基于SNA的突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播影響力

萬(wàn)鈺玨，李世銀，房子豪，折亞亞，王雨秋，王 帆，景興鵬

(1.西安科技大學(xué) 安全科學(xué)與工程學(xué)院，陜西 西安 710054;2.中煤科工集團(tuán)西安研究院有限公司，陜西 西安 710054)

0 引 言

截至2021年12月，中國(guó)網(wǎng)民規(guī)模為10.32億，手機(jī)網(wǎng)民規(guī)模達(dá)10.29億，互聯(lián)網(wǎng)普及率73%[1]。隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)成為熱點(diǎn)輿論最重要的聚集地，引導(dǎo)和管控網(wǎng)絡(luò)輿情發(fā)展是處置突發(fā)事件網(wǎng)絡(luò)輿情的重要手段。面對(duì)突發(fā)事件，快速有效地對(duì)網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖進(jìn)行引導(dǎo)是管控突發(fā)事件網(wǎng)絡(luò)輿情發(fā)展的關(guān)鍵。

當(dāng)前，國(guó)內(nèi)外學(xué)者對(duì)網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖開(kāi)展了一系列研究。BAMAKAN等綜述近年來(lái)各類(lèi)網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖識(shí)別方法并分析其優(yōu)缺點(diǎn)[2]。JAIN等提出了GOLD算法、WHALE優(yōu)化算法來(lái)識(shí)別意見(jiàn)領(lǐng)袖聯(lián)盟[3-4]。LI等通過(guò)分析用戶情感影響識(shí)別意見(jiàn)領(lǐng)袖[5]。LUQIU等以中國(guó)社交平臺(tái)微博為信息源，從事件關(guān)注者數(shù)量和評(píng)論語(yǔ)調(diào)2個(gè)方面識(shí)別意見(jiàn)領(lǐng)袖并分析其影響力[6]。YIN等構(gòu)建意見(jiàn)延遲免疫模型揭示意見(jiàn)領(lǐng)袖對(duì)信息傳播的影響力[7]。嚴(yán)煒煒通過(guò)構(gòu)建視頻質(zhì)量評(píng)價(jià)指標(biāo)體系，使用聚類(lèi)分析法揭示了意見(jiàn)領(lǐng)袖形成路徑[8]。安璐等從意見(jiàn)領(lǐng)袖的評(píng)論內(nèi)容及用戶間的交互入手識(shí)別網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖[9]。徐翔認(rèn)為意見(jiàn)領(lǐng)袖具有信息傳播的擴(kuò)散力與影響力[10]。孫羽等基于網(wǎng)絡(luò)分析和文本挖掘分析意見(jiàn)領(lǐng)袖的各類(lèi)特點(diǎn)[11]。方世南等認(rèn)為意見(jiàn)領(lǐng)袖在傳播和引導(dǎo)網(wǎng)絡(luò)輿情時(shí)具有正負(fù)2個(gè)方面的作用[12]。余樹(shù)英認(rèn)為不同類(lèi)型網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的影響力存在一定的差異性[13]。國(guó)外對(duì)意見(jiàn)領(lǐng)袖的研究側(cè)重于識(shí)別算法，而國(guó)內(nèi)對(duì)意見(jiàn)領(lǐng)袖的研究主要圍繞其傳播特征及作用機(jī)理，對(duì)于突發(fā)事件網(wǎng)絡(luò)輿情下的意見(jiàn)領(lǐng)袖傳播影響力特征研究較少。

因此，以突發(fā)事件“湖北十堰燃?xì)獗ā睘槔⒉┳鳛閿?shù)據(jù)源，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)采集樣本數(shù)據(jù)，運(yùn)用Gephi繪制意見(jiàn)領(lǐng)袖輿情傳播可視化圖，呈現(xiàn)突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播關(guān)系。利用UCINET從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度，對(duì)突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行測(cè)度分析，以期為更好地引導(dǎo)和管控突發(fā)事件網(wǎng)絡(luò)輿情提出切實(shí)可行的方法。

