騰訊微博的內容生成模式分析

李亞平，曹 潤，童 露，梁 循，倪志豪

(中國人民大學 信息學院，北京 100872)

?

騰訊微博的內容生成模式分析

李亞平，曹 潤，童 露，梁 循，倪志豪

(中國人民大學 信息學院，北京 100872)

隨著Web 2.0 時代網絡技術的快速發展，社交類網站用戶大規模增加。該文選取騰訊微博近兩萬名用戶，抓取了他們所有的微博數據，對騰訊微博的用戶內容生成模式進行分析和研究。我們從微博用戶貢獻分析、基于時間的用戶活躍度分析以及微博影響三個角度出發，對微博的數量、微博的原創與轉發、微博發布的周模式與日模式、微博轉發影響力以及對影響微博轉發的因素進行研究。總結出微博用戶內容生成的一些特點，如用戶內容貢獻呈現一種“90-10”規則，不同類型的用戶有著不同的“微博風格”，微博用戶每日微博發布數有著明顯的周模式與日模式等。相關分析結論對于進一步深化研究微博的用戶內容生成模式具有一定參考意義。

微博；用戶內容生成；模式分析

1 引言

Web 2.0 時代網絡技術的不斷進步，使得社交類網站出現了快速發展。如Facebook，MySpace, 人人網，天涯社區等，這些社交網絡已經吸引了相當數量的參與者，他們貢獻互聯網上的各種內容，通常被稱為用戶生成內容(UGC User Content Generation)[1]。而近幾年來伴隨3G技術發展，手機上網功能逐步完善，社交網站中的微博類網站更是出現了“井噴”式的發展。

用戶是這些社交網站與社區論壇的基本元素。根據目的的不同，現有的在線社交網站可以被分成兩類，面向網絡關系的社交網站與面向知識共享的社交網站[2]。前者如Facebook與人人網，更加強調從網絡的觀點出發，社交關系是這些社交網站的基礎，這類網站中的內容分析主要是在朋友之間的。后者如博客網站、百度知道、優酷視頻等，重點更在于知識或是內容的分享。這些網絡不是被潛在的社交關系所驅動的，相反，這些網絡通過用戶基于分享內容上共同的興趣構成。而微博兼具以上兩類社交網站的共同特性，微博既是一個網絡的社交平臺，同時十分注重知識分享，兼具媒體的特性[3]，因此對其進行用戶內容生成模式研究具有更加重要的意義。

2 相關工作

國外學者主要以Twitter為平臺進行微博相關的研究工作，其中包括三個方面的研究： 第一，針對Twitter平臺所形成的人際網絡進行網絡拓撲結構分析；第二，針對Twitter上的話題及信息擴散研究；第三，針對Twitter用戶影響力的研究。Haewoon等定量地研究了Twitter整個網絡平臺及在上面的信息擴散，從Twitter整體來做研究，細分了很多維度如網絡拓撲結構、話題、轉發網絡、用戶影響力等等，比較簡明扼要地去論證Twitter擁有媒體屬性[3]。Meeyoung提出了粉絲影響力、轉發影響力、點名影響力三種類型的用戶影響力，并對比研究了這三種研究方法用戶影響力排名的不同結果。發現受歡迎的用戶，即有很多粉絲的用戶在轉發和回復上不一定有很高的影響力[4]。Jianshu Wen等采用LDA算法來實現TOPIC的抽取，構建了一個TwitterRank算法，通過衡量話題相似度來構建用戶關系網絡，評估微博系統中用戶的影響力[5]。

