社交網(wǎng)絡(luò)輿情事件中用戶行為影響力分析
——以“長春長生疫苗事件”為例

趙 瓊（中南財(cái)經(jīng)政法大學(xué) 統(tǒng)計(jì)與數(shù)學(xué)學(xué)院，湖北 武漢430073；湖北經(jīng)濟(jì)學(xué)院 信息管理與統(tǒng)計(jì)學(xué)院，湖北 武漢430205）

魏 夏（中南財(cái)經(jīng)政法大學(xué) 統(tǒng)計(jì)與數(shù)學(xué)學(xué)院，湖北 武漢430073）

一、引言

隨著美國的社交網(wǎng)絡(luò)平臺(tái)Twitter 和Facebook、中國的社交網(wǎng)絡(luò)平臺(tái)新浪微博、豆瓣、抖音和騰訊微博等日益普及，眾多網(wǎng)民通過社交網(wǎng)絡(luò)評論熱點(diǎn)事件、反映民生狀況、建言獻(xiàn)策，使得社交網(wǎng)絡(luò)平臺(tái)成為推動(dòng)社會(huì)主義民主政治建設(shè)的重要方式。 第43 次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截止至2018 年12 月，我國手機(jī)網(wǎng)民達(dá)8.17 億。根據(jù)2018 年度新浪微博用戶發(fā)展報(bào)告， 新浪微博月活躍用戶達(dá)4.62 億，日活躍用戶達(dá)2 億。 2018 年7 月，長春長生公司內(nèi)部員工曝光其疫苗，一共25 萬余支，存在生產(chǎn)造假、價(jià)格不合理等情況，引起大家的強(qiáng)烈關(guān)注以及巨大恐慌，造成了十分惡劣的社會(huì)影響， 廣大群眾對我國醫(yī)療體制與安全流程產(chǎn)生嚴(yán)重懷疑，引起了國家高度重視。

社會(huì)媒體平臺(tái)深深地影響著社會(huì)輿情的傳播走向與演變趨勢，吸引了國內(nèi)外學(xué)者對于社交網(wǎng)絡(luò)平臺(tái)上輿情與用戶的研究。 國外相關(guān)研究成果比國內(nèi)時(shí)間更早，研究也較為全面，且研究都集中在轉(zhuǎn)發(fā)預(yù)測行為方面，Binder 等（2009）提出人類想要保持獨(dú)立的狀態(tài)就要加強(qiáng)社交網(wǎng)絡(luò)的使用進(jìn)行假設(shè)，并通過對Facebook 社區(qū)用戶行為數(shù)據(jù)進(jìn)行實(shí)證分析來佐證；Java 等（2009）發(fā)現(xiàn)相關(guān)性高的各個(gè)用戶會(huì)慢慢形成群體模式，并且用戶位置信息與之有著很大的聯(lián)系Sun（2014）等結(jié)合網(wǎng)絡(luò)平臺(tái)的享樂性質(zhì)、 功利性質(zhì)和社會(huì)性質(zhì)等特點(diǎn)，繼而研究了用戶繼續(xù)使用社交平臺(tái)行為的傾向。 這些研究都是以國外Twitter 和Facebook 平臺(tái)為對象， 與我國社交網(wǎng)絡(luò)平臺(tái)上的情況有著很大差別。 國內(nèi)近些年來也涌現(xiàn)出不少針對社交網(wǎng)絡(luò)用戶行為與輿情傳播方面的研究。 馬瑩瑩（2015）模擬微博用戶轉(zhuǎn)發(fā)微博時(shí)的閱讀習(xí)慣, 從不同角度分析了影響轉(zhuǎn)發(fā)行為的因素，得出用戶更容易轉(zhuǎn)發(fā)負(fù)面情感傾向的微博的結(jié)論。 劉行軍（2016）結(jié)合使用與滿足(U&G)理論,構(gòu)建用戶的信息傳播行為的理論模型， 通過設(shè)計(jì)問卷對用戶的瀏覽、發(fā)布和轉(zhuǎn)發(fā)行為進(jìn)行調(diào)查， 并對信息傳播行為的影響因素進(jìn)行了實(shí)證研究。 解軍（2016）利用寫微博時(shí)長來反映該用戶真實(shí)行為并從中挖掘更深層次的用戶行為特征。 唐曉波（2017）等人研究表明，情緒化用戶更能產(chǎn)生轉(zhuǎn)發(fā)的行為，且具有較大情緒差異的用戶再轉(zhuǎn)發(fā)時(shí)也攜帶著更多相關(guān)衍生信息。 對微博用戶行為和信息傳播特征進(jìn)行研究的還有平亮 （2010）、何躍等（2016）、劉瑋等（2016）等一大批優(yōu)秀文獻(xiàn)，從不同視角得出有利于輿情監(jiān)測的結(jié)論。 李靜梅等（2003）、廉捷等（2011）、羅泰曄（2017）則對數(shù)據(jù)挖掘和建模方法進(jìn)行了有益嘗試。

