基于社交網絡的信息傳播的研究現狀分析

◎李莉杰 賀艷芳 趙曉華

(河南開封科技傳媒學院，河南 開封 475001)

隨著計算機的快速發展、網絡的普及，網絡媒體平臺在社交、即時通信、直播、短視頻、在線教育等方面滿足了民眾的工作、學習、娛樂等需求。在2021年8月份發布的第48次《中國互聯網絡發展狀況統計報告》[1]中提到，截至2021年6月份，我國網民規模達到10.11億，短視頻用戶規模達8.88億。我國民眾已經習慣從網絡上獲得信息，并且進行信息交流。網絡給人們的生活帶來了巨大的便利。

本文從研究信息傳播的特點入手，結合網絡用戶的特點，分析和總結社交網絡在掌握和控制網絡輿情中的應用，從而全面了解社交網絡在控制網絡輿情中的作用。

一、理論基礎

網絡輿情是網絡用戶對于社會發生或存在的問題所表述或持有的信念、態度、意見和情緒等表現的總和。因為網絡信息具有傳播速度快的特性，導致網絡輿情能夠迅速形成，會對社會產生巨大的影響。而且，隨著網絡的快速發展，以及移動網絡的普及，網絡媒體已經被認為是繼報紙、廣播、電視之后的“第四媒體”。因此，網絡也已經成為反映社會輿情的主要載體之一。

網絡輿情和傳統輿情相比，具有發展快速、形式多樣的特點。在社會和網絡的快速發展中，各種問題可能會被網絡加以放大，因而網絡輿情治理也引起了國家和社會的高度關注。截至2021年6月，我國網民規模達到10.11億，比2020年12月提升了1.2個百分點。而隨之而來的就是網絡安全、網絡輿情等問題。網絡視頻、網絡直播的用戶量也是極大的增加。

社交網絡輿情是基于社交網絡展開的網絡信息傳播，是社會輿情的一種形式，是依托于社交網絡平臺對社會熱點、焦點事件以及突發問題發表態度以及觀點的集合。傳統的社交網絡平臺有微博、QQ等。隨著自媒體和短視頻的出現，社交網絡平臺也涵蓋了以抖音、快手為代表的短視頻和直播平臺，也有以百度論壇、微博、知乎、微信等文字為主的自媒體平臺。

社交網絡輿情是依存于社交網絡的，隨著社交網絡和輿情的發展，其具有以下幾個特征。

(一)信息量大、互動性高、即時性強

社交網絡平臺會促進信息的傳播，并且具有評論等交互性，實時性比較強[2]。

(二)速度快、波及廣、影響大

網絡本身具有傳播速度快的特點。網絡用戶會在短時間內快速聚集，共同關注、參與、分享、傳播同一個熱點話題或網絡事件，從而產生大量的相關信息。

(三)輿情用戶利益選擇性傳播特點突出

隨著社會的發展，輿情用戶會被更加具體地劃分，從而其利益選擇特征更加突出，在輿情傳播過程中，具有不同的角色，例如“跟隨者”“意見領袖”等。由于獲取到的信息的不對等性，跟隨者(微博中稱之為“粉絲”)會根據自己的需求進行選擇性傳播獲取的信息。因此，弱勢群體或者說利益受損者的利益會損失較大。

(四)用戶聚合分化特征比較明顯

社交網絡將現實人際網絡進行空間扁平化，為現實距離遙遠的人的交流提供了可能。在20世紀60年代時，已經存在“六度分割理論”，該理論是指用戶可以通過朋友的朋友認識整個社交平臺上的其他人。但是隨著社交網絡的發展，有人指出，社交網絡平臺上用戶之間的距離從6縮小到4。人們之間的交流更加便利，但是網絡信息的傳播也加速了以意見領袖(網絡中的關鍵節點)為中心，形成聚集化網絡社群，同時可能會不斷衍生出輿情。

二、互聯網中的網絡群體

隨著互聯網的發展，移動4G、5G時代的到來，各類自媒體如雨后春筍般涌現出來。根據用戶在線下存在的社交關系，可以將社交平臺劃分為熟悉人群社交平臺和陌生人群社交平臺。基于熟悉人群社交平臺，組成了熟悉人群網絡社交群體；基于由陌生人群社交平臺，組成了陌生人群網絡群體。

