２０１５年５月 现代情报 Ｊｏｕｒｎａｌ ｏｆ Ｍｏｄｅｍ Ｉｎｆｏｒｍａｔｉｏｎ Ｍ．ｄｙ，２０１５ 第３５卷第５期 ・Ｖ０１．３５ Ｎｏ．５ 理论探索・ 基于谣言传播模型的“微博社区” 负面信息扩散效应及案例研究 雷宏振 章 俊 兰娟丽 袁 丹 （陕西师范大学国际商学院，陕西西安７１０１００） ［摘要］微博在成为新的网络社区平台的同时，也成为负面信息传播的主要栽体，本文基于谣言传播的ＳＩＲ模型，构建 了“微博社区”负面信息的传播模型，并利用社会网络分析方法，以浙江义乌“微笑哥”之谜为实证研究对象，研究结果表明 网络社区内负面信息扩散的关键节点单一，信息传播路径分散，节点自接受信息的途径宽，整个负面信息传播网络呈现松散性 特征。 ［关键词］微博社区；负面信息；扩散效应；案例研究 ＤＯＩ：１０．３９６９／ｉ．ｉｓｓｎ．１０Ｏ８一Ｏ８２１．２０１５．０５．００６ ［中图分类号］Ｇ２０６．２ ［文献标识码］Ａ ［文章编号］１００８—０８２１（２０１５）０５—００３０—０５ Ｔｈｅ Ｄｉｆｆｕｓｉｏｎ Ｅｆｆｅｃｔ ｏｆ“Ｗｅｉｂｏ Ｃｏｍｍｕｎｉｔｙ”Ｎｅｇａｔｉｖｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｒｕｍｏｒ Ｓｐｒｅａｄｉｎｇ Ｍｏｄｅｌ ａｎｄ Ｃａｓｅ Ｓｔｕｄｉｅｓ Ｌｅｉ Ｈｏｎｇｚｈｅｎ Ｚｈａｎｇ Ｊｕｎ Ｌａｎ Ｊｕａｎｌｉ Ｙｕａｎ Ｄａｎ （Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ，Ｓｈａａｎｘｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ ７ １０１００，Ｃｈｉｎａ） 【Ａｂｓｔｒａｃｔ］Ｗｅｉｂｏ ａｓ ａ ｎｅｗ ｏｎｌｉｎｅ ｃｏｍｍｕｎｉｔｙ ｐｌａｆｔｏｒｍ，ａｌｓｏ ｂｅｃｏｍｅ ｔｈｅ ｍａｉｎ ｃａｒｒｉｅｒ ｏｆ ｎｅｇａｔｉｖｅ ｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｉｓ ａｒｔｉｃｌｅ ｃｏｎｓｔｒｕｃｔｅｄ ｔｈｅ ｎｅｇａｔｉｖｅ ｉｎｆｏｒｍａｔｉｏｎ ｐｒｏｐａｇａｔｉｏｎ ｍｏｄｅｌ ａｂｏｕｔ“Ｗｅｉｂｏ ｃｏｍｍｕｎｉｔｙ”ｂａｓｅｄ ｏｎ ｔｈｅ ＳＩＲ ｍｏｄｅｌ。ａｎｄ ｕｓｉｎｇ ｓｏｃｉａｌ ｎｅｔ— ｗｏｒｋ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ ｔｏ ａｎａｌｙｚｅ ｔｈｅ Ｙｉｗｕ ｉｎｃｉｄｅｎｔｓ，ｔｈｅ ｒｅｓｅａｒｃｈ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｎｅｔｗｏｒｋ ｃｏｍｍｕｎｉｔｙ ｈａｓ ｌｉｔｌｔｅ ｋｅｙ ｎｏｄｅｓ ｎｄ ｉａｆｏｒｎｍａｔｉｏｎ ｔｒａｎｓｍｉｓｓｉｏｎ ｐａｔｈ ｓｃａｔｔｅｒｅｄ，ｎｏｄｅ ａｃｃｅｐｔｓ ｔｈｅ ｗａｙ ｏｆ ｉｆｏｒｍａｔｉｎｏｎ ｗｉｄｅｌｙ，ｍｏｓｔ ｏｆ ｔｈｅ ｎｏｄｅ ｉｓ ｎｏｔ ｃｏｎｔｍＵｅｄ ｂｙ ｏｔｈ— ｅｒｓ，ｔｈｅ ｎｅｇａｔｉｖｅ ｉｆｏｒｍａｔｎｉｏｎ ｄｉｓｓｅｍｉｎａｔｉｏｎ ｎｅｔｗｏ￣ｐｒｅｓｅｎｔｓ ｌｏｏｓｅ ｓｅｘｕａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｔｈｅｎ ｔｈｅ ｐｆｄｐｅｒ ｃｏｕｌｄ ｕｓｅ ｔｈｅ ｃｏｎｃｌｕｓｉｏｎ ｔｏ ｃｏｎｔｒｏｌ ｔｈｅ ｎｅｇａｔｉｖｅ ｉｎｆｏｒｍａｔｉｏｎ． ［Ｋｅｙ ｗｏｒｄｓ］Ｗｅｉｂｏ ｃｏｍｍｕｎｉｔｙ；ｎｅｇａｔｉｖｅ ｉｆｏｎｍｍｔｉｏｎ；ｄｉｆｕｓｉｎｇ ｅｆｆｅｃｔ；ｅａｓｅ ｓｔｕｄｙ 在Ｗｅｂ２．