1 社會(huì)網(wǎng)絡(luò)分析

1.1 社會(huì)網(wǎng)絡(luò)分析法

社會(huì)網(wǎng)絡(luò)分析法(social network analysis，SNA)能夠直觀、有效地展示社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)中行動(dòng)者之間的互動(dòng)關(guān)系，通過(guò)使用相關(guān)可視化工具繪制網(wǎng)絡(luò)圖，分析社會(huì)網(wǎng)絡(luò)關(guān)系中各節(jié)點(diǎn)的中心趨勢(shì)、密切關(guān)系、分散程度。該方法可應(yīng)用于各行各業(yè)的事物及人物之間復(fù)雜關(guān)系分析研究[14-16]。

1.2 Gephi可視化

Gephi可處理海量的網(wǎng)絡(luò)數(shù)據(jù)集，既能在節(jié)點(diǎn)層面對(duì)網(wǎng)絡(luò)屬性進(jìn)行統(tǒng)計(jì)分析，也可使用不同布局算法對(duì)數(shù)據(jù)進(jìn)行可視化處理，還可以對(duì)動(dòng)態(tài)網(wǎng)絡(luò)進(jìn)行模擬分析[17-19]。因此，本文使用Gephi可視化處理“湖北十堰燃?xì)獗ā笔录?shù)據(jù)，利用網(wǎng)絡(luò)密度、點(diǎn)度中心性屬性，更加直觀地反映出意見(jiàn)領(lǐng)袖傳播的復(fù)雜關(guān)系。

1.3 UCINET軟件

UCINET是目前學(xué)術(shù)研究運(yùn)用較廣的社會(huì)網(wǎng)絡(luò)分析軟件之一[20-22]。UCINET的中心性、凝聚子群、關(guān)聯(lián)性分析等方法，可通過(guò)直觀的網(wǎng)絡(luò)圖進(jìn)行數(shù)據(jù)關(guān)系展示。基于此，利用UCINET中網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度的分析指標(biāo)得到意見(jiàn)領(lǐng)袖傳播影響力測(cè)度數(shù)據(jù)，為文中研究提供科學(xué)的理論依據(jù)。

2 實(shí)例分析

2.1 事件回顧

2021年6月13日早晨6點(diǎn)30分左右，湖北十堰市張灣區(qū)艷湖小區(qū)發(fā)生燃?xì)獗ㄊ鹿省ｋS著救援工作的開(kāi)展，官方媒體實(shí)時(shí)報(bào)道現(xiàn)場(chǎng)救援情況，由于傷亡人數(shù)不斷增加，網(wǎng)民通過(guò)網(wǎng)絡(luò)平臺(tái)獲取到該突發(fā)事件的相關(guān)報(bào)道，并發(fā)表個(gè)人對(duì)于此次突發(fā)事件的觀點(diǎn)和情緒，從而加速引發(fā)了網(wǎng)絡(luò)平臺(tái)上的群體性互動(dòng)，該事件迅速成為熱點(diǎn)話題，推動(dòng)了此次突發(fā)事件網(wǎng)絡(luò)輿情的發(fā)展。通過(guò)百度指數(shù)搜索“湖北十堰”、“燃?xì)獗ā薄ⅰ盎@區(qū)”、“張灣區(qū)艷湖小區(qū)”等關(guān)鍵詞，研究的時(shí)間段設(shè)定為6月13日至6月23日，獲得此次突發(fā)事件網(wǎng)絡(luò)輿情傳播趨勢(shì)，如圖1所示。

圖1 “湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播趨勢(shì)Fig.1 Dissemination trend of internet public opinion on “Gas explosion in Shiyan，Hubei”

2.2 數(shù)據(jù)獲取

采用網(wǎng)絡(luò)爬蟲(chóng)、微博關(guān)鍵詞搜索、“滾雪球采樣”等方法對(duì)“湖北十堰燃?xì)獗ā蓖话l(fā)事件進(jìn)行研究，為獲取與事件相關(guān)微博的轉(zhuǎn)發(fā)量和評(píng)論量，對(duì)相關(guān)微博進(jìn)行了三輪信息數(shù)據(jù)爬取。

