普遍存在, 这样的通用词对于话题识别没有意义, 反而难以对话题进行区分。Sievert等搭建了一个基于网络的交互式可视化系统LDAvis, 该系统利用基于Relevance公式改进的LDA模型, 允许用户通过交互式调整来确定表征特定话题的最有用的词语^[20]。为提高话题的可读性和独立性, 本文采用这一方法抽取话题表征词。Relevance公式如公式(1)所示。

$r(w,\left. k \right|\lambda )=\lambda \log ({{\Phi }_{kw}})+(\text{l}-\lambda )\log (\frac{{{\Phi }_{kw}}}{{{p}_{w}}})$ (1)

其中, w表示语料库中的词语, k表示话题。p_w表示词语w在话题-词语分布矩阵Φ中的边际概率, Φ_kw表示词语w与话题k的相关度。λ是一个在[0,1]取值的可变参数, λ趋近于0时, 表示话题表征词具有排他性, 即在本话题下更独有、更特殊的词与本话题的相关性越强; λ趋近于1时, 表示在本话题下出现次数更多的词, 更能表征该话题。用户可以通过给定λ值, 调节词语w与话题k的相关程度, 即$r(w,\left. k \right|\lambda )$。

余弦相似度利用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小^[21]。两个n维向量$A=({{A}_{1}},{{A}_{2}},\cdot \cdot \cdot ,{{A}_{n}})$, $B=({{B}_{1}},{{B}_{2}},\cdot \cdot \cdot ,{{B}_{n}})$之间的余弦相似度如公式(2)所示。

$\cos \theta =\frac{\mathop{\sum }_{i=1}^{n}({{A}_{i}}\times {{B}_{i}})}{\sqrt{\mathop{\sum }_{i=1}^{n}{{A}_{i}}^{2}}\times \sqrt{\mathop{\sum }_{i=1}^{n}{{B}_{i}}^{2}}}$ (2)

余弦相似度取值范围是[-1,1], 值越趋近于1, 代表两个向量越相似且方向越接近; 越趋近于-1, 代表两个向量越相似且方向越相反; 接近于0, 表示两个向量近乎于正交, 即完全不相似。

本文利用余弦相似度计算微博信息话题与用户行为之间相关性:

(1) 将n条博文关于k个话题的隶属度映射为向量, 得到k个n维话题向量:

${{T}_{i}}=({{t}_{i1}},{{t}_{i2}},\cdot \cdot \cdot ,{{t}_{in}}),i=1\text{ }\!\!\tilde{\ }\!\!\text{ }k$

(2) 将m种用户行为数据也映射为n维向量:

${{A}_{j}}=({{a}_{j1}},{{a}_{j2}},\cdot \cdot \cdot ,{{a}_{jn}}),j=1\text{ }\!\!\tilde{\ }\!\!\text{ }m$

(3) 计算每种用户行为向量A_j与k个话题向量T_i之间的余弦相似度, 将计算结果汇总为话题-行为矩阵:

Ω =$\left[ \begin{matrix} {{d}_{11}} & {{d}_{21}} & \ldots & {{d}_{m1}} \\ {{d}_{12}} & {{d}_{22}} & \ldots & {{d}_{m2}} \\ \ldots & \ldots & {{d}_{ji}} & \ldots \\ {{d}_{1k}} & {{d}_{2k}} & \ldots & {{d}_{mk}} \\\end{matrix} \right]$ (3)

通过对矩阵中的数据进行横向纵向对比, 分析微博信息话题与用户行为的相关性。d_ji的相对数值越大, 特定话题与某种用户行为数据的关系越密切。

以“山东问题疫苗事件”为研究案例, 在新浪微博平台以“疫苗”为关键词进行检索, 使用GooSeeker爬虫软件收集2016年3月18日至2016年4月15日的相关微博共112 060条, 经过人工判断, 剔除无效微博18 271条。结合本文研究内容, 只保留转发、评论、点赞数量不全为0的微博共28 790条。

结合博文样本的语言特征, 引入搜狗词库中的药品名称、医学词汇、法律词汇、心理学词汇、生物化学词汇作为用户词库, 利用基于哈尔滨工业大学停用词表扩展的停用词表, 使用Jieba分词工具对所有博文内容分词、去除停用词。

