基于微博的突发事件信息传播研究

基于微博的突发事件信息传播研究研究背景和意义随着互联网的蓬勃发展，网络媒体以其即时性、方便性的特点正在逐渐取代传统媒体业在信息传播中的地位。

尤其是从2003年前后开始，作为一种新的互联网信息传播媒介，在线社交网络吸引了越来越多的网络用户，成为互联网流量的重要组成部分。

时至今日，这些网络已经积累了规模巨大的用户群，形成了庞大的虚拟社会网络。

根据第32次中国互联网络发展状况调查统计报告显示，截至2013年6月底，我国微博网民规模为3.31亿，较2012年底增长了2216万，增长7.2%。

网民中微博使用率达到了56.0%，较上年底增加了1.3个百分点。

目前微博已经成为网民获取信息的重要途径之一，微博从满足人们弱关系的社交需求上逐渐演变成为大众化的舆论平台，越来越多机构及公众人物都通过微博来发布或传播信息。

另一方面，随着全球性社会的发展和环境的变化，各种突发性事件的发生频率也越来越高，强度也越来越剧烈。

同时，由于不同社会子系统之间的关联度、依赖性和耦合性日益加强，局部性和常规性的突发事件越来越容易演变成具有剧烈破坏性的非常规突发事件。

在突发性事件中微博所产生的传播效果已经超越了传统的传播媒介，每条信息都有可能在媒体发布之前就被公布于世，成为众多突发事件的首个传播者。

它能够引导事件的整体舆论走向从而影响人们的判断，展示出强大的传播效果。

然而微博也显露出了弊端，如何才能让微博的优势最大化是值得我们探讨的问题。

2011年“7-23”动车事故中，网络ID为“袁小芫”的微博网友是D301次列车上的乘客,事故发生四分钟后她发出了第一条微博，比国内媒体在互联网上的第一条关于“列车脱轨”报道早了两个多小时。

事故发生十三分钟后，网友“羊圈圈羊”在微博上发布的第一条求助微博：“求救！动车D301现在脱轨在距离温州南站不远处！现在车厢里孩子的哭声一片！没有一个工作人员出来！快点救我们！”微博的发出时间显示为2011年7月23日20时47分。

这是动车事故发生之后乘客发出的第一条救助微博。

在此次事故中微博很好的搭建起动员救助的桥梁，在主流媒体还未对此事进行报道时，微博已经进行了全面的信息传播。

由此可见，微博在突发的公共事件中具有着传统媒体所不能及的强大传播效果。

微博网络从出现到现在只有短短几年时间，属于不断发展中的新生事物，还存在很多现象和规律没有认识清楚。

比如对微博网络结构的认识还很不清晰，对微博网络上的信息传播规律还没有系统的认识，无法从理论层面上解释信息在微博网络上传播如此之快的原因。

另外，从网络合法利用的角度来看，微博网络的相关管理机制还很不完善，各种虚假言论和违法信息在微博网络上肆意传播，这对人类社会稳定和经济发展都带来了一定的负面影响。

所以，针对综合上述分析，研究在非常规事件发生情况下，微博网络的结构特征挖掘、动力学行为规律发现和网络控制等方面的相关理论和技术的研究，显得非常有意义。

国内外研究现状社会化媒体中信息和观点的快速传播，影响突发事件的态势发展[1-3]研究者们发现，社会化媒体在提升人们突发事件情况下的情境意识具有很大的潜力。

例如，挖掘地震发生时对于营救工作的一些有用信息[4]，跟踪流感疫情发生时信息传播速率和大众的反应行为[5; 6]。

社会化媒体中信息的传播除了这些对人们有利的影响，还存在一些不利因素，例如社会化媒体会加速谣言和偏激观点的传播，进而可能会导致一些社会和经济损失[7]。

微博作为一种新兴的社会化媒体，由于能满足各类用户（包括传播者、受众、特殊群体等）的需求，使其在大众中迅速普及[8]。

在微博的使用动机中，最强烈的是记录、信息性和公开表达，且不同用户使用动机差异较大[9]。

情境变化对微博用户的使用需求也会造成一定影响，在灾难性事件中，微博用户的心理特征突出表现为强烈的信息需求欲、社会角色需求的满足欲(提供帮助、捐款捐物等)以及权力意识的满足欲（话语表达权，表达同情和鼓励等方式）[10]。