(一)熟悉人群網絡群體

以微信、QQ為主的即時通信媒體是近幾年使用頻率極高的網絡社交媒體。在微信、QQ等上面進行交流的，是典型的“熟悉人群”。這類社交平臺上面的用戶是具有一定的熟悉度的，形成了比較穩定的社交群體。經常使用電子郵件進行交流的，也是具有一定的認識基礎的，同樣是屬于“熟悉人群”。由熟悉人群構成的社交群體，是比較穩固的社交群體，具有較強的意見認同性。其意見領袖是具有較強的號召力的。

(二)陌生人群網絡群體

與微信、QQ等熟悉人群使用的社交平臺相對應的是陌生人群使用的社交平臺，例如論壇、貼吧、微博、小紅書等文字形式的社交平臺，還有B站、抖音、快手等視頻平臺，以及直播形式的社交平臺。這種社交網絡平臺上的人群，在現實世界中幾乎沒有重疊的社交網絡，他們之間的信息傳遞是短暫的，且具有碎片化的特點。但是這些人群獲得的信息是有局限的，容易受到信息發布者的干擾。同時，受眾的觀點也容易受到意見領袖的引導。

三、網絡輿情的研究現狀

隨著社交網絡用戶的增多，社交平臺的增加，大量的人員在社交網絡上進行轉發和評論信息，普通網民也是網絡輿情信息的傳播者，也可能成為網絡輿情的關鍵人物或者意見領袖。

在2012年以后，國外關于社交網絡輿情的研究成果開始增加，并且從理論研究層面發展到了實踐層面，對社交網絡輿情的研究可以歸類為用戶行為研究、傳播模型研究、不同社交媒體的輿情傳播研究和輿情信息安全。從2010年1月1日到2021年12月31日，基于CNKI期刊全文數據庫，以“網絡輿情”或者以“網絡輿論”的“治理”“監督”為檢索主題詞，選擇“或者”作為邏輯關系式，選擇“精確”為檢索條件，共檢索到5萬多條文獻記錄。網絡輿情是跨學科的研究，不同的研究視角，構建不同的策略。目前，系統動力學、大數據、突發事件、微博等也是國內學者研究的重點。另外，通過知識圖譜分析網絡輿情的相關研究，也是當前國內的熱點話題。目前，社交網絡在網絡輿情方面的研究方向如下。

(一)基于知識圖譜的網絡輿情研究

知識圖譜也被稱為科學知識圖譜、領域可視化等，是可以表達知識發現的過程和組織關系圖形，使用更加直觀的可視化方法表達知識資源以及載體[3]。利用知識圖譜構建出基于大數據的社交網絡輿情主題圖譜，可以對輿情的復雜關系、輿情的演進過程進行可視化分析，并識別出其中存在的潛在風險，進而提高事前預警和事后監控的效率，更好地調整輿情調控策略。

利用知識圖譜對抗擊疫情期間的意見領袖的熱點話題進行檢查和分析，也可以利用知識圖譜研究大數據驅動下的社交網絡的網絡輿情，從知識圖譜的理論分析、應用分析、構建分析、可視化分析等方面出發，分析目前社交網絡輿情的研究熱點。

(二)基于信息生態系統的社交網絡輿情傳播

網絡信息傳播過程與傳染病傳播過程具有相似的規律。網絡信息傳播的模型分為傳染病動力學模型、計算機病毒傳播模型和謠言傳播模型。傳染病傳播有幾種經典的傳播模型，分別是SI模型——只有感染者I和易感染者S；SIR模型——易感染者S、感染者I和免疫者或恢復者R；SIS模型——易感染者S、感染者I。在這三種經典模型中，都是感染、免疫、再次感染等。當然在此基礎上，還有幾種改進模型，例如增加了潛伏期或者遺忘潛伏者E、記憶等機制。基于此，可以將傳染病模型應用到輿情控制中，例如利用SIR模型，可以將用戶分為未轉發、轉發者，已經轉發過但帖子消失或者被淹沒者。從這些動力學模型可以了解信息傳播的過程，即可了解網絡輿情的發展過程。

利用傳播動力學可以有助于了解網絡信息傳播的規律，了解輿情發展的過程。信息傳播也是隨著網絡和時間進行變化的。因此，有些學者關注到了時序網絡中信息傳播的演化。例如李峰等關注到了時序網絡視角下的網絡輿情演化模型，這個模型是結合SIR模型建立的信息擴散的智能體模型[4]。在這個模型方法下，為每位用戶建立智能體模型，賦予靜態屬性和動態的屬性，并且構建了社交平臺上的用戶智能體模型以及用戶之間的關系模型，演化多智能體的信息擴散，同時他們也提出用戶轉發信息的行為偏好是導致信息擴散結果難以預測的最大原因。同樣的，李峰在2018年也研究過小世界網絡環境下謠言傳播對產品定價的影響，在2019年做過小世界網絡下病毒式信息傳播的仿真分析。