对预处理之后得到的微博语料, 根据困惑度曲线初步确定话题数量范围, 使用R语言话题可视化包LDAVis^[22]多次聚类之后最终确定话题数量为56个, 在λ=0.48时取每个话题的前30个表征词进行话题归纳。以Topic3为例, 聚类结果如图1所示。

(1) 微博用户行为的演化分析

借鉴知名危机管理专家Fink提出的四阶段模型^[15], 结合“山东问题疫苗事件”舆情演变的特点, 将突发公共卫生事件话题传播生命周期划分为征兆期、爆发期、持续期、恢复期, 如图2所示。

突发公共卫生事件微博舆情在不同阶段呈现不同的特征, 用户行为也具有阶段性特点。由图2可以看出, 除了爆发期之外, 用户转发数、评论数、点赞数的变化趋势是一致的, 但是不同阶段的行为强度存在差别。征兆期用户行为以转发为主。3月18号, 用户“澎湃新闻”和“小儿外科裴医生”发布微博称“数亿元未冷藏疫苗流入多省, 或致人命”, 引起网友的热切关注, 之后热点稍稍回落。直到3月20号, 买卖问题疫苗人员名单公布和注射失效疫苗存在潜在风险的消息再次引起网友的广泛关注与热烈讨论。爆发期微博发布数较高, 用户行为以点赞为主, 变化趋势存在较大差异。引起点赞数量显著上升的是由两位明星发布的要求政府部门尽快查清涉事医院和受害者的博文。在爆发期的所有相关微博中, 由公众人物发布的6条微博的转发比例和评论比例均为35%, 点赞比例却高达85%。公众人物在疫苗事件中起着意见领袖的作用, 其微博在一定程度上影响了舆情的发展和粉丝的观点与行为^[23]。持续期微博发布数较高, 但是三种用户行为均明显下降。只有某明星转发的关于涉案疫苗调查情况通报的微博获得了较高的点赞数。随着事件的平息和“和颐酒店”事件的发生, 恢复期微博用户对问题疫苗事件的关注度降至最低。这与对日本大地震之后微博用户行为的观察结果类似^[24], 随着危机事件的好转, 相关微博的发布数和转发评论数下降趋势明显。

“山东问题疫苗事件”的每个阶段中转发数、评论数、点赞数前三名对应的微博话题如表1所示, 可以看出不同阶段突出的用户行为对应的微博话题不尽相同, 说明不同的话题的确能够导致不同的用户行为。

(2) 微博信息的话题与行为的相关性分析

①用户行为的相关性分析

转发、评论、点赞等行为能够在一定程度上反映用户对博文内容的态度, 并推动微博舆情的发展。本文通过计算微博样本中转发数、评论数与点赞数之间的Spearman相关系数, 分析“山东问题疫苗事件”中这三种用户行为两两之间是否存在相关关系。使用SPSS21.0得到的计算结果如表2所示。

从表2可以看出, 评论数与转发数、点赞数之间均存在弱相关关系, 而转发数与点赞数之间的相关性较弱。宋恩梅等分析新浪微博“时尚”标签下个人认证用户发布的微博发现, 博文转发数与评论数高度相关^[25]。而王晓光分析某一时间段内微博“随便看看”板块发布的微博发现, 博文的转发数和评论数中度相关^[26]。由此可见, 不同情境、不同角度下微博用户行为呈现不同的相关关系, 突发公共卫生事件情境下用户转发、评论、点赞三种行为之间的关系与用户日常行为存在差异。

②话题与行为的相关性分析

1)话题与行为差异

事实上, 用户的行为受到多方面因素的影响, 博文内容是其主要影响因素之一, 用户出于不同目的对不同话题有选择性地采取某种行为。那么在突发公共卫生事件中, 哪些话题分别容易引起用户的转发、评论或点赞呢?使用余弦相似度算法, 借助SPSS21.0, 分别计算“山东问题疫苗”事件中三种用户行为与56个话题的余弦相似度, 对比探究突发公共卫生事件情境下用户行为与微博话题之间的相关关系。依据“两向量余弦相似度越接近1、两者越相似”的原理, 选取“山东问题疫苗事件”的56个话题中与转发数、评论数、点赞数的余弦值较大的多个话题进行分析。