０时代，微博作为一个“自由互动空间”，在 表达个人言论、情感、意见的同时，也成为负面信息的主 要载体。同时，由于微博信息主体身份的隐蔽性，微博监 管的困难，使得负面信息在短时间内得到快速传播，因此， 研究“微博社区”负面信息传播机理及扩散效应，并在此 基础上进行有效的预见和控制可以起到积极的作用。在现 实生活中，由于预见和控制滞后所带来的负面信息的影响 案例有许多，例如，２０１１年３月日本福岛核泄露后所引起 的“抢盐风波”，２０１４年９月２５日的海口１２岁男孩疑食老 鼠肉风波，这都引起了极大的社会恐慌。本文试图运用社 会网络分析方法，研究微博社区内负面信息传播的形成机 理及其效应，为微博社区内负面信息传播的引导和控制提 供决策参考。 １相关文献述评 社区的概念最早是由德国社会学家滕尼斯在其１８８７年 出版的《社区与社会》中提出，他所说的“社区”指的是 一种基于血缘关系或自认情感的社会有机体。随着互联网 时代的到来，人们通过互联网交流形成了具有共同价值观、 共同归属感的群体，这时，强调具有“精神共同体”属性 的“虚拟社区”便凸显出来，本文所研究的微博社区便是 虚拟社区的一种呈现形式，作为虚拟社区的一种表现形式， 收稿日期：２０１５一Ｏ１—１６ 基金项目：２０１４年度国家社会科学基金项目“网络群间负面信息传播的扩散机制、收敛性及风险控制研究”（项目编号：１４ＢＳＨ０５２） 陕西师范大学复杂性科学交叉学科平台研究成果之一（无项目名称及项目编号）。 作者简介：雷宏振（１９６６一），男，副院长，教授，博士生导师，研究方向：知识管理，社会网络。 一３０— ‘ 基于谣言传播模型的“微博社区”负面信息扩散效应及案例研究 Ｍａｙ，２０１５ Ｖ０１．３５ Ｎｏ．５ 微博社区是指微博主体利用微博客户端，围绕共同的兴趣 和共同的需要进行频繁的社会互动而形成的具有文化认同 （１态）、得到负面信息但不确定是否继续传播状态（ＩＲ 态）、得到负面信息不继续传播状态（Ｒ态），模型中各状 态转移情况如图１所示。 负责信息 的共同体和虚拟的活动场所，微博社区内的交往具有超时 空性、人际互动具有匿名性。微博社区作为用户信息分享、 传播与获取的平台，不同于传统的虚拟社区，它更强调关 注信息的产生、扩散和传播。 然而，学术界对于微博社区的研究相对缺乏，国外对 微博的研究，以对Ｔｗｉｔｔｅｒ的研究为主，Ｋｒｉｓｉｆｎａ研究了新闻 事件在Ｔｗｉｔｔｅｒ中的传播，发现社会网络在信息传播中起到 关键角色的作用，信息网络结构会影响信息传播…。Ｋｗａｋ 负责信息 等人通过大规模分析Ｔｗｉｔｔｅｒ数据，发现一条信息一旦被评 论，就将快速的在网络中扩散，而且还得出了Ｔｗｉｔｔｅｒ的网 络结构具有非幂律分布、高效率和非互惠性的特征，与人 类社会交流网络具有极大不同ｌ２ Ｊ。此外，还有学者对微博 信息传播特征进行了研究，发现了微博信息传播具有间接 性、路径短、时效性特征【３Ｉ７ Ｊ。国内对微博的研究主要集 中在新浪微博、腾讯微博的实证研究方面，平亮、宗利永 从社会网络的研究视角出发，通过测量网络结构的各种中 心性，对微博信息传播进行了分析＿８ Ｊ。在此基础上，王晓 光、袁毅、滕思琦从实证的角度，根据核心——边缘理论 和聚类分析方法，界定了微博社区中核心区域与外围区域， 并对微博社区内的交流网络结构和特点进行了研究＿９ Ｊ。