伴隨新浪微博、騰訊微博、網易微博等近兩年“井噴”式的發展，國內學者也對其進行了很多相關研究。有學者對于2010年中國微博研究總體情況進行了回顧和分析，認為對微博的研究已經成為中國新媒體傳播研究領域的熱點話題之一[6]。余偉介紹了微博的功能特點與應用價值，利用本體的方式來描述微博，并設計了一個基于微博的用戶行為分析模型[7]。高承實等進行了微博輿情監控的研究，結合信息空間模型構建了微博輿情的三維空間，運用Delphi法和層次分析法來確定各項指標的權重，最終建立微博輿情監測指標體系[8]。基于微博內容的情感分析也引起了一些學者的關注，他們或是提出了基于中文微博的情感分布語言模型[9]，或是對不同的情感分析方法進行了深入研究，包括表情符號的規則方法、情感詞典的規則方法和基于SVM的層次結構的多策略方法，實驗表明基于SVM的層次結構多策略方法效果最好[10]。DCCI互聯網數據中心發布微博藍皮書，發現微博用戶量整體趨向飽和穩定態勢，并開始大規模向移動端遷移[11]。通過對騰訊微博和新浪微博的對比研究，李燕萍發現轉發數和評論數、粉絲數、關注數和博文數兩兩之間都有一定的正相關性[12]。Lei Guo等人研究了社交網站的用戶內容貢獻模式。作者將研究重點放在三類最受歡迎的面向知識分享的社交網站，包括博客系統、社交書簽分享網站、知識問答社交網站，研究發現在以上三類網站用戶的表現有很強的日模式與周模式[2]。

這些存在的研究主要側重于用戶如何連接在一起和網絡如何形成，社會網絡圖形如何演變，或是代表用戶與社區發現。對于有著兩類社交網站共同特點及自己特性的微博，對其用戶生成內容相關方面的研究并不是很多，因此，本文的研究具有很重要的實踐意義。

3 實驗數據

本文實驗利用騰訊微博的API接口隨機抓取了17 232名用戶自注冊之日起至2012年3月28日的所有微博，共計10 995 827條微博。數據庫中每條微博的數據格式如表1所示。

表1 數據庫中每條微博的數據格式

騰訊將所有的微博分為七種： 1-原創，2-轉發，3-私信，4-回復，5-空回，6-提及，7-評論。其中原創與轉發類微博超過總數的92%，本文重點針對此兩類微博進行研究。

除此之外，本文部分實驗還涉及到用戶的性別、是否為認證用戶等基本信息。總體可將所有的信息細分為四類： 用戶基本信息(用戶名、性別、是否vip認證用戶)、用戶行為信息(發布微博時間、發布端口、微博類型)、微博基本信息(微博內容)、微博擴散信息(被轉發次數、被點評次數、來源id)

4 微博用戶貢獻分析

本文從用戶發布微博的數量以及微博的長度兩個方面分析微博用戶的內容貢獻情況。

4.1 微博的數量

圖1中橫軸每個點代表一個用戶(只顯示部分用戶名)，縱軸表示該用戶所發布的微博總數；曲線顯示了微博總數累計值。結果顯示80%的微博只來自于7.59%的用戶，而15.94%的用戶發布了90%的微博。

圖1 微博用戶發布微博數

4.1.1 原創型微博與轉發型微博數量的對比分析

原創和轉發分別代表微博中的信息制造和信息傳播，可以看到在騰訊微博中原創微博與轉發微博幾乎各自占據了“半壁江山”，說明發表觀點與傳遞信息在微博中有著幾乎同等的重要地位。原創以及轉發占總體的92.21%，占絕大多數，且轉發數遠遠大于評論的數量，這與微博中轉發過程常常伴隨著評論的特性有關。在對轉發類型的微博內容進一步處理后，我們發現純粹的轉發行為(即轉發的同時未作出任何評價)只占總體的12.83%。

圖2 不同類型微博分布

轉發有助于擴散某個話題，回復代表用戶開始就某一話題進行討論，可以衡量用戶對此話題的黏度，圖2顯示了微博具有較大的擴散性。

4.1.2 用戶原創與轉發行為分析

分析用戶的轉發行為，人均轉發微博次數240.58次。多數人轉發次數較少，49.37%的用戶轉發次數小于23次，70%的用戶轉發次數少于114。極少人有大量的轉發行為，轉發行為超過 1 000次的用戶占總體的8.623%，轉發次數超過 4 000的僅占總體的1.44%。但轉發次數超過 1 000次的用戶其累計轉發次數占總體的68.55%，超過4 000的用戶累計轉發次數占總體的26.10%，長尾效應較Zi Yang等[13]在twitter中觀察到的更為顯著。

