论文总字数：22351字

目 录

1. 绪论 1

1.1研究背景 1

1.2选题背景及意义 1

1.3国内外研究现状 2

1.3.1国外研究现状 2

1.3.2国内研究现状 4

2. 相关理论及分析工具介绍 5

2.1 网络社区信息树状传播 5

2.1.1信息扩散级联理论 5

2.1.2网络社区信息树状传播主要结构指标 6

2.2社会网络分析法 7

2.3 Gephi工具介绍 8

3. 数据采集及实验操作 8

3.1 数据源选择 8

3.2 数据采集 8

3.3 数据处理 9

3.4 数据导入 10

3.5 图形生成 11

4. 数据分析与讨论 12

4.1 网络社区树状传播分析 12

4.1.1全局特性结构分析 12

4.1.2个体特性结构分析 13

4.1.3结论分析 14

4.2 传播演进分析 14

4.3度中心性分析 16

4.4 中介中心性分析 18

4.5 接近中心性分析 19

4.6 本章小结 21

5. 结论与展望 21

5.1 结论 21

5.2 展望 22

参考文献： 23

致 谢 25

“红黄兰幼儿园事件”微博信息传播的

社会网络分析

徐思鼎

, China

Abstract:In China, micro-blog, as a well-known social platform, has tens of thousands of messages on micro-blog platform every day. Among them, unexpected events often have a huge impact on the information transmitted. By studying the propagation characteristics of emergencies, we can predict the development and dissemination of emergencies and reduce the danger of emergencies. This article takes the “Hong Huang Lan kindergarten incident" as an example to carry out data capture and use of Excel simple data processing to the original micro-blog of the event.It uses the network community tree propagation structure and the social network analysis method to study and analyze the overall information transmission structure and mode of the unexpected events on the micro-blog platform.Gephi software tools visualize the data stream generated, and map and draw the center data. The analysis results show that the propagation rule of emergencies in micro-blog has the characteristics of "shallow and wide", and its propagation has an explosive speed. And the role of some nodes in the process of communication is studied, and the propagation process is reduced to a certain extent, and the data reference for relevant departments is provided.

Key words: Micro-blog; Emergencies; Information dissemination; Social network analysis

绪论

1.1研究背景

在信息高速发展的今天，在线社交网络已经成为人们生活中的重要组成部分。微博作为使用量巨大的社交平台，如今已经与人们的生活接轨，在社交平台上用户们可以编辑个人资料、发布文字图片以及视频等等，并且通过各种各样的方式对外传播信息。这些信息包含了用户对当今社会各种现象及热点问题的看法，涵盖了个人生活、娱乐、经济等各个领域。

微博（Weibo），是微型博客（MicroBlog）的简称，是一种通过关注机制分享简短实时信息的广播式的社交网络平台^[1]。最早由美国twitter发展而来，而后其平台特色引入我国，国内开始陆陆续续推出一些新产品，其中以09年8月份开放的新浪微博为最。现如今的微博平台以新浪微博一家独大，并且在2014年3月27日，新浪微博宣布改名为“微博”，并推出了新的LOGO标识。从这时起，新浪微博成为了微博的代名词。并且本文中研究的微博平台正是这一平台。而第40次《中国互联网络发展状况统计报告》数据中显示^[2]，截止到2017年6月，中国网民规模达到7.51亿，互联网普及率为54.3%；手机网民规模达7.24亿，移动互联网已经成为人们日常生活中不可缺少的一部分。截止到2017年9月，微博的月活跃人数达到3.76亿，日活跃用户达到1.65亿。微博已然成为了现今人们社会网络交流的最主要平台之一。

1.2选题背景及意义

在信息时代的今天，在线社交网络在现代信息传播中起着举足轻重的作用。与此同时，用户在社交网络上留下的各种信息和数据，由于社交网络本身在信息传播中体现的巨大影响力，使得其他用户可以不受空间、时间的影响接受数据。也正因为如此，社会迎来了大数据时代。

信息传播是一个备受关注的研讨范畴，在线社交网络信息传达剖析引起了学术界的普遍关注。人们经过对在线社交网络中的信息传达的研讨，可以对社交网络的构造属性有更深一步的了解，并以此使用到现实中。例如企业可以依据社交网络中信息传播中的规律来销售商品，提高经济效益。

