基于涉军论坛中用户属性及关系的用户影响力分析.docxVIP

?

?

基于涉军论坛中用户属性及关系的用户影响力分析

?

?

娄国哲+王兰成

[摘要]涉军论坛是聚焦涉军主题的社交服务平台，分析其用户属性、关系及其影响力对于舆情引导具有重要的现实意义。本文使用特定的数据采集策略，获取了某涉军论坛的上万名用户数据，运用基于用户属性和社会网络的9个指标对用户影响力进行具体的分析和排名，最后使用投票法对结果进行了综合分析，从而查找最具影响力的前10名用户，找出地位特殊的用戶，为舆情引导提供重要依据。

[关键词]涉军论坛；用户；属性；关系；影响力

doi：10.3969/j.issn.1673-0194.2016.22.099

[]G25.2[]A[]1673-0194（2016）22-0-03

在美国实施重返亚太战略后，我国东南海方向军情越发复杂，联合军演、自由巡航、南海仲裁等大量涉军话题在主流媒体中不断曝光。由于涉军论坛具有表现能力强、参与用户广、互动方式多等特点，自然成为涉军舆情引导的主要战场之一。针对具体的涉军论坛，本文分析其用户影响力，发现“论坛领袖”，为舆情引导提供重要依据。

1用户属性及关系数据的采集

分析用户影响力的一般过程，首先是通过采集器采集用户属性数据及其关系数据，然后对采集到的数据进行规整和建模，最后建立评价指标对用户影响力进行评价。

1.1采集策略的制定

采集论坛用户数据的最有效方法是论坛管理员直接获得后台数据，但是这种方法往往难以实施，常用的方法是使用网络爬虫对特定论坛进行抓取。要想高效地获取有价值的用户数据，必须遵循一定的抓取策略。抓取策略主要包括初始用户集合的确定、搜索算法的选取、干扰用户的鉴别、终止条件的确定等方面。

（1）初始用户集合的确定。可以有多种方法，例如可以选择论坛热帖的楼主和跟帖者作为初始用户集合，也可以选择某主题新帖的楼主和跟帖者作为初始用户集合，还可以以各版块版主作为初始用户集合等。

（2）搜索算法的选取。主要分为广度优先、深度优先和最佳优先策略三种算法。广度优先算法以初始用户集合为中心进行逐层扩展，采集的用户与初始用户关系密切；深度优先算法以初始用户集合为起点进行深度搜索，易搜索出复杂的关系网。

（3）干扰用户的鉴别。论坛中除了大量的僵尸用户外，还有不少水军，排除这些用户更利于提高用户分析的效率和准确性。可以通过查看用户登录时间、发帖数量、发帖质量来进行有效鉴别。

（4）终止条件的确定。用户搜索必须设置终止条件，例如：可以设定用户数量上限、可以设定搜索次数、可以设定搜索深度等。不同的用户分析需求应该选择不同的终止条件。

依据采集目的，本文采取的策略为：以涉军板块新帖楼主和跟帖者为初始用户集合，采用广度优先的搜索算法，屏蔽长时间没有登录的用户和发帖质量较低的用户，直至搜索不到新的有效用户为止。

1.2采集步骤的设计

本文采集的论坛中，用户可以通过添加关注的方式将其他用户加自己的“好友”，好友的最近动态将被自动推送给关注用户。关注某用户的用户称之为被关注用户的“粉丝”。

本文以涉军板块近期新帖楼主和跟帖者为初始用户集合，采用广度优先搜索近期登录的用户和发帖质量较高的用户，循环以上步骤直至搜索不到新的有效用户为止。采集步骤设计如下。

①查找该论坛11个涉军板块近一个月的新帖，将楼主和跟帖用户确定为待搜索用户集合。②遍历待搜索用户集合中的用户，选择粉丝数大于10或者年发帖量大于50或者年精华帖大于2的用户，采集该用户的粉丝。③遍历待搜索用户集合中的用户，选择关注数大于10或者年发帖量大于50或者年精华帖大于2的用户，采集该用户的好友。④将待搜索用户集合清空，并将步骤②和步骤③中采集到的新用户添加到待搜索集合。⑤重复②、③、④步骤，直至待搜索集合为空。

1.3采集的量化结果

经过两天时间的采集，用户关系网络得到收敛，获得一个联通有向图。本次采集，共抓取用户14509个，用户关系163647个。分析该联通有向图，存在13个环，平均度数为22.56。用户网龄最长的为12年，用户最多发帖222076个，用户最多精华帖1604个，用户最多粉丝数432个，用户最多好友数为353个。

2从用户属性分析用户的影响力

用户影响力是指用户驱使其他用户认同某观点或使信息广泛传播的能力。国外较早开始对社交网络的研究，主要是针对Twitter用户，多数算法是基于著名的网页排名算法PageRank算法，对影响因子的选取主要有转贴、回复、提及的能力。不同论坛的用户属性数据有所区别，但最重要的是发帖数量、精华贴数量及点赞数等属性。

2.1用户影响力相关主要属性

直接采集到的论坛用户属性主要包括发帖数量、精华帖数、好友数和粉丝数。

（1）发帖数量。发帖数量指的是用户发表的主题帖和评论帖的总数。发帖数量的多少直接体现了用户的活跃度，显然用户发帖数量越多，