基于复杂网络的高校校园BBS社会网络舆情传播研究

基于复杂网络的高校校园BBS社会网络舆情传播研究

作者：童亚拉 君妍

来源：《计算机光盘软件与应用》2013年第22期

摘 要：网络舆情是目前社会科学领域和自然科学领域中的研究热点。为了探索网络舆情传播机制，该文首先构建了BBS社会网络组成，然后利用复杂网络理论，探讨了高校校园BBS网的无尺度特性和小世界特征，最后分析评价了社会网络拓扑结构对网络舆情传播的影响。

关键词：复杂网络；高校BBS网；社会网络；舆情传播 中图分类号：TP393.18

随着互联网的飞速发展，网络用户是网络内容的浏览者和制造者。社交网站、微博、BBS等已成为信息传播的主要方式。由于网络舆论所具有新的复杂特征，传统理论和模型已难以描述其演化过程[1]。因此，研究社会网络的信息传播机制，发现其内在的规律，具有重要的理论意义和实际应用价值。

互联网具有分散性、去中心性、交互性等特点[2]。近年来，舆论发演化的过程与机制问题吸引了自然和社会学学者们的广泛关注，使舆论信息传播的研究成为名符其实的交叉学科。研究人员试图用不同领域的思想和理论，建立舆论信息传播的定量和定性描述，如：复杂性科学认为社会结构的形成是可以用数学的方法来描述[3]。目前舆情传播的研究主要集中在传播过程的建模上，这些模型解释了舆情传播的模式及原因。几年来，基于复杂网络的舆情传播研究逐渐展开，主要围绕S（Sznajd）模型、n（neant）模型和KH（Kause and Hegselmann）等进行研究，所得结论数量不多，且不十分确定[4]。为了探索网络舆情传播机制，本文采用复杂网络理论，利用相关数据，分析了社会网络结构的特点及其对舆情传播的影响。 1 BBS社会网络的构建

点和线是社会网络的最基本元素，点代表用户，线代表用户间的联系，点和线构成图。此网络是由团体、社区、家庭和用户等组成的互连网和社交网络，连接其中节点的连线表示节点之间的关系，用户间的“关注”与“被关注”、是否通信、是否为好友等表示节点间的关系；同时，此社会网络是有向网络，节点与节点是双向的关系，但关联程度不一样，即有向边上的权值不一样。用A、B、C、D、E表示5个社会网络的用户，他们之间的关系为相互交流，但重视程度不一样[5]，此这5个节点及其关系所构成的社会网络如下图1所示。

龙源期刊网 http://www.qikan.com.cn

上图构成社会网络基本要素的节点和关系。这里，为了简化研究方便，我们仅关注用户间是否有联系而忽略关注程度。用非对称的二维关系矩阵来表示此有向网络，“0”表示用户间无联系，“1”表示存在联系。对于列用户，“0”表示节点自身的关系。社会网络的非对称性使该矩阵可表示为一个对角线为“0”的非对称二维关系矩阵。将计算所得邻接矩阵导入Ucinet社会网络分析软件，得到图形化的有向社会网络结构[6]。 2 基于复杂网络理论的网络分析 2.1 无尺度特性分析

复杂网络的重要特性之一是无尺度特性，少数节点拥有较大的度分布，而大部分节点的度分布较小是它的主要论点。N节点的网络图中，节点度为0到N-1，节点度为0的节点为孤立节点。在有向图中，节点度分为入度和出度，入度是指向某一节点的连线数目，出度是指此节点所关联的节点数目。社会网络中的入度说明受欢迎程度，出度说明影响力。节点平均度是网络中所有节点i的度K（i）的平均值[5]。分布函数P（k）用来描述节点的度分布情况。无尺度网络的节点度分布遵循幂律分布，其分布函数为：P（k）=ck-λ，其中c为系数；λ为幂律指数，λ描述分布函数的倾斜程度，将坐标系中的节点度数和节点数分别取对数，所得直线的斜率即为λ[6]。此直线方程表示为：

Log（P（k）=log（c）-λlog（k） （1） 2.2 小世界特性测度

复杂网络的另一特性是小世界性，它描述了网络内部节点间紧密程度，可通过平均最短路径长度和聚类系数来衡量。这里，我们可利用是否有联系来取得社会网络用户间的关系，探讨社会网络的拓扑结构。

（1）平均最短路径长度：dij为节点i和j间的距离，大小为连接i和j最短路径的边数，网络直径D=max（dij）为任意两个节点间距离，L为网络的平均路径长度，大小为任意两节点间距离的平均值[6]，式中N为网络节点数。 L=1/[0.5n（N+1）Σdij] （2）

（2）聚类系数：一般地，假设网络中一个节点i有k条边，即有k个邻居节点，则这k个节点间最多有k（k-1）/2条边，节点i的聚类系数Ci为此k个节点间实际存在的边数E与总边数k（k-1）/2之比，即： Ci=2Ei/k（k-1）/2 （3）

C是整个网络的聚类系数，其大小为所有节点聚类系数的平均值，范围在0到1间。直接相连的两节点的聚类系数为1[7]。对一个N个节点的完全随机网络，当N很大时，

龙源期刊网 http://www.qikan.com.cn

C=O（N-1） （4）

要研究网络结构必须上述特征，并以此为基础构造的网络，分析节点的建立、巩固和消除的过程以及信息传播的规律，因此，本文的研究将有助于了解BBS社会网络的底层拓扑特性，从而深入认识并掌握其信息传播规律。 3 高校校园BBS的社会网络舆情传播分析 3.1 高校校园BBS社会网络的构建

