基于社交网络的信息传播的研究现状分析

◎李莉杰 贺艳芳 赵晓华

(河南开封科技传媒学院，河南 开封 475001)

随着计算机的快速发展、网络的普及，网络媒体平台在社交、即时通信、直播、短视频、在线教育等方面满足了民众的工作、学习、娱乐等需求。在2021年8月份发布的第48次《中国互联网络发展状况统计报告》[1]中提到，截至2021年6月份，我国网民规模达到10.11亿，短视频用户规模达8.88亿。我国民众已经习惯从网络上获得信息，并且进行信息交流。网络给人们的生活带来了巨大的便利。

本文从研究信息传播的特点入手，结合网络用户的特点，分析和总结社交网络在掌握和控制网络舆情中的应用，从而全面了解社交网络在控制网络舆情中的作用。

一、理论基础

网络舆情是网络用户对于社会发生或存在的问题所表述或持有的信念、态度、意见和情绪等表现的总和。因为网络信息具有传播速度快的特性，导致网络舆情能够迅速形成，会对社会产生巨大的影响。而且，随着网络的快速发展，以及移动网络的普及，网络媒体已经被认为是继报纸、广播、电视之后的“第四媒体”。因此，网络也已经成为反映社会舆情的主要载体之一。

网络舆情和传统舆情相比，具有发展快速、形式多样的特点。在社会和网络的快速发展中，各种问题可能会被网络加以放大，因而网络舆情治理也引起了国家和社会的高度关注。截至2021年6月，我国网民规模达到10.11亿，比2020年12月提升了1.2个百分点。而随之而来的就是网络安全、网络舆情等问题。网络视频、网络直播的用户量也是极大的增加。

社交网络舆情是基于社交网络展开的网络信息传播，是社会舆情的一种形式，是依托于社交网络平台对社会热点、焦点事件以及突发问题发表态度以及观点的集合。传统的社交网络平台有微博、QQ等。随着自媒体和短视频的出现，社交网络平台也涵盖了以抖音、快手为代表的短视频和直播平台，也有以百度论坛、微博、知乎、微信等文字为主的自媒体平台。

社交网络舆情是依存于社交网络的，随着社交网络和舆情的发展，其具有以下几个特征。

(一)信息量大、互动性高、即时性强

社交网络平台会促进信息的传播，并且具有评论等交互性，实时性比较强[2]。

(二)速度快、波及广、影响大

网络本身具有传播速度快的特点。网络用户会在短时间内快速聚集，共同关注、参与、分享、传播同一个热点话题或网络事件，从而产生大量的相关信息。

(三)舆情用户利益选择性传播特点突出

随着社会的发展，舆情用户会被更加具体地划分，从而其利益选择特征更加突出，在舆情传播过程中，具有不同的角色，例如“跟随者”“意见领袖”等。由于获取到的信息的不对等性，跟随者(微博中称之为“粉丝”)会根据自己的需求进行选择性传播获取的信息。因此，弱势群体或者说利益受损者的利益会损失较大。

(四)用户聚合分化特征比较明显

社交网络将现实人际网络进行空间扁平化，为现实距离遥远的人的交流提供了可能。在20世纪60年代时，已经存在“六度分割理论”，该理论是指用户可以通过朋友的朋友认识整个社交平台上的其他人。但是随着社交网络的发展，有人指出，社交网络平台上用户之间的距离从6缩小到4。人们之间的交流更加便利，但是网络信息的传播也加速了以意见领袖(网络中的关键节点)为中心，形成聚集化网络社群，同时可能会不断衍生出舆情。

二、互联网中的网络群体

随着互联网的发展，移动4G、5G时代的到来，各类自媒体如雨后春笋般涌现出来。根据用户在线下存在的社交关系，可以将社交平台划分为熟悉人群社交平台和陌生人群社交平台。基于熟悉人群社交平台，组成了熟悉人群网络社交群体；基于由陌生人群社交平台，组成了陌生人群网络群体。

