微博用戶關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)研究與聚類分析

楊 凱，張 寧

（上海理工大學(xué)管理學(xué)院，上海200093）

0 引言

隨著互聯(lián)網(wǎng)2.0技術(shù)的發(fā)展和計(jì)算機(jī)網(wǎng)絡(luò)的普及，在線社會(huì)網(wǎng)絡(luò)已成為人們生活工作中不可或缺的工具。各種在線社交網(wǎng)站如雨后春筍般涌現(xiàn)，一般交友網(wǎng)（如聚友網(wǎng)和臉譜網(wǎng)）、在線圖片分享網(wǎng)（如Flickr）、朋友社交網(wǎng)（如校內(nèi)網(wǎng)和雅虎360）、商務(wù)人士關(guān)系網(wǎng)（如若鄰網(wǎng)）和職業(yè)人士社交網(wǎng)（如天際網(wǎng)）等等［1］。國(guó)內(nèi)外對(duì)在線社會(huì)網(wǎng)絡(luò)的研究更是如火如荼。如Ravi Kuma等［2］研究了Flickr和雅虎360兩個(gè)在線社會(huì)網(wǎng)絡(luò)，按照節(jié)點(diǎn)的連通性分布將網(wǎng)絡(luò)分成了3個(gè)部分，提出了動(dòng)態(tài)屬性的概念和一個(gè)簡(jiǎn)單的網(wǎng)絡(luò)增長(zhǎng)模型，分別給出了兩個(gè)網(wǎng)絡(luò)的動(dòng)態(tài)屬性和網(wǎng)絡(luò)中3個(gè)部分的結(jié)構(gòu)演化。Alan Mislove等［3］對(duì)4個(gè)在線網(wǎng)絡(luò)進(jìn)行了拓?fù)涮匦匝芯浚?個(gè)在線網(wǎng)絡(luò)都滿足無標(biāo)度特性、小世界特性，用戶網(wǎng)絡(luò)節(jié)點(diǎn)的入度和出度相匹配。汪小帆等［4］對(duì)大型在線職業(yè)人士社交網(wǎng)——若鄰網(wǎng)進(jìn)行了研究，研究表明該網(wǎng)絡(luò)具有小世界特性、高群聚系數(shù)，網(wǎng)絡(luò)結(jié)構(gòu)具有層次化和社團(tuán)性。同時(shí)研究了該在線網(wǎng)絡(luò)的結(jié)構(gòu)演化，網(wǎng)絡(luò)牽制控制等。

微博是近幾年繼博客之后新興的社交平臺(tái)，基于復(fù)雜網(wǎng)絡(luò)理論，國(guó)內(nèi)外對(duì)微博用戶關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)已經(jīng)做出了一些成果。國(guó)外HaewoonKwak等［5］對(duì)Twitter進(jìn)行了實(shí)證研究，研究顯示用戶網(wǎng)絡(luò)的粉絲分布非冪律，網(wǎng)絡(luò)的有效直徑很短，并且互惠指數(shù)很小。用粉絲數(shù)和PageRank算法對(duì)具有影響力的用戶進(jìn)行了分析，兩個(gè)方法的結(jié)果很相似。AkshayJava等［6］給出了Twitter用戶的增長(zhǎng)率，研究了Twitter社會(huì)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和地理位置分布，用戶利用微博主要是談?wù)撊粘；顒?dòng)或者搜尋分享信息。尹書華［7］以新浪、騰訊、搜狐三大微博注冊(cè)用戶為研究對(duì)象，根據(jù)用戶之間的關(guān)注關(guān)系構(gòu)建了復(fù)雜網(wǎng)絡(luò)，分別給出了該網(wǎng)絡(luò)的度分布、平均群聚系數(shù)以及平均路徑長(zhǎng)度等統(tǒng)計(jì)特征，得出微博用戶關(guān)系網(wǎng)絡(luò)具有無標(biāo)度特性以及小世界效應(yīng)。樊鵬翼等［8］對(duì)新浪微博也作了實(shí)證研究，結(jié)果顯示新浪微博用戶關(guān)系網(wǎng)絡(luò)有小世界、無標(biāo)度和同類混合模式等特點(diǎn)，并且用戶關(guān)系網(wǎng)絡(luò)的出度和入度具有弱相關(guān)性，相關(guān)性僅為0.033。郭正彪等［9］研究了新浪微博用戶怎樣連接形成微博關(guān)系網(wǎng)絡(luò)，將微博用戶分成兩類（普通用戶和認(rèn)證用戶），這兩類不同的用戶明顯有不同的網(wǎng)絡(luò)屬性。研究表明微博用戶關(guān)系網(wǎng)絡(luò)是個(gè)信息驅(qū)動(dòng)網(wǎng)絡(luò)而不是關(guān)系驅(qū)動(dòng)網(wǎng)絡(luò)。對(duì)于用戶興趣，張寧等［10－11］研究了用戶瀏覽網(wǎng)絡(luò)日志的興趣，找出群體興趣網(wǎng)絡(luò)的特殊性質(zhì)及其自身的演化規(guī)律。而微博用戶的興趣時(shí)刻影響著微博用戶關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)。