具體步驟為：將爬取數(shù)據(jù)源的時(shí)間設(shè)置為2021年6月13日—6月23日，在新浪微博搜索“湖北十堰”、“張灣區(qū)艷湖小區(qū)”、“燃?xì)獗ā钡雀哳l關(guān)鍵詞爬取相關(guān)話題的微博轉(zhuǎn)發(fā)量、評(píng)論量等信息。第1輪數(shù)據(jù)爬取，共獲得微博數(shù)據(jù)889條，將889條微博用戶ID以轉(zhuǎn)發(fā)量和粉絲量為標(biāo)準(zhǔn)，從高到低綜合排序，選取其中轉(zhuǎn)發(fā)量和粉絲量排名均在前100的微博用戶ID；第2輪數(shù)據(jù)爬取，隨機(jī)選取第1輪中具有代表性的5條微博ID，作為第2次數(shù)據(jù)爬取初始節(jié)點(diǎn)，從而進(jìn)行第2輪數(shù)據(jù)爬取，即第2輪數(shù)據(jù)爬取初始節(jié)點(diǎn)為“澎湃新聞”、“頭條新聞”、“扒妹一米五”、“中國(guó)新聞網(wǎng)”、“每日經(jīng)濟(jì)新聞”；第3輪數(shù)據(jù)爬取，重復(fù)第1輪、第2輪數(shù)據(jù)爬取流程，同樣根據(jù)高頻關(guān)鍵詞，隨機(jī)性選取具有代表性的微博用戶ID，從而進(jìn)行第3次信息數(shù)據(jù)爬取。

2.3 Gephi可視化分析

基于獲取的數(shù)據(jù)，將其轉(zhuǎn)化為Gephi所需要的CSV格式，導(dǎo)入Gephi中，共得到246個(gè)節(jié)點(diǎn)以及268條有向邊。在此次傳播網(wǎng)絡(luò)中，節(jié)點(diǎn)屬性代表發(fā)布相關(guān)信息的傳播者微博ID，邊屬性代表傳播者相互之間的轉(zhuǎn)發(fā)、評(píng)論關(guān)系。經(jīng)過(guò)統(tǒng)計(jì)計(jì)算得到Gephi可視化網(wǎng)絡(luò)參數(shù)見(jiàn)表1。

表1 Gephi可視化網(wǎng)絡(luò)參數(shù)Table 1 Gephi visual network parameters

平均度表示整個(gè)傳播網(wǎng)絡(luò)中各節(jié)點(diǎn)間的直接關(guān)聯(lián)程度，平均度數(shù)值越大，其直接關(guān)聯(lián)程度越高。從表1可得，該傳播網(wǎng)絡(luò)的平均度只有1.61，表明傳播網(wǎng)絡(luò)中各節(jié)點(diǎn)間的直接關(guān)聯(lián)程度較低。圖密度反映整個(gè)傳播網(wǎng)絡(luò)結(jié)構(gòu)的完整程度，圖密度越小，表明網(wǎng)絡(luò)結(jié)構(gòu)的完整程度越差。該傳播網(wǎng)絡(luò)的圖密度僅為0.01，表明傳播網(wǎng)絡(luò)結(jié)構(gòu)完整程度較差，網(wǎng)絡(luò)結(jié)構(gòu)較為松散，信息流通性較低。

在Gephi中，首先使用“Force Atlas”算法調(diào)整節(jié)點(diǎn)布局，然后通過(guò)彈性模型“Fruchterman Reingold”對(duì)節(jié)點(diǎn)進(jìn)行布局優(yōu)化，最終得到“湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播可視化如圖2所示。通過(guò)Gephi的點(diǎn)度中心度算法，對(duì)“湖北十堰燃?xì)獗ā蓖话l(fā)事件的網(wǎng)絡(luò)輿情傳播點(diǎn)度中心度進(jìn)行測(cè)度，選取前20測(cè)度結(jié)果見(jiàn)表2。

表2 點(diǎn)度中心性Top 20測(cè)度結(jié)果Table 1 Top 20 measurement results of point degree centrality