理解突发事件发生时，微博中的信息传播机制，对于危机管控具有很重要的意义；另一方面，研究突发事件中谣言的传播，不仅可以有效地预测谣言的传播动态，而且能够极大地降低突发事件引发的一系列损失。

Kainan Cui等人以2011年温州动车事故作为一个突发事件案例，对在新浪微博中的信息传播做了实证分析，研究结果表明大宗媒体在对突发事件的信息传播中与口头信息传播相比，起到更重要的作用[11]。

Fujio Toriumi等人研究了2011年日本大地震爆发时，Twitter上的信息分享行为，并发现在突发事件爆发时，社会化媒体使用者会大规模扩散重要信息，并尽可能的减少非紧急twitter消息对突发性事件信息的传播影响[12]。

Xiaolong Song等人通过建模与仿真，研究在线社会化网络中突发事件信息的传播，发现社交网络结构、用户通知和传播的行为、初始传播节点的数量和度对于突发事件信息在社交网络上的传播具有很重要的影响[13]。

靳松等人以H7N9事件为例，生成“H7N9”信息传播网络拓扑结构图，并根据其邻接矩阵，运用基于熵的簇结构发现算法，对其传播网络的基本特性、内部簇结构特性进行系统分析[14]。

实证研究表明该信息传播网络的模块性显著，且网络中最大簇和次大簇随时间演化近似呈S型增长趋势，这对有效控制网络舆情的产生及扩散具有重要的意义。

张永庆[15]、陈洁琪[16]、杨欣[17]、陈红玉[18]等人分别通过对具体公共事件、突发事件的研究，强调微博信息传播具有即时性、碎片性、多元化等特征。

刘丰[19]从突发词的出现频率来检测突发事件过程，建立信息模型，模拟信息传播在时间、深度和广度上的传播规律，指出栏截传播能力强的节点有助于控制突发事件中的谣言传播。

针对微博等新媒体网络传播动力学行为方面的研究引起了学术界的广泛关注，在微博网络结构特征分析、信息传播过程分析及建模和信息传播控制等方面都取得了一些成果。

但作为一种新鲜事物，已有研究还存在诸多不足，比如：对微博网络的典型结构特征及其对网络动力学行为的影响规律还没有较系统的研究，对信息在微博网络上迅速传播的内在原因还没有认识清楚，在突发事件下微博信息传播的模型还研究不足，对微博信息中非常规突发事件的预警预测还有待研究。

研究目标博士阶段的研究主要是准备以人类行为动力学以及复杂网络相关的理论作为基础，以微博数据作为研究对象，非常规事件发生时对微博用户的实际行为数据进行统计分析，建立相应的量化模型，利用已有的数据对模型进行验证，在此基础上提出非常规突发事件发生时对于微博信息传播控制的临机决策方案。

具体研究目标如下：(1)统计分析结构能够解释微博用户行为的潜在规律。

综合考虑各种因素的影响，运用多种统计分析方法，注重分类标准的科学性以及数据选取的合理性，尽可能减少统计分析结果与实际情况的偏差；(2)提炼出的内在驱动机制要重点突出、可量化。

将个人的经验观察、前人的研究成果与以上的统计分析结果不断的对比论证后，提炼出可量化的驱动机制；(3)模型能够很好的解释和验证统计结果。

建立的模型能够充分体现微博用户的行为特征，且与实证分析结果吻合。

此外，通过调整参数大小，模型能够适用于不同类别微博用户的行为模拟，具有一定的普适性；(4)揭示出统计规律背后的应用价值，用于指导实践。

微博用户行为的统计特征可为非常规事件发生时的临机决策提供稳固的决策支持；建立的动力学模型能够用于把握行为变化的总体趋势，同时揭示关键因素对行为的影响程度。

研究内容博士期间的研究内容具体如下：(1)研究社交网络社团发现方法，对微博网络进行社团划分，研究非常规事件发生时，社团的动态演化规律，建立相应的动态演化模型，并分析网络结构对信息传播的影响，挖掘出影响信息传播的关键结构因素(2)统计非常规突发事件发生情况下，微博用户的转发、评论的次数以及时间间隔，研究用户的转发和评论的统计规律，并建立相应的传播模型；同时，以正常情况下用户的评论、转发为对比，研究两种情况下的动力学统计差异，以及信息传播概率分析(3)非常规事件发生时，根据微博信息内容以及用户对相关内容的评述，使用文本挖掘方法获取用户对相应微博的情感认知，根据不同的情感认知对数据进行分类，研究不同微博信息内容对用户行为动力学的影响；并建立突发事件微博信息语义案例库，为基于微博信息的突发事件临机决策提供决策支持创新点国内外对于基于微博的信息传播动力学已经有一定的研究，但是研究在微博网络结构特征分析、信息传播过程分析及建模和信息传播控制等方面都取得了一些成果。