在線社會(huì)網(wǎng)絡(luò)最大的特點(diǎn)在于它的動(dòng)態(tài)性，網(wǎng)絡(luò)無時(shí)無刻不在變化，這給研究帶來了一定的困難。在研究在線社會(huì)網(wǎng)絡(luò)的一些屬性時(shí)不能局限于一個(gè)時(shí)間點(diǎn)，而要看它整個(gè)過程，然后綜合研究網(wǎng)絡(luò)的特性。在這個(gè)過程中數(shù)據(jù)的獲取是最大的困難所在。本文主要研究了個(gè)人微博用戶關(guān)系網(wǎng)絡(luò)隨時(shí)間的變化，網(wǎng)絡(luò)結(jié)構(gòu)屬性的變化體現(xiàn)用戶行為的變化。在這一過程中對(duì)于信息獲取又有怎樣的影響？對(duì)于某一時(shí)間點(diǎn)個(gè)人微博用戶關(guān)系網(wǎng)絡(luò)是否也滿足無標(biāo)度特性和小世界特性？在個(gè)人微博用戶關(guān)系網(wǎng)絡(luò)中，都有哪些類型的用戶，用戶在網(wǎng)絡(luò)中扮演怎樣的角色？

本文利用復(fù)雜網(wǎng)絡(luò)的理論知識(shí)，將微博用戶關(guān)系用網(wǎng)絡(luò)的形式描述出來，根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)屬性的變化來刻畫用戶的行為和在網(wǎng)絡(luò)中的影響力。利用聚類分析的方法，將微博用戶進(jìn)行了分類，根據(jù)他們?cè)诰W(wǎng)絡(luò)中的結(jié)構(gòu)屬性，可以得出他們?cè)诰W(wǎng)絡(luò)中的目的和類型以及興趣愛好，從而有利于微博運(yùn)營(yíng)商對(duì)用戶有針對(duì)性的推薦。

對(duì)于微博關(guān)系網(wǎng)絡(luò)的研究如今也處于白熱化階段，微博網(wǎng)絡(luò)從各種不同角度進(jìn)行研究，本文主要是針對(duì)個(gè)人的微博用戶網(wǎng)絡(luò)，對(duì)于普通用戶來說（除認(rèn)證用戶）都有一定的普遍性。能更加深入了解用戶的行為與興趣愛好，以及對(duì)信息傳播的影響，使微博平臺(tái)更好地服務(wù)于用戶。

1 相關(guān)理論

微博用戶關(guān)系網(wǎng)絡(luò)是一個(gè)有向無權(quán)網(wǎng)絡(luò)，描述復(fù)雜網(wǎng)絡(luò)的屬性有很多，比如網(wǎng)絡(luò)的度分布、密度、群聚系數(shù)及介數(shù)等等，這些基本理論不再詳述。社交網(wǎng)絡(luò)分析是基于相互作用單位或節(jié)點(diǎn)之間的關(guān)系或鏈接的重要性進(jìn)行的［12］。為便于理解，將本文用到的術(shù)語和理論作以下介紹。