以轉發次數為x軸，轉發次數大于x的用戶數為y軸，得到圖3。曲線呈冪律分布，斜率為-0.644，擬合度R2為0.718 5。

圖3 用戶轉發行為分布

圖4 用戶轉發與非轉發行為對比

觀察用戶的轉發行為和原創行為，圖4中縱軸表示用戶轉發的微博數，橫軸表示用戶發布的原創型微博，并做移動平均線。可以看到，總體來說，用戶轉發微博的行為明顯多于原創。移動平均線在x、y坐標均小于1 000的象限內位于上方，而在兩坐標軸均大于1 000的象限內則位于下方。即在用戶使用微博初期，原創行為明顯占優勢，而隨著對微博使用行為的增加，轉發行為逐漸占據上風。

用戶在微博中所充當的角色隨著使用的持續，逐漸從發言者轉向傳播者。

4.2 微博長度分析

在對微博長度分析時，對類型為轉發的微博的Origtext字段做處理，刪除其中的被轉發內容(‘//@’后的內容屬于其轉發的內容)后使用。所有的微博內容的平均字符長度為40.06，在分別對男女、微博類型進行細分后，結果如表2： 就微博類型來看，用戶所發原創微博長度均明顯大于轉發微博，說明原創型微博通常包含更大的原始信息量。就用戶類型來看，男性用戶發送微博的字數略高于女性用戶，VIP用戶所發微博平均長度為53.65，是非VIP用戶所發微博長度的1.6倍。

其中女性用戶原創微博字數比男性高很多，且女性用戶原創微博的字數是轉發的近4倍，而男性用戶原創微博的字數是轉發微博的字數的3.45倍，顯示性別對“微博風格”會產生比較大的影響，例如女性可能更傾向于詳細地描述一個事件或一種物品，而對轉發的內容簡短地發表意見，而男性用戶傾向于相對簡短地敘述。

VIP用戶是最為“勤勞”內容貢獻用戶，平均微博字數為53.65，遠遠高于其他類型的用戶，其原創微博的平均字數高達81.71，可以看作VIP用戶的原創微博中包含更大的信息量。

不同類型的用戶在貢獻的內容上具有各自的特征。

表2 不同類型用戶原創與轉發微博字數

5 基于時間的微博用戶活躍度分析

實驗從騰訊微博的發展趨勢、微博發布的周模式與日模式兩個方向來進行基于時間的微博用戶活躍度分析。

5.1 騰訊微博發展趨勢

圖5展示了實驗隨機抓取的騰訊微博的17 232名用戶從騰訊微博開通之日(2010.3.28)至筆者抓取之日每日的發布微博數，可以看出曲線呈現一種波動上升的趨勢，說明微博已經歷過起步期、成長期，進入并正處在快速發展期。

5.2 微博發布的周模式與日模式

圖6展示了從圖5中截取的部分的曲線形態，表示從2011.10.1到2011.12.30的時間段內，每天所發微博數，可以看出微博用戶每日微博發布數有著明顯的周期規律，周期長度大致為七天。而每周中的峰值基本分布在周四，谷底基本分布在周末。其中周期內的微博數分布大多為雙峰分布，偶有單峰、三峰。

圖7表示不同類型微博發布數在一周中的分布。從圖7中可以看到對所有微博，總體沒有很大的起伏變化，周末所發微博數最少；周三所發微博數最多。原創型微博的一周內每日發布起伏較大，而轉發微博一周內的每日發布數則較為平均，只顯現出平日略高于周末的規律。為了更深入了解其中規律，實驗繼續對一日中每小時的微博數做詳細地分析。

圖7 不同類型微博發布數的星期分布

實驗對原創微博、轉發微博和所有微博按照時間軸展開，分別進行了分析，將每小時的微博數繪成條形圖，同時統計每周同一小時新發布的微博。然后將整個追蹤時間中每小時的發布微博數整合統計，并進行了歸一化處理。圖8上半部分顯示了每周的原創微博、轉發微博和所有微博分別的發布百分比。相對于轉發型微博，原創型微博在平日里每小時的發布數高于周日每小時的發布數的情況更加明顯，且在原創型微博中，平日每天的每小時微博發布數基本都呈現出雙峰分布，周末只有一個發布高峰。以前學者的相關研究中顯示對于博客類網站，在平日里每小時的發布數于周日每小時的發布數較為相似。博客是一種日常的網絡日志或日記寫作，所以博客中每天的用戶活動不會在一個星期內的不同天急劇改變[2]。而微博的發布更加隨意簡單，會很好地融入用戶的日常生活中，因此顯現出一種與用戶日常作息時間十分相關的分布。