在信息傳播的過程中，則會出現一些關鍵節點，這些關鍵結點會影響事情的發展或者導致事件快速的傳播。利用傳播網絡中的關鍵節點，可以對網絡新聞引用量進行預測，有助于對網絡輿情進行監管[5]。因此，在輿情事件的發酵以及快速傳播過程中，關鍵節點是重要的一環。關鍵節點的影響力比普通網民的影響力大，而且普通網民會在關鍵節點轉發或者在發表的文章下面進行評論，進而也會推動事件的發酵。意見領袖普遍為專家等，他們的法律意識強、道德觀念也較強，影響力巨大。關鍵節點或者說意見領袖的文章、視頻、評論，對普通網民具有引導性的作用。因此，有學者利用意見領袖的概念，提出基于社交網絡的輿情傳播控制模型。在傳染病的監控策略中，選擇監控關鍵結點可以進行傳染病的早期檢測，以及對傳染病進行暴發預測。因此，在預防傳染病的過程中需要發現關鍵結點。因此，時序網絡上基于友誼悖論的傳染病哨兵結點(關鍵結點)的選擇策略的研究，同樣可以應用到信息傳播中。有的學者基于時序網絡層間同構率動態演化進行建模分析，同時提取網絡各個層間的連接關系和逼近關系，對關鍵結點辨識的綜合貢獻率，然后建立模型，最終利用特征向量中心性發現網絡的關鍵結點。

(三)網絡輿情文本分析

在社交網絡平臺上，網絡用戶針對于每個視頻或者文字內容進行評論，表達自己的觀點。但是由于獲取到消息的不對等，評論者等會根據意見領袖或者內容發布者發布的內容進行評論，從而表達出自己的觀點。但是，情感會隨著時間的變化而發生不同的變化，用戶從信息的被動接受到主動進行獲取和傳播，然后對熱點問題表達相應的觀點、情緒和態度。因此，可以通過對社交網絡用戶的情感進行分析，并對情感演化規律進行分析，從而能夠幫助輿情監管者了解輿情走勢，并進行針對性的引導和管控。

因此，通過對網絡信息進行文本分析，可以了解網民的情緒變化，從而有利于監管部門及時地了解到網民的感情傾向，采取針對性的措施引導網民的情緒，進而消除網絡輿情。王飛以分析微博文本的情感傾向為目標，采集信息，并對其進行預處理，針對社交網絡影響的最大化，融合用戶行為分析的網絡微博內容進行了情感分析，構建出輿情分析與語境模型和原型系統[6]。除了微博數據，也有將景點的評論作為研究對象，然后通過領域詞典和LDA模型實現了對文本的情感分析，并且采用了詞頻分析挖掘出積極評論和消極評論之間的關聯，從而可以為景區的優質服務和決策提供數據支持和理論支撐。也可以對正向和負向情感大類進行更深層的情感小類劃分，分別構建大類情感分類的模型和小類情感分類的模型，并且融合多種粒度的模型，得到詞句的特征，然后獲取文本的多層次情感特征，從而實現對文本的多情感分析。

但是網絡信息傳播的過程中，一些網民在使用互聯網的過程中創造出來的新詞，在某些情況下，充當了關鍵詞的角色，表達了一種復雜的情感。有人關注到了這些新詞，提出了基于TopWORDS算法的新詞特征提取及識別方法，并且加以改進，對這些詞進行了可視化分析和LDA主題分析。

四、結語

在大數據環境下，由于網絡的快速發展，社交網絡的生態治理和輿情監控需要適用新時代發展的需求。本文在關注到網絡信息傳播情況的基礎上，進行總結，將網絡信息傳播情況進行了劃分。相關的研究者不僅僅研究信息傳播，也有研究傳播內容的。對于研究信息傳播內容而言，從目前的研究成果看，輿情監控主要是針對于文本內容的，關于視頻等影音內容的研究比較少。而關注到社交網絡中的關鍵節點，可以預測熱點話題的流量，也可以對熱點內容進行監管。針對社交網絡輿情，對文本內容、視頻、音頻等多種數據進行監控是目前關注的熱點。隨著5G的發展，短視頻等產生的輿情可能會是今后關注的重點問題。