關(guān)注率［13］：為節(jié)點(diǎn)的入度與出度的比值，即一用戶的粉絲數(shù)與該用戶關(guān)注的對(duì)象數(shù)的比值，刻畫的是個(gè)人在網(wǎng)絡(luò)中的影響力。

聚類分析法［14］：聚類分析又稱群分析，是研究分類問題的一種多元統(tǒng)計(jì)方法，即將待處理的對(duì)象分配到相應(yīng)的聚類中，使得同一聚類中的對(duì)象差別較小，而不同聚類之間的對(duì)象差別較大。K－means聚類算法［15］是挖掘技術(shù)中一個(gè)成熟的且認(rèn)可度很高的算法，是利用距離函數(shù)將不同對(duì)象進(jìn)行聚類的方法。選用歐式距離函數(shù)，個(gè)案x和y的歐式距離是兩個(gè)個(gè)案的m個(gè)變量之差的平方和的平方根，距離函數(shù)公式為

2 數(shù)據(jù)準(zhǔn)備和網(wǎng)絡(luò)構(gòu)建

本文在研究新浪微博中，抽取了一個(gè)普通活躍用戶（即新浪微博非認(rèn)證用戶，并且微博數(shù)和粉絲數(shù)不為零）——（記為用戶A），以這個(gè)用戶為節(jié)點(diǎn)出發(fā)，搜集與該用戶有直接關(guān)聯(lián)的用戶（他的關(guān)注與粉絲），以用戶作為節(jié)點(diǎn)，他們之間的“關(guān)注”與“被關(guān)注”關(guān)系作為邊所構(gòu)成的有向網(wǎng)絡(luò)，凡是與用戶A沒有直接關(guān)聯(lián)的用戶都不在網(wǎng)絡(luò)范圍內(nèi)。因此，用戶A的興趣愛好對(duì)于網(wǎng)絡(luò)有很大影響。記錄了該用戶從2011年3月注冊(cè)開始到2012年9月期間3個(gè)時(shí)間點(diǎn)的數(shù)據(jù)。2011年4月27日為時(shí)間點(diǎn)1，該時(shí)間點(diǎn)為用戶剛注冊(cè)不久，顯示了微博用戶開始階段的興趣特征；2011年12月23日為時(shí)間點(diǎn)2，該時(shí)間點(diǎn)為用戶關(guān)系網(wǎng)絡(luò)出度急劇增加入度變化很小，顯示了用戶過渡時(shí)期的行為特征；2012年8月8日為時(shí)間點(diǎn)3，該時(shí)間點(diǎn)為用戶關(guān)系網(wǎng)絡(luò)入度變化較大，顯示了用戶長(zhǎng)期的變化特征，處于用戶穩(wěn)定階段。用戶A網(wǎng)絡(luò)的總節(jié)點(diǎn)數(shù)和邊數(shù)如表1所示。這3個(gè)時(shí)間點(diǎn)體現(xiàn)了微博用戶網(wǎng)絡(luò)的變化特征。對(duì)應(yīng)于這3個(gè)時(shí)間點(diǎn)的數(shù)據(jù)得到3個(gè)網(wǎng)絡(luò)，將這3個(gè)網(wǎng)絡(luò)加以研究分析。用戶加入到微博網(wǎng)絡(luò)中一般經(jīng)歷這3個(gè)過程，將網(wǎng)絡(luò)的拓?fù)涮匦赃M(jìn)行了對(duì)比分析。還搜集到了網(wǎng)絡(luò)3的所有用戶的資料，包括每個(gè)用戶的粉絲數(shù)、關(guān)注數(shù)和微博數(shù)。

表1 微博用戶的網(wǎng)絡(luò)數(shù)據(jù)Tab.1 The data of networks on micro－blog users

3 微博用戶關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)分析

3.1 基于一個(gè)時(shí)間點(diǎn)的微博用戶關(guān)系網(wǎng)絡(luò)的統(tǒng)計(jì)屬性

對(duì)于微博用戶關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)，首先分析網(wǎng)絡(luò)屬性。選取時(shí)間點(diǎn)3的網(wǎng)絡(luò)，該時(shí)間點(diǎn)的數(shù)據(jù)處于用戶注冊(cè)時(shí)間后期，網(wǎng)絡(luò)出度入度較穩(wěn)定。從網(wǎng)絡(luò)的度分布，平均群聚系數(shù)和平均最短路徑分析了網(wǎng)絡(luò)的統(tǒng)計(jì)屬性。