從表2可得，“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”、“澎湃新聞”、“扒妹一米五”5個(gè)節(jié)點(diǎn)是點(diǎn)度中心性最高節(jié)點(diǎn)，占據(jù)此次突發(fā)事件網(wǎng)絡(luò)輿情傳播核心位置，意味著其處于網(wǎng)絡(luò)輿情傳播優(yōu)勢(shì)地位。入度值和出度值均表示一個(gè)點(diǎn)與其他點(diǎn)的交互情況，由此得出該5個(gè)節(jié)點(diǎn)影響力和交互性極高，表明這些節(jié)點(diǎn)是此次突發(fā)事件網(wǎng)絡(luò)輿情傳播中的意見(jiàn)領(lǐng)袖。

圖2為參與“湖北十堰小區(qū)爆炸”事件網(wǎng)絡(luò)輿情傳播者的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模塊化分析結(jié)果表明，“頭條新聞”社區(qū)是最大社區(qū)，占5個(gè)社區(qū)總和的30.52%；“扒妹一米五”社區(qū)是最小社區(qū)，占比10.17%。基于此結(jié)果可得，“頭條新聞”社區(qū)的傳播者聚積度最高，關(guān)系網(wǎng)最密集，是此次輿情事件中傳播影響力最大意見(jiàn)領(lǐng)袖。從傳播者類(lèi)型分析，以“扒妹一米五”為代表的自媒體與以“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”為代表的官方媒體相比，所帶來(lái)的傳播影響力較小。

圖2 “湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播拓?fù)浣Y(jié)構(gòu)Fig.2 Topology structure of network public opinion dissemination of “Gas explosion in Shiyan，Hubei”

由此可見(jiàn)，在引導(dǎo)與管控突發(fā)事件網(wǎng)絡(luò)輿情中的意見(jiàn)領(lǐng)袖時(shí)，應(yīng)對(duì)傳播影響力較大的自媒體和官方媒體進(jìn)行有效的監(jiān)管。

2.4 網(wǎng)絡(luò)密度分析

在UCINET軟件中，構(gòu)建了246個(gè)節(jié)點(diǎn)間的微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)，其中各節(jié)點(diǎn)代表微博信息發(fā)布者ID，邊之間權(quán)重代表節(jié)點(diǎn)之間進(jìn)行轉(zhuǎn)發(fā)的互動(dòng)次數(shù)。

網(wǎng)絡(luò)密度是傳播者構(gòu)成的節(jié)點(diǎn)間信息傳播的互動(dòng)程度，在有向網(wǎng)絡(luò)圖中，如果整體網(wǎng)絡(luò)中包含的實(shí)際關(guān)系數(shù)目為a，那么其中包含的關(guān)系總數(shù)在理論上的最大可能值為b(b-1)，則該網(wǎng)絡(luò)整體密度M的表達(dá)式為[23]

(1)

整體網(wǎng)的密度越大，表明網(wǎng)絡(luò)成員之間的聯(lián)系越緊密，該網(wǎng)絡(luò)對(duì)其中傳播者的態(tài)度、行為等產(chǎn)生的影響就越大。運(yùn)用UCINET對(duì)“湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播網(wǎng)絡(luò)密度進(jìn)行測(cè)度，得到測(cè)度結(jié)果如圖3所示。

圖3 整體網(wǎng)密度測(cè)度結(jié)果

從圖3可知，在此次“湖北十堰燃?xì)獗ā陛浨閭鞑ゾW(wǎng)絡(luò)中，共有246個(gè)傳播節(jié)點(diǎn)，實(shí)際發(fā)生的關(guān)系連接數(shù)為1 270條，該事件網(wǎng)絡(luò)密度為0.021。表明每1 000名行為者中，僅有21人存在互動(dòng)關(guān)系。MAYHEW等利用隨機(jī)選擇模型分析得出實(shí)際社會(huì)網(wǎng)絡(luò)整體圖中最大網(wǎng)絡(luò)密度值為0.5[24]。由此可得，突發(fā)事件“湖北十堰燃?xì)獗ā钡木W(wǎng)絡(luò)輿情在傳播過(guò)程中整體網(wǎng)密度較低，傳播者的轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊等信息互動(dòng)性較差，傳播者間的關(guān)聯(lián)性較低。

