0 引言

網(wǎng)絡(luò)的普及讓人們接受消息的速度大幅度提升，微博等各大網(wǎng)絡(luò)平臺的出現(xiàn)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(fā)表自己對社會相關(guān)事件的看法與觀點，同時還可以和網(wǎng)絡(luò)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(qū)，同一社區(qū)內(nèi)的人們具有相似的看法或觀點且彼此之間關(guān)系緊密。在面對突發(fā)事件網(wǎng)絡(luò)輿情時，觀點相似的用戶在社區(qū)內(nèi)快速傳播輿情相關(guān)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(fù)雜的網(wǎng)絡(luò)輿情信息及輿情用戶中快速發(fā)現(xiàn)用戶社區(qū)，了解同社區(qū)內(nèi)用戶特征及用戶關(guān)注重點對于網(wǎng)絡(luò)輿情的引導(dǎo)十分關(guān)鍵。

目前學(xué)者們主要從用戶發(fā)布的博文內(nèi)容及用戶關(guān)系方面對微博社區(qū)進行研究。徐建民等[1]借鑒引文分析理論分析微博社區(qū)內(nèi)用戶的交互行為，通過給不同的交互行為進行賦權(quán)從而計算各用戶間相似度，并利用用戶相似度進行社區(qū)發(fā)現(xiàn)。田博等[2]利用用戶之間的轉(zhuǎn)發(fā)關(guān)系、評論關(guān)系、點贊關(guān)系以及提及關(guān)系四方面交互行為構(gòu)建加權(quán)的交互網(wǎng)絡(luò)，然后以Newman模塊度函數(shù)作為優(yōu)化目標，得到社區(qū)內(nèi)部節(jié)點聯(lián)系緊密、社區(qū)之間節(jié)點聯(lián)系松散的社區(qū)劃分方法。邱少明等[3]提出一種基于節(jié)點多屬性相似性聚類的社團劃分算法SM-CD，其中節(jié)點屬性包括節(jié)點結(jié)構(gòu)屬性與自身屬性。錢蕓蕓等[4]提出一種融合主題相似度權(quán)重的主題社區(qū)發(fā)現(xiàn)模型，該模型首先計算節(jié)點間主題相似度并將其作為鏈接權(quán)重，然后將該鏈接權(quán)重作為模塊度參數(shù)劃分社區(qū)。張中軍等[5]提出了一種基于鏈路結(jié)構(gòu)和轉(zhuǎn)發(fā)行為的微博社交網(wǎng)絡(luò)重疊社區(qū)劃分方法，該方法通過對用戶間的轉(zhuǎn)發(fā)行為進行對比來提高社區(qū)劃分質(zhì)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(qū)識別，研究不同社區(qū)內(nèi)情緒變化情況。吳小蘭等[7]通過對微博社區(qū)進行劃分，從而追蹤典型社區(qū)群體及社區(qū)話題演化發(fā)展。除此之外，有部分學(xué)者從社區(qū)結(jié)構(gòu)出發(fā)對社區(qū)進行劃分與識別。Golsefid等[8]提出通過模糊圖聚類來進行社區(qū)發(fā)現(xiàn)，以可能性C-聚類模型為基礎(chǔ)，根據(jù)聚類中心的相似度進行節(jié)點距離計算，最終完成社區(qū)發(fā)現(xiàn)。Tang等[9]利用數(shù)據(jù)場理論衡量用戶間的聯(lián)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(qū)發(fā)現(xiàn)。

綜上所述，目前對于微博社區(qū)劃分的研究主要從社區(qū)結(jié)構(gòu)及微博內(nèi)容出發(fā)，通過用戶間的關(guān)注信息、用戶自身屬性及用戶發(fā)布的博文內(nèi)容相似度來進行微博社區(qū)識別，對于微博用戶間的交流互動關(guān)系研究較少，無法多維度、深層次地發(fā)現(xiàn)網(wǎng)絡(luò)輿情用戶社區(qū)?；诖耍槍ΜF(xiàn)有研究的不足，本文以微博網(wǎng)絡(luò)輿情用戶為研究對象，結(jié)合用戶交互行為，發(fā)現(xiàn)網(wǎng)絡(luò)輿情用戶社區(qū)，同時對不同社區(qū)內(nèi)用戶特征進行分析，不僅能更加準確地分析社區(qū)用戶之間的交流互動，還能了解不同社區(qū)內(nèi)用戶特征，為引導(dǎo)網(wǎng)絡(luò)輿論提供有價值的參考。

本文詳細內(nèi)容請下載：http://ihrv.cn/resource/share/2000004906

作者信息：

林國英，汪明艷

(上海工程技術(shù)大學(xué) 管理學(xué)院，上海201600)