3.1.1 微博用戶關(guān)系網(wǎng)絡(luò)的無標(biāo)度特性

微博用戶關(guān)系網(wǎng)絡(luò)為有向網(wǎng)絡(luò)，其度分布分為入度分布和出度分布，本文利用度分布函數(shù)對(duì)網(wǎng)絡(luò)的度進(jìn)行刻畫。根據(jù)搜集到的數(shù)據(jù)，得到微博用戶關(guān)系網(wǎng)絡(luò)的度分布，如圖1所示。

圖1 微博用戶關(guān)系網(wǎng)絡(luò)度分布Fig.1 The degree distribution of micro－blog user relations network

從圖1得出在雙對(duì)數(shù)坐標(biāo)下，微博個(gè)人用戶關(guān)系網(wǎng)絡(luò)的出度和入度分都近似服從冪律分布，P（k）～k－r，用最小二乘法進(jìn)行了擬合，分布的指數(shù)為0.977 88和0.888 54，說明個(gè)人微博用戶關(guān)系網(wǎng)絡(luò)具有無標(biāo)度特性。

3.1.2 微博用戶關(guān)系網(wǎng)絡(luò)的小世界特性

網(wǎng)絡(luò)的小世界特性體現(xiàn)在兩個(gè)方面，一是平均最短路徑，二是網(wǎng)絡(luò)的平均群聚系數(shù)。計(jì)算得出微博用戶關(guān)系網(wǎng)絡(luò)的平均最短路徑和平均群聚系數(shù)分別為3.798 76，0.328 3。與同等規(guī)模的隨機(jī)網(wǎng)絡(luò)作對(duì)比，計(jì)算出隨機(jī)網(wǎng)絡(luò)的平均最短路徑和平均群聚系數(shù)分別為4.672 57和0.080 98。微博用戶關(guān)系網(wǎng)絡(luò)與同等規(guī)模的隨機(jī)網(wǎng)絡(luò)相比較，有較小的平均最短路徑長(zhǎng)度和較大的群聚系數(shù)，表明該微博用戶關(guān)系網(wǎng)絡(luò)具有明顯的小世界特性。由于該微博網(wǎng)絡(luò)是個(gè)人用戶的微博網(wǎng)絡(luò)，用戶的興趣主導(dǎo)了整個(gè)網(wǎng)絡(luò)，從網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)可知用戶關(guān)注數(shù)并不多，彼此之間的距離小，平均路徑不會(huì)太大，從而表現(xiàn)出小世界現(xiàn)象。另一方面也表明微博用戶關(guān)系網(wǎng)絡(luò)連接緊密，有利于信息在網(wǎng)絡(luò)中的傳播。

3.2 基于時(shí)間變化的微博用戶關(guān)系網(wǎng)絡(luò)的屬性

用戶網(wǎng)絡(luò)根據(jù)自己興趣愛好的變化和生活交際范圍的擴(kuò)大等因素不斷地變化著，而用戶興趣不會(huì)隨時(shí)改變，因此到一定階段微博用戶關(guān)系網(wǎng)絡(luò)變化就不會(huì)那么大。隨著微博用戶網(wǎng)絡(luò)的變化，節(jié)點(diǎn)（邊）的增加或減少，網(wǎng)絡(luò)的拓?fù)涮匦砸搽S著變化，從這些屬性的變化上分析用戶網(wǎng)絡(luò)，得出用戶A的行為和網(wǎng)絡(luò)中信息傳播的變化。

首先統(tǒng)計(jì)出了用戶A的出度和入度變化，如表2所示，從表中可以看出用戶A的入度和出度都不斷地增加，即用戶的粉絲和關(guān)注數(shù)都在增加，總節(jié)點(diǎn)數(shù)也不斷增加，表明用戶網(wǎng)絡(luò)范圍不斷擴(kuò)大，用戶獲取信息不斷增加，信息傳播范圍相應(yīng)變大，用戶A的興趣變得更加廣泛。相比來看，時(shí)間點(diǎn)2比時(shí)間點(diǎn)1出度增加較大，時(shí)間點(diǎn)3相比時(shí)間點(diǎn)2入度增加較大。用戶A的關(guān)注率不斷增加，表明用戶在網(wǎng)絡(luò)中的影響力逐漸增強(qiáng)，用戶A的信息傳播能力不斷增強(qiáng)。