2.5 網(wǎng)絡(luò)中心性分析

2.5.1 中間中心度分析

中間中心度是測(cè)量傳播者對(duì)信息資源控制的程度。即一個(gè)節(jié)點(diǎn)的中間中心度越大，表明在傳播過(guò)程中是比較重要的“中介”傳播路徑，表示該節(jié)點(diǎn)擁有控制信息資源的重要地位。如果一個(gè)點(diǎn)的中間中心度為1，表示能100%控制其他傳播者，擁有巨大的影響力。中間中心度表達(dá)式為[23]

(2)

式中bjk為點(diǎn)j和k間存在的最短數(shù)目，bjk(ni)是包含節(jié)點(diǎn)ni的2個(gè)節(jié)點(diǎn)之間的最短路線數(shù)目。

通過(guò)UCINET軟件測(cè)得該事件的中間中心度，并取前50名網(wǎng)絡(luò)節(jié)點(diǎn)見(jiàn)表3。

表3 中間中心度Top 50測(cè)度結(jié)果Table 3 Top 50 measurement results of betweenness centrality

從表3可得，“扒妹一米五”、“大鵬發(fā)布”、“筆錄舶圓鄉(xiāng)”等傳播者的中間中心度最大，表明眾多傳播者通過(guò)這些傳播者進(jìn)行信息傳播，其在信息傳播中很大程度發(fā)揮了“中介”能力，同時(shí)表明這些傳播者有很強(qiáng)的信息控制能力，由此得出是此次輿情傳播影響力最大的意見(jiàn)領(lǐng)袖。“遇見(jiàn)美好”、“逸竹仙”、“南京市秦淮區(qū)紅十字會(huì)”等傳播者中間中心度為0，意味著上述傳播者在輿情傳播中不具備“中介”能力，表明上述傳播者并非信息發(fā)布源，幾乎沒(méi)有信息控制能力，由此認(rèn)為在該次輿情傳播中上述傳播者非意見(jiàn)領(lǐng)袖。

2.5.2 接近中心度分析

接近中心度反映傳播者對(duì)網(wǎng)絡(luò)的控制程度。接近中心度越小，表示傳播者越接近網(wǎng)絡(luò)中的核心地位，其信息依賴(lài)程度越小，在信息獲取中越具有優(yōu)勢(shì)、權(quán)力聲望也越高，則表示該傳播者在整個(gè)網(wǎng)絡(luò)中越重要。接近中心度的表達(dá)式為[23]

(3)

式中dij為節(jié)點(diǎn)i與節(jié)點(diǎn)j的捷徑距離。

通過(guò)UCINET軟件測(cè)得該事件的接近中心度，并取前50名網(wǎng)絡(luò)節(jié)點(diǎn)見(jiàn)表4。

表4 接近中心度Top 50測(cè)度結(jié)果Table 4 Top 50 measurement results of closeness centrality

從表4可以看出，“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”傳播者接近中心度最小，表明上述傳播者更接近網(wǎng)絡(luò)輿情傳播核心地位，對(duì)其他傳播者的信息依賴(lài)程度最低。在獲取信息方面更具備優(yōu)勢(shì)，并在傳播過(guò)程中擁有的權(quán)力聲望更高，意味著其不易受其他傳播者控制，進(jìn)一步證實(shí)上述傳播者是此次突發(fā)事件網(wǎng)絡(luò)輿情傳播的意見(jiàn)領(lǐng)袖。“青流視頻”、“低調(diào)大士”、“大河報(bào)”等傳播者接近中心度最大，表明上述傳播者遠(yuǎn)離網(wǎng)絡(luò)輿情傳播核心地位，對(duì)“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”等傳播者的信息依賴(lài)程度最高，從而極易受其他傳播者控制。在獲取信息方面不具備優(yōu)勢(shì)且傳播過(guò)程中擁有的權(quán)利聲望也最低。

2.6 凝聚子群分析

凝聚子群是傳播者的一個(gè)子集合，在此集合中的傳播者之間具有相對(duì)較強(qiáng)的、直接的、緊密的或積極的關(guān)系。如果傳播網(wǎng)絡(luò)存在凝聚子群，且凝聚子群的密度較高，表明傳播網(wǎng)絡(luò)中處于凝聚子群內(nèi)部的傳播成員相互之間聯(lián)系緊密，在信息交流和合作方面交互性高[23]。通過(guò)UCINET中的CONCER迭代相關(guān)收斂法，經(jīng)過(guò)3次迭代，得到此次突發(fā)事件網(wǎng)絡(luò)傳播的凝聚子群成員統(tǒng)計(jì)和網(wǎng)絡(luò)傳播凝聚子群，見(jiàn)表5，如圖4所示。