圖8的底部模塊進一步顯示了微博發布的每日模式，以類似每周模式的方式計算。對三種分類，發布高峰時間持續很長，兩個最高峰在10時與22時，發布高峰時段可以涵蓋一天中的三分之二，低峰期在凌晨3～5時處，整張圖可以很明顯地分作兩個部分，以8時和4%為分界線。這與博客的高峰時間大約只是在23時有著很大差別[2]。與博客相比，微博發布的便捷性使得其發布的高峰期跨度大大擴展，證明了微博隨時隨地記錄人們生活的特性。

圖8 每日發布微博數的星期分布歸一化結果

圖9 微博轉發數的分布

6 微博影響分析

實驗從微博轉發分析、微博轉發影響力分析以及影響微博轉發的三個因素研究微博的影響。

6.1 微博轉發次數分析

除原創和轉發類型外的微博其轉發數量與回復數量基本為0。故下文只考慮原創和轉發的微博。

微博轉發數count取值從最小值0(5 638 724條)到最大值2 097 150(1條)，自count=2 105開始，大于此值的任一轉發次數對應的微博數目均為個位數，即對于某一大于2 105的數字，有小于10條的微博其轉發數等于此值。只有極少數的微博被轉發的次數很大，而絕大多數的微博其轉發數較小。

微博轉發次數的均值為67.544 8。表3顯示了不同類型的微博轉發數的比較，表中第三列表示包含某種多媒體的微博其平均轉發量與不含此類內容微博的平均轉發量的比值，不包含多媒體信息的微博的平均轉發量遠遠低于包含多媒體信息的微博的平均轉發量， 其中不包含圖片的微博平均轉發數最低，包含音樂的微博轉發數均值高達456.759 7。說明包含多媒體的微博攜帶的信息量更大，帶來了更大的轉發量，更容易造成較大的影響，而不同的多媒體對用戶的吸引力也存在著差距。

表3 不同微博類型的微博轉發數

轉發次數為0～599次的微博占總體的98.62%，轉發次數為0～49次的占總體的91.03 %，說明大部分的微博沒有被轉發，沒能造成傳播影響，但極少數的微博被極大地轉發，造成了很大的影響力。轉發次數為0的占58.787 8%，在去除0后，我們得到以下曲線，其中橫軸表示微博的轉發次數，縱軸顯示了微博數，該曲線符合冪律分布，斜率為-1.007，擬合度R2為-0.990 7。

圖10 微博轉發次數的分布

6.2 微博轉發影響力分析

對于微博的影響力，我們有這樣的直觀感受： 微博在令閱讀者留下印象時才會對個體造成影響，而對某一微博的印象中往往蘊含的各種情緒會促使閱讀者對微博進行轉發和評論。基于這一認知，實驗假設沒有被轉發的微博沒有造成轉發影響，以微博被轉發的累計次數作為衡量該微博影響力的依據。以樣本中所有微博被轉發的次數的累加和作為總體，那么某條微博被轉發的次數占總體的百分比可以形容為該條微博在其中的影響力。

通過分析微博的轉發次數，并與其微博用戶關聯，顯示所有轉發數(count)大于357的微博其轉發量的累計值占總體的80% ，僅來自1 367名(7.93%)用戶，即8%的用戶貢獻了80%的微博影響力。被轉發次數超過93的所有微博其轉發量累計占總體的90%，來自2 124名(12.32%)用戶，顯示10%左右的用戶貢獻了90%的微博影響力,具體見圖11。

圖11 微博轉發影響力

我們進一步區分微博類型進行分析(見圖12)，對于原創型微博： count>695的微博的累計轉發量占據總轉發量的80%，來自965名(5.60%)用戶。count>217的微博的累計轉發量占據總轉發量90%， 來自1 402名(8.13%)用戶。對于轉發型微博： count>60的微博累計轉發量占總轉發量的80.1%，來自 1 633名(9.48%)用戶。count>29的微博累計轉發量占總轉發量的90.1%，來自2 009名(11.66%)用戶。轉發型微博的轉發影響可以形象地表述為原微博擴散的再次爆發節點，其擴散的能力是低于原微博的。原創聚集現象更加明顯，更加少量的活躍用戶貢獻了更多的影響力。