(一)熟悉人群网络群体

以微信、QQ为主的即时通信媒体是近几年使用频率极高的网络社交媒体。在微信、QQ等上面进行交流的，是典型的“熟悉人群”。这类社交平台上面的用户是具有一定的熟悉度的，形成了比较稳定的社交群体。经常使用电子邮件进行交流的，也是具有一定的认识基础的，同样是属于“熟悉人群”。由熟悉人群构成的社交群体，是比较稳固的社交群体，具有较强的意见认同性。其意见领袖是具有较强的号召力的。

(二)陌生人群网络群体

与微信、QQ等熟悉人群使用的社交平台相对应的是陌生人群使用的社交平台，例如论坛、贴吧、微博、小红书等文字形式的社交平台，还有B站、抖音、快手等视频平台，以及直播形式的社交平台。这种社交网络平台上的人群，在现实世界中几乎没有重叠的社交网络，他们之间的信息传递是短暂的，且具有碎片化的特点。但是这些人群获得的信息是有局限的，容易受到信息发布者的干扰。同时，受众的观点也容易受到意见领袖的引导。

三、网络舆情的研究现状

随着社交网络用户的增多，社交平台的增加，大量的人员在社交网络上进行转发和评论信息，普通网民也是网络舆情信息的传播者，也可能成为网络舆情的关键人物或者意见领袖。

在2012年以后，国外关于社交网络舆情的研究成果开始增加，并且从理论研究层面发展到了实践层面，对社交网络舆情的研究可以归类为用户行为研究、传播模型研究、不同社交媒体的舆情传播研究和舆情信息安全。从2010年1月1日到2021年12月31日，基于CNKI期刊全文数据库，以“网络舆情”或者以“网络舆论”的“治理”“监督”为检索主题词，选择“或者”作为逻辑关系式，选择“精确”为检索条件，共检索到5万多条文献记录。网络舆情是跨学科的研究，不同的研究视角，构建不同的策略。目前，系统动力学、大数据、突发事件、微博等也是国内学者研究的重点。另外，通过知识图谱分析网络舆情的相关研究，也是当前国内的热点话题。目前，社交网络在网络舆情方面的研究方向如下。

(一)基于知识图谱的网络舆情研究

知识图谱也被称为科学知识图谱、领域可视化等，是可以表达知识发现的过程和组织关系图形，使用更加直观的可视化方法表达知识资源以及载体[3]。利用知识图谱构建出基于大数据的社交网络舆情主题图谱，可以对舆情的复杂关系、舆情的演进过程进行可视化分析，并识别出其中存在的潜在风险，进而提高事前预警和事后监控的效率，更好地调整舆情调控策略。

利用知识图谱对抗击疫情期间的意见领袖的热点话题进行检查和分析，也可以利用知识图谱研究大数据驱动下的社交网络的网络舆情，从知识图谱的理论分析、应用分析、构建分析、可视化分析等方面出发，分析目前社交网络舆情的研究热点。

(二)基于信息生态系统的社交网络舆情传播

网络信息传播过程与传染病传播过程具有相似的规律。网络信息传播的模型分为传染病动力学模型、计算机病毒传播模型和谣言传播模型。传染病传播有几种经典的传播模型，分别是SI模型——只有感染者I和易感染者S；SIR模型——易感染者S、感染者I和免疫者或恢复者R；SIS模型——易感染者S、感染者I。在这三种经典模型中，都是感染、免疫、再次感染等。当然在此基础上，还有几种改进模型，例如增加了潜伏期或者遗忘潜伏者E、记忆等机制。基于此，可以将传染病模型应用到舆情控制中，例如利用SIR模型，可以将用户分为未转发、转发者，已经转发过但帖子消失或者被淹没者。从这些动力学模型可以了解信息传播的过程，即可了解网络舆情的发展过程。

利用传播动力学可以有助于了解网络信息传播的规律，了解舆情发展的过程。信息传播也是随着网络和时间进行变化的。因此，有些学者关注到了时序网络中信息传播的演化。例如李峰等关注到了时序网络视角下的网络舆情演化模型，这个模型是结合SIR模型建立的信息扩散的智能体模型[4]。在这个模型方法下，为每位用户建立智能体模型，赋予静态属性和动态的属性，并且构建了社交平台上的用户智能体模型以及用户之间的关系模型，演化多智能体的信息扩散，同时他们也提出用户转发信息的行为偏好是导致信息扩散结果难以预测的最大原因。同样的，李峰在2018年也研究过小世界网络环境下谣言传播对产品定价的影响，在2019年做过小世界网络下病毒式信息传播的仿真分析。