姜 鑫、田志伟则以腾讯微博为研究对象，进一步证明了微博 社区内的交流网络具有小世界特征【１ｏ］。小世界现象的特征 是指既具有较高的聚类系数，又具有较短的平均路径长度 的网络，存在小世界现象的网络称为小世界网络。在用户 交流网络特征的基础上，刘金荣以“蓟县大火”微博谣言 为实证研究对象，分析了网络中关键节点对谣言传播路径 和传播速度的影响，厘清了其传播规律＿１ 。类似的还有许 玉、宗乾进、袁勤俭、朱庆华等人以典型的银行信用卡负 面口碑事件为例，分析了微博社区中负面口碑的传播路径、 负面口碑的控制能力ｌ１ 。 但是，现有的研究没有对微博社区内负面信息的传播 进行研究，本文将利用社会网络的分析方法在这一方面进 行探讨。负面信息是指能够对个人、社会产生消极影响的， 不符合社会实践的规律性、目的性的各类信息，这类信息 的呈现形式可以是一张图片、一条文本信息或者是一段视 频，同时，这里所研究的负面信息仅限定为通过微博手段 进行传播的负面信息。 ２负面信息传播模型构建 微博社区内负面信息传播有其特有的传播机理和传播 特征，但是目前关于信息传播模型应用最广泛的是经典的 谣言传播模型，即ＳＩＲ模型，负面信息虽然与谣言传播模 型有诸多相似之处，但是，也有区别，因此，结合负面信 息传播过程的实际情况，我们对经典谣言ＳＩＲ模型进行了 改进，改进后的负面信息传播模型包含以下４种状态：未 得到负面信息状态（Ｓ态）、得到负面信息并继续传播状态 图１负面信息传播模型动态转移图 根据图示，微博社区负面信息传播模型中４种状态的 转移情况如下：某节点未得到负面信息时，处于Ｓ态，当 它收到负面信息后，以一定的概率转变成Ｉ态或ＩＲ态，Ｉ 态向其所有关注节点继续进行信息传播后转变为Ｒ态，处 于ＩＲ态的节点需要进一步等待其它因素的影响，转变为Ｉ 态或Ｒ态。 对于上述模型做如下说明： （１）由于微博负面信息传播网络的复杂性和用户行为 的随机性，假设负面信息只能通过用户的“转发”关系、 “评论”关系网络进行传播，其它渠道的传播不在本文考虑 范畴。 （２）微博信息具有时效性，随着时间的推移，被继续 传播的概率递减。在经过一定的时间后，处于ＩＲ态的节点 都转变为Ｒ态，最终网络中将只存在Ｓ态和Ｒ态的节点。 （３）微博社区负面信息传播的影响因素有３个：负面 信息网络拓扑结构复杂性、负面信息复杂属性、信息节点 （微博用户）属性复杂性。 负面信息传播模型的形式化形式即： 微博社区负面信息传播复杂网络可以表示为有向图Ｇ ＝（Ｖ，Ｅ），Ｖ ＶＥ Ｖ， 代表负面信息传播网络中的一个用 户节点，Ｖ ｅ＝（ ， ）∈Ｅ，ｕ， ∈Ｖ表示用户ｕ关注了 ， ｌ ｌ表示用户总数，｝Ｅ ｌ表示边总数。结合本文构建的负 面信息传播模型，如果某个节点用户转发或者评论了某条 信息，那么这条信息就会传播给所有关注他的节点，负面 信息得到继续传播，负面信息的传播主要受信息节点检查 信息的时间、评论或转发概率的影响。因此，针对负面信 息传播模型做出如下假定： （１）信息节点检查负面信息的离散时间序列为标记为 ，ｎ＝１，２，…。信息节点ｉ在时刻 检查信息的概率为 Ｐ ，ｉ＝１，２，…，ｌ Ｉ，由于微博社区内节点用户行为是相 互独立的，所以Ｐ ∈［０，１］是独立的随机变量。 （２）若在时刻 ，信息节点ｉ已经接受了该条负面信 息，且该条负面信息得以继续传播的概率为ｑ 则它是负 一３】一 嚣 基于谣言传播模型的“微博社区”负面信息扩散效应及案例研究 ＶＭｏ１ａ．