6.3 微博轉發影響因素分析

6.3.1 對含有‘@’的微博分析

在微博輸入框中，包括原創、轉發與評論的微博，在‘@’后需要加上其他用戶的微博用戶名，就可以將這消息通知別人，這是微博中的一種重要的互動交流方式。

實驗將含有‘@’各種類型微博提取出來，做出表4的分析。

從表4可以看出原創微博中，約有8.71%的微博中含有‘@’字符，其中以“@某用戶”為句首的有10.13%，與twitter數據中36%包含“@”且其中86%以“@某用戶”作為句首的情況有很大不同；同時原創微博中包含‘#’(話題標簽)的微博占16.69%，遠大于Danah等[14]發現的5%。包含‘@’字符可以說明此條微博的目的是為了與熟人交流，而使用‘#’則是在與陌生人討論，騰訊微博中與熟人的交流的傾向更少，且語言習慣也有明顯不同。

表4 不同微博類型的微博轉發數

包含‘@’字符代表著用戶的轉發行為其目的更多的是希望與好友間形成討論，我們發現對于非VIP用戶來說，含有‘@’微博得到的轉發和評論均顯著大于不含的微博。但對VIP用戶則完全相反。前者從結果上驗證了我們的假設，而后者的出現可能是由于民眾對明星用戶的轉發動機的特殊造成的，這需要我們后續實驗的驗證。

圖12 原創、轉發型微博轉發影響力

6.3.2 微博內容的重要程度

微博的內容同樣會影響其被轉發的情況。熱門話題往往在一段時間內會被很多人頻繁地討論，相關內容會在微博中出現很多次；而小眾的內容則只在少數人的微博中有所展現。因此我們可以認為某微博其內容的重要程度可以從包含的字段在所有微博中出現的頻率之和來衡量。基于這樣的認知，我們利用TF-IDF來衡量一個微博其內容的重要程度：

圖13 內容重要程度對轉發的影響

其中n(t,m)表示詞語t在微博m中出現的次數，n(t,M)表示整個微博數據集M中包含t的微博數目，|M|指微博數據集中所包含微博的總數。我們對不同的重要程度的微博對比其被轉發與被忽略(未被轉發)的情況進行分析。

由圖13可以看到，微博被轉發的情況在TF-IDF值為40時達到一個小高峰，隨后下降，至110處有一次波動。此后隨著TF-IDF值的增長，被轉發的概率緩慢增長，至400左右基本穩定。TF-IDF值大于500的微博僅有極少數，并沒有明顯的統計價值，被轉發的比率總體來說較大，但取值并不穩定，不對其進行討論。

結果與Zi Yang等人[13]的研究結果比，同樣具有兩次波峰。較為不同的是，Zi Yang等人的研究結果中，所有轉發的比值均小于0.6，而本文中則220后突破0.6，比率值穩定在0.75以下。

7 結論

本文選取騰訊微博17 232名用戶，共計10 995 827條微博，分析研究微博的用戶內容生成模式。我們總結出微博用戶內容生成的一些特點：

(1) “90-10”規則： 相較于其他社交網站中大多遵從的“80-20”規則，微博顯示出了一種用戶內容生成更明顯的聚集性，表現出一種“90-10”規律，更加少量的活躍用戶貢獻了更多地內容，如15.94%的用戶發布了90%的微博；更加集中的某一部分微博造成了更大的影響力，原創型微博的總轉發影響力的90%來自8.13%名用戶，轉發型微博11.66%的用戶貢獻了90%的微博轉發影響力。

(2) 先原創后轉發： 隨著對微博使用程度的加深，用戶使用微博的主要行為逐漸從發布原創微博轉向轉發微博。身份從發言者逐漸轉為傳播者。

(3) 從微博長度的角度來看，不同類型用戶有明顯的差異，女性用戶其原創微博與轉發微博的長度差異更明顯，VIP用戶所發微博平均長度是非VIP用戶所發微博長度的1.5倍等。

(4) 微博用戶每日微博發布數有著明顯的周模式與日模式，微博發布的高峰期跨度遠遠大于博客類網站，也顯示出微博發布的便利性，與日常生活的融合性。 (5) 包含多媒體的微博攜帶的信息量更大，帶來了更大的轉發量，更容易造成較大的影響。

用戶內容生成分析在基于微博的研究中有極其重要的價值，同時隨著微博用戶大規模增加，微博內容的影響也不斷擴大，微博的用戶內容生成分析對了解信息分享型的社會網絡的本質規律有著極大的意義。在今后的工作中，我們將會收集更加全面更具代表性的數據，對數據進行更深層次的分析，挖掘出更有效的用戶行為模式，以優化相關研究結果。

[1] F Bell. The rise of user-generated content. http://www.entrepreneur.com/technology/managingtechnology/web20columnistfrankbell/article183432.html, 2007.