在信息传播的过程中，则会出现一些关键节点，这些关键结点会影响事情的发展或者导致事件快速的传播。利用传播网络中的关键节点，可以对网络新闻引用量进行预测，有助于对网络舆情进行监管[5]。因此，在舆情事件的发酵以及快速传播过程中，关键节点是重要的一环。关键节点的影响力比普通网民的影响力大，而且普通网民会在关键节点转发或者在发表的文章下面进行评论，进而也会推动事件的发酵。意见领袖普遍为专家等，他们的法律意识强、道德观念也较强，影响力巨大。关键节点或者说意见领袖的文章、视频、评论，对普通网民具有引导性的作用。因此，有学者利用意见领袖的概念，提出基于社交网络的舆情传播控制模型。在传染病的监控策略中，选择监控关键结点可以进行传染病的早期检测，以及对传染病进行暴发预测。因此，在预防传染病的过程中需要发现关键结点。因此，时序网络上基于友谊悖论的传染病哨兵结点(关键结点)的选择策略的研究，同样可以应用到信息传播中。有的学者基于时序网络层间同构率动态演化进行建模分析，同时提取网络各个层间的连接关系和逼近关系，对关键结点辨识的综合贡献率，然后建立模型，最终利用特征向量中心性发现网络的关键结点。

(三)网络舆情文本分析

在社交网络平台上，网络用户针对于每个视频或者文字内容进行评论，表达自己的观点。但是由于获取到消息的不对等，评论者等会根据意见领袖或者内容发布者发布的内容进行评论，从而表达出自己的观点。但是，情感会随着时间的变化而发生不同的变化，用户从信息的被动接受到主动进行获取和传播，然后对热点问题表达相应的观点、情绪和态度。因此，可以通过对社交网络用户的情感进行分析，并对情感演化规律进行分析，从而能够帮助舆情监管者了解舆情走势，并进行针对性的引导和管控。

因此，通过对网络信息进行文本分析，可以了解网民的情绪变化，从而有利于监管部门及时地了解到网民的感情倾向，采取针对性的措施引导网民的情绪，进而消除网络舆情。王飞以分析微博文本的情感倾向为目标，采集信息，并对其进行预处理，针对社交网络影响的最大化，融合用户行为分析的网络微博内容进行了情感分析，构建出舆情分析与语境模型和原型系统[6]。除了微博数据，也有将景点的评论作为研究对象，然后通过领域词典和LDA模型实现了对文本的情感分析，并且采用了词频分析挖掘出积极评论和消极评论之间的关联，从而可以为景区的优质服务和决策提供数据支持和理论支撑。也可以对正向和负向情感大类进行更深层的情感小类划分，分别构建大类情感分类的模型和小类情感分类的模型，并且融合多种粒度的模型，得到词句的特征，然后获取文本的多层次情感特征，从而实现对文本的多情感分析。

但是网络信息传播的过程中，一些网民在使用互联网的过程中创造出来的新词，在某些情况下，充当了关键词的角色，表达了一种复杂的情感。有人关注到了这些新词，提出了基于TopWORDS算法的新词特征提取及识别方法，并且加以改进，对这些词进行了可视化分析和LDA主题分析。

四、结语

在大数据环境下，由于网络的快速发展，社交网络的生态治理和舆情监控需要适用新时代发展的需求。本文在关注到网络信息传播情况的基础上，进行总结，将网络信息传播情况进行了划分。相关的研究者不仅仅研究信息传播，也有研究传播内容的。对于研究信息传播内容而言，从目前的研究成果看，舆情监控主要是针对于文本内容的，关于视频等影音内容的研究比较少。而关注到社交网络中的关键节点，可以预测热点话题的流量，也可以对热点内容进行监管。针对社交网络舆情，对文本内容、视频、音频等多种数据进行监控是目前关注的热点。随着5G的发展，短视频等产生的舆情可能会是今后关注的重点问题。