ｙ３５，２ Ｎ０１ｏ５． ５ 比研究。 表１负面信息传播整体网络密度测度 Ｄｅｎｓｉｔｙ Ｎｏ．ｏｆＴｉｅｓ ０．Ｏ２２１ ７３．【ｘ）００ 本文选取的案例网络中的连线数为７３条，节点为５８ 个。在ＵＣＩＮＥＴ软件中构造一个拥有５８个节点的随机试验 网络，并计算该试验网络的网络密度，结果为０．０６３，如 表２所示。 表２随机网络密度测度 Ｄｅｎｓｉｔｙ Ｎｏ．ｏｆＴｉｅｓ Ｏ．Ｏ６３ ７３．００ｏ０ 将“浙江义乌微笑哥”这个负面信息网络与随机试验 网络的参数进行对比，发现“浙江义乌微笑哥”这则负面 信息网络的密度要远远小于随机试验网络。这说明，负面 信息在传播的过程中，传播主体与传播主体之间的互动交 流较少，联系不够紧密，整个网络的关系形态松散，主要 原因在于新浪微博用户之间缺乏广泛的互动交流。 ３．２网络中心度测度与分析 网络中心度是社会网络分析研究的重点，它表明了网 络图中各个节点在整体网络中的具体位置，进一步而言， 中心度反映的是网络中的节点在网络中的中心权力和中心 地位。在负面信息传播的网络中，节点的中心度不仅仅是 显示其所处位置与权力，更体现了网络节点对网络内部信 息流动的控制能力，从而反映了负面信息传播过程中的路 径特征。刻画中心度的指标有点的度数中心度、点的中间 中心度、点的接近中心度。 ３．２．１点的度数中心度 节点的度数中心度有两类——绝对中心度和相对中心 度。点的绝对中心度是指该点直接相连的点的数量，点的 相对中心度是绝对中心度的标准化形式。点的度数中心度 反映的是网络中节点的交互能力，如果一个网络节点与很 多其它节点直接相连，就认为该节点的度数中心度较高， 该节点越接近于社会网络的中心位置，该节点的社会地位 越高，权力也就越大。在节点为１３的有向网络图中，相对 度数中心度的表达式为： Ｃ＇Ｄ ｃ ｒｔｉ，＝ 其中Ｃ Ｄ（ ）表示第ｉ个节点的中心度。 运用ＵＣＩＮＫＩ＇软件对“浙江义务微笑哥”这个负面信 息网络进行点的度数中心度测度，结果如表３所示。从结 果可以看出“义乌微笑哥”负面信息传播网络的整体点度 中心度为２．１７２，１号“吴法天”是整个负面信息传播网络 中的关键节点，明显高于实验网络中其他节点，这说明在 整个负面信息传播的过程中，１号“吴法天”处于整个负 面信息传播网络中的中间位置，与其它众多节点之间存在 着交流，并且控制着其它节点对负面信息的接受和传播， 但是，我们也发现网络中关键节点单一，信息传播路径分 散。 表３“义乌微笑哥”信息传播网络点度中心度测度结果（前ｌＯ个） ＮｅｔｗｏｒｋＡｌｌ Ｃｅｎｔｒａｌｉｚａｔｌｍ＝２．１７２ ３．２．２点的中间中心度 节点的中间中心度是用来测量某个节点作为中介的作 用与功能，也就是该节点作为“桥”存在能力的大小，在 一个完整的网络图中，如果网络的行动节点处于许多交往 网络路径上，那么，可以认为此节点在网络结构中处于重 要地位，因为此节点能够控制其它两节点之间的交互沟通， “处于这种位置的个人可以通过控制或者曲解信息的传递而 影响群体。”＿】 Ｊ如果说一个点处于许多其他点对的最短路径 上，我们就说该点具有较高的中间中心度，一个网络节点 的中间中心度越高，那么越多的节点就必须通过它才能进 行沟通互动。中间中心度的表达式为： ＣＡＢ／＝∑∑ （ ）， ≠ ≠ｉ，并且 ＜ｋ 』 ｋ 其中 （ｉ）表示第三点ｉ能够控制此两点的交往能力， 即ｉ处于７和ｋ之间的捷径上的概率。 运用ＵＣＩＮＥＴ软件对“浙江义务微笑哥”这个负面信 息网络进行点的中间中心度测度，结果如表４所示。