綜合已有研究來看，有關(guān)微博用戶行為預(yù)測的研究較少，且主要研究都集中在轉(zhuǎn)發(fā)行為上， 少有結(jié)合全面的用戶屬性特征進(jìn)行研究。本文以“長春長生疫苗事件”為樣本，用機(jī)器學(xué)習(xí)的方法進(jìn)行深度挖掘， 運(yùn)用統(tǒng)計(jì)方法分析事件傳播中的輿情走勢及用戶行為特征， 在現(xiàn)有研究基礎(chǔ)上利用樸素貝葉斯算法對微博內(nèi)容、評論內(nèi)容進(jìn)行情感分類，建立情感分析模型分析用戶影響力大小，拓展了用戶行為特征的研究方法，能識別輿情事件文本數(shù)據(jù)的情感類別，及時(shí)了解網(wǎng)民的情感傾向，判斷輿情走勢。

二、影響力模型設(shè)定和變量選擇

新浪微博因其龐大的用戶規(guī)模成為中國社交網(wǎng)絡(luò)的主流應(yīng)用，占據(jù)了網(wǎng)絡(luò)輿情傳播中心的地位。本文對微博用戶行為的具體描述如表1 所示。

本文對輿情事件下新浪微博用戶實(shí)時(shí)影響力因素的劃分涉及靜態(tài)屬性、動(dòng)態(tài)屬性、交互屬性、情感屬性四個(gè)維度。在社交網(wǎng)絡(luò)用戶行為的已有研究中，活躍力、關(guān)注力、互動(dòng)力這些是較為成熟的指標(biāo)， 本文在此基礎(chǔ)上加入基于機(jī)器學(xué)習(xí)方法的情感導(dǎo)向力指標(biāo)， 構(gòu)建如表2 所示的微博用戶影響力指標(biāo)體系。

表2 熱門話題下微博用戶影響力指標(biāo)體系

構(gòu)建的影響力模型如圖1 所示。

圖1 輿情事件下微博用戶行為影響力模型

三、微博用戶的情感分析

（一）數(shù)據(jù)獲取

長春長生生物公司于2018 年7 月11 日被舉報(bào)所生產(chǎn)的疫苗造假。 7 月21 日，文章《疫苗之王》在社交平臺(tái)微信朋友圈開始傳播， 該事件至新浪微博平臺(tái)傳播后將疫苗安全問題引燃，事件相關(guān)的輿情在7 月24 日達(dá)到最高潮，其中有關(guān)疫苗安全、衛(wèi)生監(jiān)管等衛(wèi)生安全的話題，引發(fā)了較大恐慌，也引起了國家高度重視。 本文樣本數(shù)據(jù)來源于最具代表性的社交網(wǎng)絡(luò)平臺(tái)——新浪微博，利用新浪微博API 和Python 爬蟲技術(shù)獲取2018 年7 月22 日至31 日 “長春長生問題疫苗事件”所有微博內(nèi)容、相關(guān)評論及其用戶數(shù)據(jù)，其中包括：微博用戶ID、粉絲數(shù)量、關(guān)注人數(shù)、會(huì)員認(rèn)證情況、微博博文內(nèi)容、其轉(zhuǎn)發(fā)數(shù)、其評論數(shù)、其點(diǎn)贊數(shù)以及該微博下所有評論內(nèi)容、評論用戶ID，由于新浪微博對API 的限制，利用八爪魚數(shù)據(jù)采集器進(jìn)行了相關(guān)二級用戶數(shù)據(jù)補(bǔ)充，使用戶屬性特征更加全面。

