0 引言

網絡的普及讓人們接受消息的速度大幅度提升，微博等各大網絡平臺的出現也給大眾提供了一個絕佳的討論場所。人們可以在這些平臺上發表自己對社會相關事件的看法與觀點，同時還可以和網絡平臺上的其他人進行隔空互動，交流彼此的意見，觀點相似的民眾通過彼此間的互動形成了自己的社區，同一社區內的人們具有相似的看法或觀點且彼此之間關系緊密。在面對突發事件網絡輿情時，觀點相似的用戶在社區內快速傳播輿情相關信息，這可能會造成用戶間的情感與觀點走向極化。因此如何在海量且復雜的網絡輿情信息及輿情用戶中快速發現用戶社區，了解同社區內用戶特征及用戶關注重點對于網絡輿情的引導十分關鍵。

目前學者們主要從用戶發布的博文內容及用戶關系方面對微博社區進行研究。徐建民等[1]借鑒引文分析理論分析微博社區內用戶的交互行為，通過給不同的交互行為進行賦權從而計算各用戶間相似度，并利用用戶相似度進行社區發現。田博等[2]利用用戶之間的轉發關系、評論關系、點贊關系以及提及關系四方面交互行為構建加權的交互網絡，然后以Newman模塊度函數作為優化目標，得到社區內部節點聯系緊密、社區之間節點聯系松散的社區劃分方法。邱少明等[3]提出一種基于節點多屬性相似性聚類的社團劃分算法SM-CD，其中節點屬性包括節點結構屬性與自身屬性。錢蕓蕓等[4]提出一種融合主題相似度權重的主題社區發現模型，該模型首先計算節點間主題相似度并將其作為鏈接權重，然后將該鏈接權重作為模塊度參數劃分社區。張中軍等[5]提出了一種基于鏈路結構和轉發行為的微博社交網絡重疊社區劃分方法，該方法通過對用戶間的轉發行為進行對比來提高社區劃分質量。何躍等[6]通過對每條微博進行情緒識別，定義情緒值并以此進行社區識別，研究不同社區內情緒變化情況。吳小蘭等[7]通過對微博社區進行劃分，從而追蹤典型社區群體及社區話題演化發展。除此之外，有部分學者從社區結構出發對社區進行劃分與識別。Golsefid等[8]提出通過模糊圖聚類來進行社區發現，以可能性C-聚類模型為基礎，根據聚類中心的相似度進行節點距離計算，最終完成社區發現。Tang等[9]利用數據場理論衡量用戶間的聯系程度，先確定初始聚類，然后采用粗糙集聚類算法進行社區發現。

綜上所述，目前對于微博社區劃分的研究主要從社區結構及微博內容出發，通過用戶間的關注信息、用戶自身屬性及用戶發布的博文內容相似度來進行微博社區識別，對于微博用戶間的交流互動關系研究較少，無法多維度、深層次地發現網絡輿情用戶社區。基于此，針對現有研究的不足，本文以微博網絡輿情用戶為研究對象，結合用戶交互行為，發現網絡輿情用戶社區，同時對不同社區內用戶特征進行分析，不僅能更加準確地分析社區用戶之間的交流互動，還能了解不同社區內用戶特征，為引導網絡輿論提供有價值的參考。

本文詳細內容請下載：http://www.viuna.cn/resource/share/2000004906

作者信息：

林國英，汪明艷

(上海工程技術大學 管理學院，上海201600)