從圖4可以看出，該傳播網(wǎng)絡(luò)存在7個(gè)子群，從上到下依次排序?yàn)?子群-7子群。其中，1，3，4，7子群規(guī)模較大，包含傳播成員較多。從表5可看出，以1子群為例，1子群以“澎湃新聞”為中心形成包含55個(gè)傳播者的子群，意味著該子群中傳播者相互聯(lián)系緊密，具有穩(wěn)定且較大信息傳播影響力。最小子群是僅包含1個(gè)傳播者的6子群，即118號(hào)“大鵬發(fā)布”，表明子群也會(huì)出現(xiàn)單個(gè)成立的情況，同時(shí)表示該傳播者“大鵬發(fā)布”與其他傳播者交互性最差，且信息傳播影響力最低。由此得出，傳播者較多子群有利于信息傳播擴(kuò)散，其傳播影響力則會(huì)更大。

表5 凝聚子群成員統(tǒng)計(jì)Table 5 Statistics of cohesive subgroup members

圖4 “湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播凝聚子群Fig.4 Cohesive subgroup of network public opinion dissemination of “Gas Explosion in Shiyan，Hubei”

凝聚子群密度是衡量一個(gè)網(wǎng)絡(luò)中群體現(xiàn)象的嚴(yán)重程度，凝聚子群密度取值范圍在[-1，1]，值越接近于1，表示派系林立程度越大，值越接近于-1，表示派系林立程度越小[25]。從圖5可以看出，該網(wǎng)絡(luò)凝聚子群密度為0.249，證明在該網(wǎng)絡(luò)中存在小群體現(xiàn)象，但派系林立程度不嚴(yán)重。從整體來(lái)看，每個(gè)子群密度均高于整體網(wǎng)絡(luò)密度0.021。從子群間密度來(lái)看，個(gè)別子群與子群間密度值為0，表明一些子群間信息交流不緊密，但1,2,3,4,5子群間信息交流較為緊密。因此，可得出該網(wǎng)絡(luò)中傳播者之間派系關(guān)系相對(duì)合理，有派系林立且相互間有關(guān)聯(lián)性，有利于信息交流和傳播擴(kuò)散。

圖5 凝聚子群密度矩陣

3 結(jié) 論

1)“湖北十堰燃?xì)獗ā本W(wǎng)絡(luò)輿情傳播的整體關(guān)聯(lián)度較低，傳播者之間交互性不夠緊密。基于Gephi和UCINET測(cè)度結(jié)果分析，“湖北十堰燃?xì)獗ā闭w網(wǎng)密度指數(shù)較低，傳播網(wǎng)絡(luò)結(jié)構(gòu)較為松散，信息流通性較低；傳播者之間信息交流不夠密切、關(guān)聯(lián)程度不夠高。

2)研究發(fā)現(xiàn)，“頭條新聞”、“央視新聞”、“人民日?qǐng)?bào)”、“澎湃新聞”、“扒妹一米五”5名傳播者是該次突發(fā)事件網(wǎng)絡(luò)輿情傳播影響力較大的意見(jiàn)領(lǐng)袖。該5名傳播者在網(wǎng)絡(luò)中擁有優(yōu)勢(shì)地位，能夠控制其他傳播者信息傳播擴(kuò)散，具有較高權(quán)利和聲望，傳播影響力較大，應(yīng)加強(qiáng)對(duì)意見(jiàn)領(lǐng)袖輿情傳播的引導(dǎo)與管控。

3)通過(guò)運(yùn)用復(fù)雜網(wǎng)絡(luò)可視軟件Gephi和社會(huì)網(wǎng)絡(luò)分析軟件UCINET繪制可視化圖并構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度分析突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播影響力，總結(jié)突發(fā)事件網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖傳播影響力特點(diǎn)，為政府應(yīng)對(duì)突發(fā)事件網(wǎng)絡(luò)輿情提供更有效的治理方法。