（二）數(shù)據(jù)預(yù)處理

本文抓取新浪微博高級搜索條件下“長春長生問題疫苗”事件熱門微博數(shù)據(jù)字段的基本信息包括：用戶名，評論內(nèi)容，時(shí)間，點(diǎn)贊數(shù)，回復(fù)數(shù)，共19534 條數(shù)據(jù)，抓取新浪微博關(guān)鍵詞為“長春長生問題疫苗”的微博用戶基本信息以及熱門微博下評論用戶基本信息包括：用戶名，微博認(rèn)證，性別，地區(qū)，關(guān)注數(shù)，粉絲數(shù)，微博數(shù)，用戶鏈接，共2912 條微博用戶數(shù)據(jù)。為進(jìn)一步細(xì)化該輿情事件在整個(gè)微博平臺(tái)傳播過程中的變化趨勢，本節(jié)將傳播時(shí)間段區(qū)分為小時(shí)和天，統(tǒng)計(jì)了各時(shí)間段的參與人數(shù)，做出了相應(yīng)的輿情熱度變化圖。下述將詳細(xì)對所作圖像進(jìn)行分析，得出信息傳播的大致規(guī)律。

圖2 輿情時(shí)間段走勢圖

圖2 趨勢表明， 每天20 點(diǎn)之前關(guān)注參討微博時(shí)事的較少； 每天20 點(diǎn)至24 點(diǎn)之間傳播人數(shù)最多， 時(shí)間輿情熱度最高，但由于7 月22 日20 點(diǎn)之前，這個(gè)時(shí)間節(jié)點(diǎn)比較早，雖然李克強(qiáng)總理針對該疫苗事件做出了批示，根據(jù)前文歸納該輿情事件只是處于初始傳播階段， 在這個(gè)時(shí)間段參與討論的用戶還較少，微博人數(shù)只是從開始的24 人上升到66 人。 經(jīng)過22日白天該事件的發(fā)酵，人民日報(bào)、新京報(bào)、新浪新聞等官方博主發(fā)文，晚20 點(diǎn)至24 點(diǎn)便在微博上形成了一次輿情小高峰，引發(fā)大多群眾轉(zhuǎn)發(fā)評論，內(nèi)容多為憤怒與痛心的態(tài)度，短短四個(gè)小時(shí)內(nèi)有1590 人參與討論評論等行為，此時(shí)該事件輿情處于迅速擴(kuò)散階段，人數(shù)從66 人增至1590 人，呈爆炸式增長。在23 日0 點(diǎn)至8 點(diǎn)，大多微博用戶已經(jīng)進(jìn)入休息時(shí)間，所以微博上關(guān)注評論該事件的人數(shù)在逐步下降，輿情也得到進(jìn)一步緩解。 可以發(fā)現(xiàn)，在此時(shí)間段下發(fā)微博會(huì)受到較少用戶關(guān)注。

23 日該事件已經(jīng)處于迅速擴(kuò)散階段，基本各階段人數(shù)相較初始傳播階段都多了很多， 此時(shí)輿情呈現(xiàn)負(fù)面消極的態(tài)度偏多。19 點(diǎn)，習(xí)總書記對此事件做出了重要指示后，又一次引發(fā)群眾熱議，微博評論該事件人數(shù)于23 日24 點(diǎn)至24 日4 點(diǎn)達(dá)到頂峰2169 人，不過輿論方向已從只是情緒的宣泄、對國家醫(yī)療體制的不信任轉(zhuǎn)向如何問責(zé)與追究該事件涉案人員，這一指示在一定程度上安撫了群眾情緒， 沒有向更壞的方向發(fā)展。 24 日紀(jì)委監(jiān)委等政府機(jī)構(gòu)采取了相關(guān)措施，由官方微博實(shí)時(shí)跟進(jìn)近況，此時(shí)該事件已到后期反復(fù)階段。25 日起，該輿情事件已經(jīng)到達(dá)消亡階段， 最終微博輿論態(tài)度變?yōu)樵鯓臃此际咕婇L鳴，整體事件隨著時(shí)間推移，討論人數(shù)逐漸減少趨向于0，如圖3。

圖3 每天輿情走勢圖

由此可見：（1）在時(shí)間段方面，凌晨、白天8-12 點(diǎn)是微博關(guān)注較少的時(shí)間， 而晚上8-12 點(diǎn)是眾多網(wǎng)民微博在線的黃金高峰期。 （2）在輿情階段方面，政府在輿情初始傳播階段表明官方立場，能有效阻止輿情肆意傳播。 在迅速傳播階段官方通過較為權(quán)威的多個(gè)賬號對輿情事件進(jìn)展進(jìn)行實(shí)時(shí)跟蹤報(bào)道，可引導(dǎo)輿論導(dǎo)向，也可借群眾的力量進(jìn)行相關(guān)監(jiān)督工作。