从结 果可以看出“义乌微笑哥”负面信息传播网络５８个节点 中，１３个节点的中间中心度大于０。其中，最大中间中心 度为９５９，为原文作者“吴法天”，其次是“吴飞微议”、 “王海｝ｆ立”、“ｍｉｘｌａｈｍｉｘｉａｈｍｉｘｉａｈ”，中间中心度分别为３９２、 １９２、１５３。这说明这几个微博用户在“义务微笑哥”这条 负面信息传播的过程中具有一定的“控制力”，就整个网络 而言，网络中的大部分节点不需要别的节点作为桥接点， 便可以接受信息，反映了负面信息传播的分散特征，其传 播路径以“吴飞微议”、“王海｝ｌ立”、“ｍｉｘｉａｈｍｉｘｉａｈｍｉｘｉａｈ”３ 个节点为中心分散传播。 一３３— ２０１５年５月 现代情报 Ｊｏｕｒｎａｌ ｏｆ Ｍｏｄｅｍ Ｉｎｆｏｒｍａｔｉｏｎ Ｍｆｄｙ，２０１５ 第３５卷第５期 ＶｏＩ．３５ Ｎｏ．５ 表４“义乌微笑哥”信息传播网络中间中心度测度结果（前１０个） 来获取负面信息传播的网络结构，构建了微博社区内负面 信息的传播模型，描绘了负面信息传播的动态转移模式， 并利用社会网络的分析方法，比较案例中的“浙江义务微 笑哥网络”与随机试验网络的网络密度，发现试验网络的 密度小于随机网络的密度，证明了微博社区内负面信息传 播具有松散性特征。进一步通过对负面信息传播网络的点 度中心度、中间中心度、接近中心度的分析，发现影响整 个网络内信息扩散的关键节点单一，信息传播路径分散， 节点自接受信息的途径宽，节点与节点之间的相互依赖程 度较高，节点的这些特征促使了负面信息传播松散性的形 ３．２．３点的接近中心度 节点的接近中心度指的是该节点与图中其它所有其他 点的最短距离之和，接近中心度是一种针对不受他人控制 的测度。如果一个点与网络中所有其他点的“距离”都很 短，则称该点具有较高的接近中心度。具有较高接近中心 度的节点，在信息传递过程中较少依赖他人，其测量公式 为： ｃ ： ｄｏ． Ｊ＝１ 其中，ｄ 是点ｉ和 之间的捷径距离（即捷径中包含的 线数）。 运用ｕｃｉＮｇｒ软件对“浙江义务微笑哥”这个负面信 息网络进行点的接近中心度测度，结果如表５所示。从结 果可以看出，网络中的大部分节点的接近接近中心度接近 于０，这说明在负面信息传播的过程中，节点与节点之间 的信息依赖程度较高，负面信息资源的传播被一些中心节 点或小团体所控制，信息如果不经过中心节点或小团体， 那么负面信息的传播就会受阻，不能顺利地从一个节点传 播到另一个节点。这也说明负面信息传播路径较长，传播 形态松散。 表５“义乌微笑哥”信息传播网络接近中心度测度结果（前１０个） ４结论与启示 基于实证数据对微博社区内负面信息传播的研究一直 较为匮乏，本文通过实证分析新浪微博上的一个负面信息， －・————３４・－－—— 成。 参考文献 【１ｊ Ｋｗａｋ Ｈ，Ｌｅｅ Ｃ，Ｐａｒｋ Ｈ，ｅｔ ａ１．Ｗｈａｔ ｉｓ Ｔｗｉｔｔｅｒ，ａ ｓｏｃｉａｌ ｎｅｔｗｏｒｋ Ｏｒ ａ ｎｅｗｓｍｅｄｉａ［Ｃ］∥Ｐｒｏｅ ｏｆｔｈｅ １９ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗ０ｒｌｄ ｗｉｄｅ Ｗｅｂ．Ｎｅｗ Ｙｏｒｋ；ＡＣＭ Ｐｒｅｓｓ．２０１０：５９１—６００． ［２］Ｌｅｎｎａｎ Ｋ，Ｇｈｏｓｈ Ｒ．Ｉｎｆｏｒｍａｔｉｏｎ ｅｏｎｔａｇｉ０ｎ：Ａｎ ｅｍｐｉｒｉｃａｌ ｓｔｕｄｙ ｏｆ ｔｈｅ ｓｐｒｅａｄ ｏｆ ｎｅｗｓ ｏｎ Ｄｉｇｇ ａｎｄ Ｔｗｉｔｔｅｒ ｓｏｃｉａｌ ｎｅｔｗｏｒｋｓ［ｃ］．