高校校园网提供了应用程序接口API，通过API可获取相关数据，但是一般程序调用会受到校园网API接口的限限制，不能获取大量数据，本文通过JAVA编程收集了一定量的相关数据。通过编程获得节点关系的过程如下：首先在网络中任选取一原始节点，在此节点的下层节点中随机挑选40个节点，再从这40个节点的下一层节点中随机挑选另外40个节点，由此获得不重复的1000个节点，并用这些节点构建校园网BBS社会网络。判断网络任意两用户ID间的关系，获得网络连线，最终形成关系值为“0”、“1”的非对称邻接矩阵，由此得到构建校园BBS网络所需数据，然后由邻接矩阵构造校园BBS社会网络，并进行结构分析。将邻接矩阵导入Ucinet分析软件，可得到该网络结构，分析可知它与规则网络和随机网络完全不同，有自己的特点。计算得知该网络的节点数N=1000，边数M=14984，是一个有向网络。 3.2 高校校园BBS社会网络舆情传播复杂网络分析 3.2.1 校园BBS社会网络舆情传播的无尺度特性

Java编程和Eviews可以帮助分析节点的度分布规律。在BBS社会网络中，用x轴表示节点度数，y轴表示节点数，y作为因变量、x作为自变量进行回归，得出入度回归方程如下： y=7.9-0.3x； （5） y=11.8-0.6x （6）

将幂律分布函数P（k）=ck-λ两边取对数，变形后得到出/入度的度分布方程分别为： Log（y）=3.8-0.9log（x） （7） Log（y）=3.7-0.8log（x） （8）

计算可知，高校校园BBS社会网络具有幂律分布特性，其出入度的幂律指数分别为0.8和1.0，入度大于出度，这是由于校园BBS社会网络用户可以主动关注某一主题，因而很容易成为被关注对象，拥有较高的入度。

龙源期刊网 http://www.qikan.com.cn

3.2.2 校园BBS社会网络舆情传播的小世界特性

小世界特性从平均最短路径长度和聚类系统两个方面反映。

（1）平均最短路径长度。从关系矩阵可获知节点路径分布。L为BBS社会网络的平均最短路径长度，通过公式5、6、7、8的计算表明得到L为2.12，在社会网络中此值相对比较小，因而可以认为高校校园BBS社会网络具有较短的平均最短路径。这表明：平均只需通过两个用户，网络中的任一用户就能与其他用户建立联系。尽管L会随网络规模的增大而增大，但它依然具有平均最短路径的特征。

（2）聚类系数。通过计算可得校园BBS社会网络聚类系数为0.231。与其他同等规模随机网络相比较，该网络具有小世界的特性。例如，与Erdos-Renyi随机网络相比较，其理论度分布为泊松分布。构造该网络时，假设密度设为0.05，与BBS网络相同，计算可知其聚类系数为0.05，而高校校园BBS社会网络的聚类系数为0.231，前者远小于后者；平均路径长度L为2.13，与BBS社会网络的L为2.12，二者相近。因而高校校园BBS社会网络具有较大的聚类系数，这表明高校校园BBS社会网络的用户所关注的内容大致相同。 4 结论

本文从社会网络中最基本的元素点和线出发，利用复杂网络分析方法对高校校园BBS社会网络结构进行分析。研究发现，高校校园BBS社会网络符合幂律分布规律，具有无尺度和小世界特性，为研究BBS社会网络的舆情传播路径和方式提供了有力帮助，进而为制定预防各种突发事件的发生提供新的参考。 参考文献：

[1]中国互联网络信息中心（CNNIC）.第29次中国互联网络发展状况统计报告[R].2012.ht1p：//vmwxnnic.cn/research/bgxz/tjbg/201201/t20120116_23668.html.

[2]王来华.舆情研究概论——理论、方法和现实热点[M].天津：天津社会科学院出版社，2003：336.

[3]张建勇.论群体性突发事件的产生原因及有效防范[J].兰州学刊，2004（3）：901-902. [4]Kwak H，Lee C Y，Park H， et al.What is twitter，a social network or a news media？[C]//Proceeding of the 19th International World Wide Web Conference.Raleigh，North Carolina USA，2010.

[5]金鑫，谢斌，朱建明.基于复杂网络分析的微博网络舆情传播[J].吉林大学学报（工学版），2012，9（42）.

龙源期刊网 http://www.qikan.com.cn

[6]Watts D.J.，Strogatz S. H. Collective dynamics of small world networks[J].Nature 1998，393：440-442.

[7]Barrat A.Comment on small-world networks： evidence for a crossover picture[J].PhysRevLett，1999.

作者简介：童亚拉，女，湖南桃源人，博士，教授，主研领域：智能计算，复杂网络，数据挖掘。

作者单位：湖北工业大学理学院，武汉 430068；奥斯丁学院，美国德克萨斯 75090 基金项目：湖北教育厅人文社会科学研究重点项目（2010d025）；武汉市社会科学研究基金（whsk10087）。