（三）基于樸素貝葉斯模型的情感分析

由于統(tǒng)計(jì)方法無法定量衡量情感偏好，本文選用機(jī)器學(xué)習(xí)方法進(jìn)行了微博用戶情感屬性分析來彌補(bǔ)數(shù)據(jù)的局限性，加入情感導(dǎo)向進(jìn)行整體影響力分析。

現(xiàn)有研究對于情感分類問題通常采用兩種方法，一種是機(jī)器學(xué)習(xí)，另一種是利用情感詞典。 當(dāng)數(shù)據(jù)量越大時(shí)，機(jī)器學(xué)習(xí)的優(yōu)勢越突出，準(zhǔn)確率會(huì)越高。 本文選擇的樸素貝葉斯模型是機(jī)器學(xué)習(xí)方法中的一種簡單、高效的方法，具有強(qiáng)有力的理論支撐，而且本文研究案例具備足夠規(guī)模的訓(xùn)練樣本集，進(jìn)行預(yù)測分類。

本文選取“長春長生疫苗事件”熱門微博下評論數(shù)據(jù)共19534 條， 篩選刪除空白評論數(shù)據(jù)1334 條、 無效評論數(shù)據(jù)1389 條、只包含@ 微博用戶數(shù)據(jù)359 條，最終剩余評論數(shù)據(jù)16452 條評論數(shù)據(jù)。 由于數(shù)據(jù)樣本過大，且考慮微博輿情傳播演變各階段對微博用戶影響程度不一樣，所以本文隨機(jī)選擇1386 條數(shù)據(jù)作為測試數(shù)據(jù)， 其余數(shù)據(jù)15066 條作為訓(xùn)練數(shù)據(jù)，為了驗(yàn)證情感分類結(jié)果的準(zhǔn)確性，對測試數(shù)據(jù)1386 條微博文本數(shù)據(jù)進(jìn)行人工情感極性標(biāo)注。 其中正向情感極性數(shù)據(jù)有658 條（47.5%），負(fù)向情感極性數(shù)據(jù)有728 條（52.5%），得到混淆矩陣表5。

表5 基于樸素貝葉斯算法的情感模型混淆矩陣結(jié)果圖

在文本情感分析中，常用的指標(biāo)有準(zhǔn)確率（precision）、召回率（recall）和F1 值。 模型把正向指標(biāo)預(yù)測為正向的數(shù)量記為TP，把負(fù)向指標(biāo)預(yù)測為正向的數(shù)量記為FN，把正向指標(biāo)預(yù)測為負(fù)向的數(shù)量記為FP，把負(fù)向指標(biāo)預(yù)測為負(fù)向的數(shù)量TN，可計(jì)算出本文熱門微博情感分析模型準(zhǔn)確率、 召回率和F1值如下：

從根據(jù)以上準(zhǔn)確率、召回率、F1 值來看，微博評論文本情感分析模型效果是比較理想的。

四、基于情感分析的微博用戶影響力實(shí)證分析

在利用樸素貝葉斯分類器高效準(zhǔn)確地分析了“長春長生問題疫苗”事件所有熱門微博博文、評論數(shù)據(jù)的情感極性的基礎(chǔ)上，接下來將采用層次分析法（AHP）和德爾菲法（Delphi）用以分析計(jì)算活躍力、關(guān)注力、互動(dòng)力、情感導(dǎo)向力四個(gè)方面因素的權(quán)重占比。

1. 首先根據(jù)表2 微博用戶實(shí)時(shí)影響力評價(jià)指標(biāo)體系，將實(shí)時(shí)影響力分成活躍力、關(guān)注力、互動(dòng)力、情感導(dǎo)向力四個(gè)準(zhǔn)則層元素。

2. 根據(jù)圖4 微博用戶影響力層次結(jié)構(gòu)圖，筆者設(shè)計(jì)了判斷矩陣表，由專家組填寫完成后，構(gòu)建出影響力因素重要性判斷矩陣。

3. 收取專家第一次判斷矩陣的結(jié)果，由筆者計(jì)算出各個(gè)因素權(quán)重占比，匯總成結(jié)果圖表，并發(fā)放給各位專家，假若任何一位專家對此結(jié)果產(chǎn)生異議，則重復(fù)上述步驟，再次填寫判斷矩陣表，重復(fù)3-4 次直到專家們意見不再修改為止。