Ｐｒｏｃｅｅｄ— ｉｎｇｓ ｏｆ ｔｈｅ ４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＡＡＪ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｅｂｌｏｇｓ ａｎｄ Ｓｏｃｉａｌ Ｍｅｄｉａ：ＡＡＡＩ。２０１０：９０—９７． １３ Ｊ Ｗｕ Ｓｈａｏ—ｍｅｉ，Ｈｏｆｍａｎ Ｊ Ｍ，Ｍａｓｏｎ ｗ Ａ，ｅｔａ１．Ｗｈｏ ｓａｙｓ ｗｈａｔ ｔｏ ｗｈｏｍ ｏｎ Ｔｗｉｔｔｅｒ［ｃ］∥Ｐｒｏｅ ｏｆ ｔｈｅ ２０ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ Ｏｎ Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ．Ｎｅｗ Ｙｏｒｋ：ＡＣＭ Ｐｒｅｓｓ．２０１１：７０５—７１４． ［４］Ｔｉａｎ Ｚｈａｎ—ｗｅｉ，Ｚｈａｎｇ Ｑｉｎｇ—ｐｕ．Ｅｍｐｉｉｒｃａｌ ａｎｎｌｙｓｉｓ ｏｆ ｍｉｃｒｏｂｌｏｇ ｉｎｆｏｒｍａｔｉｏｎ ｆｌｏｗ ｆｅａｔｕｒｅｓ ｂａｓｅｓ Ｏｉｌ ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋ ｔｈｅｏｒｙ［Ｊ］．Ａｄ— ｖａｎｃｅｓ ｉｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ ａｎｄ Ｓｅｒｖｉｃｅ Ｓｃｉｅｎｃｅｓ，２０１２，４（７）： １６３—１７１． ［５］沈柯轶．社会网络的社团发现与动态特征研究［Ｄ］．上海： 上海交通大学，２０１１． ［６］Ｇｕｉｌｌｅ Ａ，Ｈａｅｉｄ Ｈ．Ａ ｐｒｅｄｉｅｔｉｖｅ ｍｏｄｅｌ ｆｏｒ ｔｈｅ ｔｅｍｐｏｒａｌ ｄｙｎａｍｉｃｓ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｄｉｆｕｓｉｎ ｉｎ ｏｎｌｉｎｅ ｓｏｃｉａｌ ｎｅｔｗｏｒｋｓ［ｃ］／／Ｐｒｏｅ ｏｆ ｔｈｅ ２１ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗ０ｒｌｄ ＷｉｄｅⅥｒｅｂ．Ｎｅｗ Ｙｏｒｋ：ＡＣＭ Ｐｒｅｓｓ，２０１２：１１４５—１１５２． ［７］张赛，徐恪，李海涛．微博类社交网络中信息传播的测量与分 析［Ｊ］．西安交通大学学报，２０１３，４７（２）：１２４—１３０． ［８］平亮，宗利永．基于社会网络中心性分析的微博信息传播研究 ——以Ｓｉｎａ微博为例［Ｊ］．图书情报知识，２０１０，（６）：９２— ９７． ［９］王晓光，袁毅，滕思琦．微博社区交流网络结构的实证分析 ［Ｊ］．情报杂志，２０１１，３０（２）：２００—２０３． ［１０］姜鑫，田志伟．微博社区内信息传播的“小世界”现象及实 证研究——以腾讯微博为例［Ｊ］．情报科学，２０１２，３０（８）： １１３９—１１４２． ［１１］刘金荣．基于ＳＮＡ的突发事件微博谣言传播研究［Ｊ］．情报 杂志，２０１３，３２（７）：７８—８２． ［１２］许玉，宗乾进，袁勤俭，等．微博负面口碑传播研究［Ｊ］． 情报杂志，２０１２，３１（７）：６一ｌ１． ［１３］Ｆｒｅｅｍａｎ Ｌ Ｃ．Ｃｅｎｔｒａｌｉｔｙ ｉｎ ｓｏｃｉａｌ ｎｅｔｗｏｒｋｓ：ｅｏｎｃｅｐｔｕａｌ ｅｌａｒｉｉｆｅａｔｉｏｎ ［Ｊ］．Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｓ，１９７９（１）：２１５—２３９． （本文责任编辑：孙国雷）