微博名人关注网络的社会网络分析

发布时间：2024-12-16 03:16

社交网络分析起源于社会学家使用数学与图论的方法研究社会群组中人与人之间的交互关系，如中心性分析、凝聚子群分析、社会结构分析等，最著名的莫过于美国社会心理学家Stanley Milgram的”六度分离理论”。传统的社会网络分析重点研究的是社会网络分析的概念以及通过社会网络分析研究社会结构对人、组织的影响，但是由于天然的地域限制，网络的大小受到一定的限制。

随着互联网的出现，特别是社交网站的迅速崛起，国外的Facebook、Twitter、Linked，国内的人人、微博等，互联网赋予了社交网络分析前所未有的机遇和新的挑战。首先，互联网打破了地域的限制，无论来自任何地方都可以通过互联网发生联系，目前Facebook有超过10亿的用户，他们来自全球，相互成为好友；其次，获得研究数据变得非常容易，社交网站拥有大量的用户数据，这些数据对社会网络分析来说就是宝贵的财富，以前从未有过，这也是目前社会网络分析在互联网爆发的主要原因；再次，相比于单一的人与人之间的交互关系，社交网站有着丰富的多媒体信息，除了用户关系，还有文本、图片、视频等内容。

但是数据不是信息，面对社交网站上的海量数据，需要有新的方法处理大数据，并从海量数据中挖掘出有价值的信息；同时应用社交网站的用户信息还面临这隐私保护的问题。

本文从社会网络分析的角度分析新浪微博名人帐号的关注网络，通过中介中心性分析关注网络中的控制网络信息流动的中心人物，并且使用Modularity（模块、群组）算法将关注网络划分为不同群组，最后我们使用Gephi可视化微博名人的关注网络。

数据来源

数据收集

本文所使用的数据来源于新浪微博的用户关注信息，一共收集了30999个新浪微博用户的关注信息，去重后被关注的用户数量为3,940,891位。

以下是收集数据的概述：

数据收集时间：2013.3.18~2013.4.2

原始数据：包含两部分，一部分是用户信息，另一部分是用户的关注信息

用户信息：用户信息从用户的/info页面上收集

用户关注信息：用户关注信息从用户的/follow页面逐页收集

数据预处理

首先，我们定义微博名人为：在我们所收集的数据中，被关注的次数大于等于1000；然后利用上小节中收集的数据，使用Hadoop将数据处理为：”用户, 关注用户”的形式。对于如何在Hadoop中使用Filter处理数据可以参考我的文章Adding Filter in Hadoop Mapper Class；最后我们获得了一个包含218,071个节点，677,268条边的微薄名人（有向）关注网络。

需要注意的是在下面的分析中，由于计算资源的有限，我们在Hadoop获得的结果上，进一步将节点数缩小到100个，相应的边的数量为4820。这一步骤是由限制名人网络中节点入度为178实现的。

微博名人关注网络分析

中介中心性和群组分析

下表列出了中介中心性Top20的微博名人（数据保留小数点后两位）。可以看出在我们的数据集中老沉（新浪执行副总裁、总编辑陈彤）、薛蛮子（著名天使投资人）和徐小平（真格基金创始人、新东方联合创始人）名列前三，李开复中心性值排在第七，为108.16；有11个账户的中介中心性值超过100，他们在网络中处于最短路径上的次数大于100。

排名微博帐号中介中心性值群组 1 老沉 188.31 0 2 薛蛮子 156.74 2 3 徐小平 142.70 0 4 王利芬 127.67 0 5 正和岛刘东华 124.40 0 6 封新城 119.40 2 7 李开复 108.16 0 8 巴曙松 104.45 1 9 作业本 103.95 2 10 刘春 101.13 1 11 张力奋 100.36 1 12 王冉 99.05 0 13 财经网 97.46 1 14 华尔街日报中文网 94.45 0 15 李承鹏 88.33 2 16 王克勤 84.17 2 17 韩寒 79.72 2 18 章立凡 76.93 2 19 南都周刊 75.87 0 20 钱钢 75.75 2

上表中“群组”列给出了中心性Top20微博名人的群组分类，将他们大致分为三个群组：

+ 互联网+青年导师，

+ 新闻媒体相关，和

+ 新知识分子。

更直观的分类请参看下小节的可视化分析。

可视化分析

我们使用Gephi对微博名人关注网络数据进行可视化分析。如下图所示：

图中节点大小代表中介中心性的大小，节点的颜色代表相应的群组，相同的节点颜色表示处于同一个群组，从图中可以清楚的看到群组的分布情况。

fntk_100