圖4 微博用戶影響力層次結(jié)構(gòu)圖

運(yùn)用Matlab 編寫代碼，判斷各判斷矩陣是否通過一致性檢驗(yàn)并計(jì)算相應(yīng)權(quán)重，得到的結(jié)果均能通過一致性檢驗(yàn)。再結(jié)合圖4 所示的微博用戶影響力層次結(jié)構(gòu)圖， 計(jì)算得出各因素對在輿情事件中微博用戶實(shí)時(shí)影響力占比，見表6。

表6 微博用戶影響力因素權(quán)重結(jié)果表

根據(jù)“長春長生問題疫苗”熱門微博用戶數(shù)據(jù)，選擇該事件熱門微博上前三頁全部49 位目標(biāo)用戶，其中微博用戶數(shù)據(jù)包括微博數(shù)量、粉絲人數(shù)、關(guān)注人數(shù)、會(huì)員情況、更博間隔時(shí)長、該熱門微博點(diǎn)贊數(shù)、該熱門微博評論數(shù)、該熱門微博轉(zhuǎn)發(fā)數(shù)、主微博情感值、微博評論情感值、評論時(shí)間、評論點(diǎn)贊數(shù)、評論回復(fù)數(shù)量。 由于以上所涉及的輿情數(shù)據(jù)量太大，粉絲數(shù)、關(guān)注數(shù)都是成百上千萬， 所以本文將數(shù)據(jù)都進(jìn)行了歸一化處理，再結(jié)合前文計(jì)算的權(quán)重，乘以各因素占比，最后相加得到輿情事件實(shí)時(shí)微博用戶影響力排行榜，列舉排名前10 如表7。

表7 “長春長生問題疫苗”事件微博用戶影響力排行榜示例（前10）

由此可見，在“長春長生問題疫苗事件”中微博用戶影響力最大的用戶是新京報(bào)，其次是人民日報(bào)。 僅根據(jù)活躍力、關(guān)注力、 互動(dòng)力三個(gè)方面來分析， 人民日報(bào)的影響力大于新京報(bào)，與微博風(fēng)云榜是一致的，人民日報(bào)與新京報(bào)的情感極性都為積極，發(fā)現(xiàn)新京報(bào)情感得分0.89，人民日報(bào)情感得分0.65，越接近1 的博文內(nèi)容越具有情感傾向， 更容易吸引廣大網(wǎng)友轉(zhuǎn)發(fā)評論分享，傳播力更大。

還可以發(fā)現(xiàn)，影響力排在前列的大多數(shù)賬號為官方賬號，較少個(gè)人用戶上榜。分析前10 僅有的“樊建川”“八組鵝熱議”兩位個(gè)人用戶，發(fā)現(xiàn)他們的情感極性都為消極，內(nèi)容與廣大網(wǎng)友的情緒相近，被廣大網(wǎng)友轉(zhuǎn)發(fā)評論點(diǎn)贊支持，形成較大的微博熱點(diǎn)事件影響力。 除開情感導(dǎo)向力分析發(fā)現(xiàn)，“央視財(cái)經(jīng)”“環(huán)球時(shí)報(bào)”等官方用戶均比“樊建川”“八組鵝熱議”等個(gè)人用戶的影響力是明顯偏大。 在“長春長生問題疫苗”熱點(diǎn)輿情事件中，“央視財(cái)經(jīng)”“環(huán)球時(shí)報(bào)”等官方用戶情感極性都為正向，描述語句都較為理性，“樊建川”“八組鵝熱議”為負(fù)向，描述內(nèi)容包含了眾多網(wǎng)民感同身受的感受和情緒， 在該熱點(diǎn)事件中微博傳播影響力大于微博官方用戶。由此得出，微博博文情感極性為負(fù)向的微博傳播更快速，影響更大。

五、結(jié)論

社交網(wǎng)絡(luò)輿情的演化涉及多門學(xué)科， 本文選取了近兩年來有關(guān)公共安全衛(wèi)生且產(chǎn)生較大影響的“長春長生疫苗造假”輿情事件， 用統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)中的樸素貝葉斯算法對輿情事件下微博用戶博文及評論文本數(shù)據(jù)進(jìn)行了情感分析，情感分析模型準(zhǔn)確率達(dá)84.04%，在此基礎(chǔ)上通過層次分析法和德爾菲法計(jì)算出該輿情事件中微博影響力因素中情感導(dǎo)向權(quán)重達(dá)27.18%，因此，在輿情事件中用戶行為的屬性特征時(shí)，情感導(dǎo)向力應(yīng)加以考慮。 另外，在輿情迅速擴(kuò)散初期，利用影響力較大的官方微博進(jìn)行相關(guān)正向積極回應(yīng)是很有必要的。