但作为一种新鲜事物，已有研究还存在诸多不足。

本研究的创新点在于，以非常规突发事件为导向，研究基于微博大规模数据的社团发现方法，以及事件发生后的一段事件内，社团的演化规律；通过在同一社交网络下，研究对比常规热点事件与非常规突发事件的不同信息传播规律，挖掘非常规事件信息传播独有的特征规律；引入用户对微博内同的情感认知的相关理论，研究不同情感认知对于突发事件信息传播的影响，建立相关的突发事件信息语义案例库。

技术路线图博士研究阶段的技术路线图如下图所示：预期成果1)面向微博大规模数据的社团发现方法2)面向非常规突发事件的社团演化模型3)面向非常规突发事件的信息传播模型4)用户情感认知对信息的影响规律5)突发事件微博信息语义案例库参考文献[1]Adam N R, Shafiq B, Staffin R. Spatial computing and social media in the context of disastermanagement[J]. Intelligent Systems, IEEE, 2012, 27(6): 90-96.[2]Zeng D, Chen H, Lusch R, et al. Social media analytics and intelligence[J]. Intelligent Systems, IEEE, 2010, 25(6): 13-16.[3]Zeng D, Wang F-Y, Carley K M. Guest Editors' Introduction: Social Computing[J]. Intelligent Systems, IEEE, 2007, 22(5): 20-22.[4]Tyshchuk Y, Wallace W A. Actionable Information during Extreme Events--Case Study: Warnings and 2011 Tohoku Earthquake[C]. Privacy, Security, Risk and Trust (PASSAT), 2012 International Conference on and 2012 International Confernece on Social Computing (SocialCom), 2012: 338-347.[5]Culotta A. Towards detecting influenza epidemics by analyzing Twitter messages[C]. Proceedings of the first workshop on social media analytics, 2010: 115-122.[6]Cui K, Cao Z, Zheng X, et al.: A geospatial analysis on the potential value of news comments in infectious disease surveillance, Intelligence and Security Informatics: Springer, 2011: 85-93.[7]Moon I-C, Oh A H, Carley K M. Analyzing social media in escalating crisis situations[C]. Intelligence and Security Informatics (ISI), 2011 IEEE International Conference on, 2011: 71-76.[8]吴迪, 何璇. 微博用户的使用与满足诉求[J]. 青年记者, 2010, (14): 82-83.[9]王娟. 微博客用户的使用动机与行为[D]. 山东大学, 2010.[10]王锋. 灾难性事件中的“微”力量——青海玉树地震中微博应用探析[J]. 新闻世界, 2010, (10X): 149-150.[11]Cui K, Zheng X, Zeng D D, et al.: An empirical study of information diffusion in micro-blogging systems during emergency events, Web-age information management: Springer, 2013: 140-151. [12]Toriumi F, Sakaki T, Shinoda K, et al. Information sharing on twitter during the 2011 catastrophic earthquake[C]. Proceedings of the 22nd international conference on World Wide Web companion, 2013: 1025-1028.[13]Song X, Yan X. Influencing factors of emergency information spreading in online social networks: A simulation approach[J]. Journal of Homeland Security and Emergency Management, 2012, 9(1). [14]靳松, 庄亚明. 基于H7N9 的突发事件信息传播网络簇结构特性研究[J]. 情报杂志, 2013, 32(12): 12-17.[15]张庆永. 从人民网“微博报两会”看微博传播特点[J]. 青年记者, 2010, (8): 81-82.[16]陈洁琪, 方睛. 公共事件的微博传播模式——以“随手拍照解救乞讨儿童”行动为例[J]. 新闻爱好者: 下半月, 2012, (1): 71-72.[17]杨欣, 张雯. 微博在突发性灾难事件中的传播作用——以“4·14”玉树地震为例[J]. 传媒, 2010, (5): 61-63.[18]陈红玉. 由突发事件看微博的传播机制[J]. 传媒观察, 2010, (8): 45-46.[19]刘丰. 基于微博的突发事件检测和信息传播建模[D]. 哈尔滨工业大学, 2011.。