话题与转发行为的关系: 与转发数的余弦相似度大于0.01的11个话题如表3所示。用户最倾向于转发事件进展类微博, 其次是意见相关类微博, 其中涉及问题疫苗流向和由澎湃新闻报道的“未冷藏疫苗流入多省, 或致人命”的微博引起广大用户的积极转发。

话题与评论行为的关系: 与评论数的余弦相似度大于0.01的话题有27个, 主要以与事件进展、政府活动、疫苗销售相关的话题为主。其中与问题疫苗流向相关的三个话题较为显著, 说明在事件爆发之后, 人们最关注的问题在于确认自己是否注射过问题疫苗, 或是当下是否应该注射疫苗。

话题与点赞行为的关系: 与点赞数的余弦相似度大于0.01的话题仅有三个, 分别是“网友要求政府部门尽快查清涉事医院和受害者”(0.025)、“六年前王克勤记者曾揭露山西疫苗乱象”(0.01)、“群众呼吁众星关注问题疫苗事件”(0.01)。与点赞数余弦相似度较小的话题, 不能说明其不被用户支持, 只是与点赞数余弦相似度较大的话题能够代表当前用户群体普遍认同的热门话题。结合图2可以看出, 虽然点赞行为在“山东问题疫苗事件”爆发期中占主导地位, 但是引起用户积极点赞的话题较为单一, 点赞数最高的两条微博都是由同一位明星发布的关于呼吁彻查涉事医院和受害者的, 而这两条微博的转发数、评论数远不及点赞数。几位明星账号关于“山东问题疫苗事件”的发声具有高度一致性, 他们在此事件中扮演着意见领袖的角色, 因此“群众呼吁众星关注问题疫苗事件”话题容易引起用户点赞。

综上, 容易引起用户转发、评论、点赞的前三个话题存在共性, 话题“澎湃新闻报道未冷藏疫苗流入多省, 或致人命”容易引起用户的转发与评论, 话题“网友要求政府部门尽快查清涉事医院和受害者”容易引起用户的评论与点赞。

2)话题与行为偏向

通过观察数据发现, 大多数微博的转发数、评论数、点赞数存在差异却并不显著, 但是也存在一些微博的转发数、评论数、点赞数差别巨大。为研究这一现象是否与话题相关, 将转发数、评论数、点赞数按列使用最大最小化归一法将数据标准化并求差(即转发数-评论数、转发数-点赞数、评论数-点赞数), 计算“山东问题疫苗事件”中三种用户行为差值与56个话题的余弦相似度, 通过对比探究突发公共卫生事件情境下微博话题所导致的用户行为间的差异。

用户倾向于评论的话题包含用户倾向于转发的所有话题, 说明能够引起用户转发和评论的微博话题具有一定关系。标准化的转发数与评论数之差与56个话题的余弦相似度大多数为负数, 说明大多数话题尤其事件进展和政府回应相关微博容易引起用户评论, 而“问题疫苗流入的24省市名单公布”等少量话题更容易引起用户转发, 如表4所示。从话题与标准化转发与点赞之差的结果看来, 余弦相似度几乎都为正数, 即相对于点赞, 用户更倾向于转发这些话题, 例如用户对话题“问题疫苗流入的24省市名单公布”更倾向于转发而对话题“网友要求政府部门尽快查清涉事医院和受害者”点赞。与话题和转发-评论的相关性结果形成鲜明对比, 话题与评论-点赞偏向的结果都是正数, 说明与“山东问题疫苗事件”相关的所有话题都相对较少引起用户点赞, 与事件进展和政府回应的相关微博则会引起用户的广泛评论。

综上, “山东问题疫苗事件”中用户行为具有明显的针对性与选择性, 不同类型的话题引起的用户行为可能存在极大的差异。Qu等^{[13, 27]}将地震发生后的微博消息类型划分为意见相关型、信息相关型、情感相关型、行动相关型。本文根据“山东问题疫苗事件”相关微博话题的特点, 将56个话题归纳为事件进展、群众意见、政府回应、知识普及、事后措施5类, 并依照前文用户行为与不同话题之间的关系, 总结出分别与转发、评论、点赞联系密切的话题类型, 结果如表5所示。