在传播的信息当中，突发事件有着其重大的研究意义。根据我国在2007年11月1日起施行的《中华人民共和国突发事件应对法》的规定^[3]，突发事件被定义为突然发生，具有严重社会危害性，应该采取紧急处置措施予以应对的事故、自然灾害、社会安全事件与公共卫生事件等。由此可见突发事件具有对社会影响大并具有聚众性，能短时间吸引大量群众的关注，同时也与我们的生活有很大关系。

本文研究的意义在于认识在线社交网络上信息传播的特点及规律，并在一定程度上还原传播过程。正是因为突发事件的以上特点，所以将突发事件选取为研究对象。同时微博作为我国社交平台的重要组成部分，在突发事件发生时往往能第一时间获得信息，并获取社会群众的关注和支持。通过对突发事件传播规律和特点的研究，为突发事件舆情的监控与预测问题提供理论基础和工具，更好地对突发事件舆情进行控制。

1.3国内外研究现状

1.3.1国外研究现状

最初提出社会网络相关概念的是英国的人类学家布朗(Radcliffe Brown)^[4]，他在对社会结构的分析研究中，以相对来说非技术的形式提出了“社会网络”（Social Network）的思想。从上世纪30年代到70年代，布朗的社会网络思想被广大学者不断演进和变化。现今国外学者对于社交网络的研究方向更多的是在社交网络中构建信息传播模型。构建信息传播模型可以我们客观的看到社交网络中信息传播的过程，并在此基础上预测信息未来的传播路径和服务，为信息传播的研究提供依据和技术支持。根据建模对象的不同，国外学者将信息传播建模分为两类^[5]：单信息传播（结构模型）和多信息传播（传染病模型）。

单信息传播模型是针对单条信息的传播过程进行分析的。^[6]研究者通过对单条信息传播过程的跟踪，并以此描述整个社交网络，从微观层面描述用户与信息交互，从而阐述信息的动态传播过程。简单来说就是以类似数轴的方式描述信息动态传播过程。在实际的社交网络中，信息在传播过程中可能会发生时间延迟、终止传播以及多向传播等各种情形。研究学者也在此基础上通过增加参数和时间轴等方法对该类模型进行了改进。然而该类结构模型存在一些不足^[7]，从时效性上来看，该模型描述的网络拓扑结构是静态的，即多年前和前几分钟建立的连接同时被采集，并不具有时效性。不过结构模型在描述简单的社交网络或者研究者很容易观测整个社交网络的情况下有很大的优势，该类模型描述的网络传播模型具有拓扑性，更容易观测。

多信息传播模型是基于多条信息在社交网络中传播、信息之间会相互影响的假设下构建的模型。目前多信息传播模型中被学术界广泛接受的就是传染病模型以及基于传染病模型发展的模型^[8]。在社交网络当中，对传染病模型的分析基于这样的假设：网络中的用户代表节点，节点与节点之间由边连接，节点感染了传染病后，传染病可以通过与节点之间的边进行感染传播，并在此基础上通过多个节点依次传播。研究者在此假设上衍生了以下几点模型：

（1）SIS模型是基于传染病模型的基础模型^[9]。在SIS模型中的节点代表用户，具有易感和感染两种形态。易感（Susceptible）形态表示该节点当前虽然还未被感染，但容易被传播疾病，被简称为S。感染（Infective）形态代表该节点已经被感染，并且具有能够感染其他节点的能力，被简称为I。在SIS模型中所描述的疾病具有治愈后存在再次感染的可能性。SIS模型将信息传播形象地用传染病这一客观事实比喻，为以后模型的建立树立了榜样。但同样的，SIS模型存在不足，即用户形态只有易感和感染两种，太过单一，无法描述现实中用户的形态。

（2）SIR模型在SIS模型的基础上提出新的免疫节点R（Recovered）^[10]。免疫节点是指那些感染后被治愈不会影响传播的节点。两类模型最重要的区别在于：前者的稳定状态会保持感染与治愈的比例基本一致；后者的稳定状态是一种无感染人群的状态，可以理解成信息影响力已经过去。SIR模型相对于SIS模型有所发展，但仍然无法描述复杂用户的用户形态。

剩余内容已隐藏，请支付后下载全文，论文总字数：22351字