[2] Lei Guo, Enhua Tan, Songqing Chen, et al. Analyzing Patterns of User Content Generation in Online[C]//Social Networks KDD’09, Paris, France, 2009: 495-503.

[3] Haewoon Kwak, Changhyun Lee, Hosung Park,et al. What is Twitter, a Social Network or a News Media? [C]//ACM, Raleigh, North Carolina, USA, 2010: 799-806.

[4] Meeyoung Cha,Hamed Haddadi, Fabr′icio Benevenuto, et al. Measuring User Influence in Twitter: The Million Follower Fallacy[J].Artificial Intelligence, 2010,146(1):10-17.

[5] Jianshu Weng, Ee-Peng Lim, Jing Jiang, et al. TwitterRank:Finding Topic-sensitive Influential Twitterers[C]//WSDM’10,February4-6,New York City, New York,USA

[6] 王曉蘭. 2010年中國微博客研究綜述[J].國際新聞界，2011, 24(1):24-27.

[7] 余偉. 基于本體的微博客用戶行為模型研究[J].廣東技術師范學院學報,2010,27(2):27-30.

[8] 高承實，榮星，陳越. 微博輿情監測指標體系研究[J].情報雜志，2011,30 (9):66-70.

[9] 謝麗星，周明，孫茂松. 基于層次結構的多策略中文微博情感分析和特征抽取[J].中文信息學報,2012,26(1):73-82.

[10] 楊亮，林原，林鴻飛. 基于情感分布的微博熱點事件發現[J].中文信息學報,2012,26(1):84-90.

[11] 2012中國微博微博藍皮書[R].DCCI互聯網數據中心,2012年9月.

[12] 李燕萍. 微博比較研究[J].情報雜志,2012,31(3):77-83.

[13] Zi Yang, Jingyi Guo, Keke Cai, et al. Understanding Retweeting Behaviors in Social Networks[C]//CIKM’10,October 26-30, Toronto, Ontario, Canada.

[14] Danah boyd, Scott Golder, Gilad Lotan, Tweet,Tweet,Retweet: Conversational Aspects of Retweeting on Twitter[C]//Proceeding of the 43rd Hawaii International Conference on System Sciences, 2010.

Analyzing Patterns of User Content Generation in Tencent Microblogging

LI Yaping, CAO Run, TONG Lu, LIANG Xun, NI Zhihao

(Information School of RenMin University of China, Beijing 100872, China)

With the rapid development of network technology in Web2.0 age, the amount of social network website users has increased sharply. This paper colllects near 20 thousands users of Tencent Microblogging with their Microbloggings, and analyzes the patterns of user Content Generation of Tencent Microblogging. From perspectives of Microblogging content contribution, user activity over time and Microblogging influence, we examine the amount of Microblogging, ratio of original and repost content, number of content text, the weekly and daily patterns of Microblogging release, the repost number of Microblogging, the repost influence of Microblogging and the Microblogging contain ‘@’. Our analysis shows observations scuh as the users’ content contribution have “90-10”rule, different type of users have different “Microblogging style”, and users’ posting behavior exhibits strong daily and weekly patterns.

Microblogging; User Content Generation; Pattern Analysis

李亞平(1989—)，碩士研究生，主要研究領域為社會計算。E?mail：snap008@126．com曹潤(1988—)，碩士，主要研究領域為社會計算，數據挖掘。E?mail：caorun2008@163．com童露(1990—)，碩士，主要研究領域為數據挖掘。E?mail：tongluruc@gmail．com

1003-0077(2015)03-0130-10

2012-05-02 定稿日期： 2014-08-29

國家自然科學基金(70871001，71271211)；北京市自然科學基金(4132067)；中國人民大學科學研究基金(中央高校基本科研業務費專項資金)

TP391

A