對(duì)于微博用戶關(guān)系網(wǎng)絡(luò)，隨著時(shí)間的變化網(wǎng)絡(luò)結(jié)構(gòu)也發(fā)生變化。網(wǎng)絡(luò)密度描述的是網(wǎng)絡(luò)的稠密程度；節(jié)點(diǎn)i的介數(shù)表示網(wǎng)絡(luò)中所有節(jié)點(diǎn)對(duì)的最短路徑中經(jīng)過節(jié)點(diǎn)i的路徑數(shù)目占所有最短路徑數(shù)目的比例，反映了節(jié)點(diǎn)i的影響力；群聚系數(shù)反映了你的朋友圈的緊密程度［16］。計(jì)算出了3個(gè)不同時(shí)間點(diǎn)的網(wǎng)絡(luò)的統(tǒng)計(jì)指標(biāo)，如表3所示。

表2 用戶A的網(wǎng)絡(luò)屬性Tab.2 The network＇s properties of user A

表3 不同時(shí)間點(diǎn)的微博用戶關(guān)系網(wǎng)絡(luò)屬性Tab.3 The properties of micro－blog user relations network at different time points

從表1、表3中可以看出網(wǎng)絡(luò)總節(jié)點(diǎn)數(shù)不斷增加，網(wǎng)絡(luò)中節(jié)點(diǎn)的平均入度和出度不斷減小，說明網(wǎng)絡(luò)越來越稀疏。關(guān)注的用戶逐漸增多，并沒有引起其他用戶更多的關(guān)注，表明用戶A的興趣越來越廣，信息來源越來越廣，更有利于用戶A獲取自己想要的信息。

平均最短路徑一直減小，說明網(wǎng)絡(luò)節(jié)點(diǎn)間的平均距離不斷變小。雖然網(wǎng)絡(luò)范圍不斷擴(kuò)大即節(jié)點(diǎn)不斷增加，然而網(wǎng)絡(luò)中邊的連接數(shù)增加，用戶間能達(dá)到的距離減小，從而網(wǎng)絡(luò)的平均路徑減小。網(wǎng)絡(luò)中用戶間交流和溝通更加容易，這一變化過程微博用戶關(guān)系網(wǎng)絡(luò)一直都表現(xiàn)出小世界特性，即平均最短路徑比隨機(jī)網(wǎng)絡(luò)的小。

3個(gè)時(shí)間點(diǎn)的網(wǎng)絡(luò)直徑都較大說明網(wǎng)絡(luò)輻射范圍較大，用戶A關(guān)注的對(duì)象較廣，用戶有廣泛的信息獲取資源。3個(gè)時(shí)間點(diǎn)的網(wǎng)絡(luò)直徑基本穩(wěn)定，表明微博用戶關(guān)系網(wǎng)絡(luò)較為穩(wěn)定。

網(wǎng)絡(luò)介數(shù)的不斷增大表明網(wǎng)絡(luò)中用戶節(jié)點(diǎn)的整體影響力不斷增加，信息的傳播能力變大，更容易獲取及傳播信息。用戶A的關(guān)注不斷增加，關(guān)注越多，信息來源越廣泛，有共同興趣愛好的微博用戶關(guān)注同一人可能性就越高，從而用戶的介數(shù)就不斷變大。介數(shù)的不斷增加使得網(wǎng)絡(luò)中信息更容易傳播，有利于用戶獲取即時(shí)信息。

網(wǎng)絡(luò)密度逐漸變小，網(wǎng)絡(luò)節(jié)點(diǎn)的增加，雖然網(wǎng)絡(luò)中邊也增加，但兩者不是同比例變化的，對(duì)于整個(gè)網(wǎng)絡(luò)來說還是變得稀疏。雖然網(wǎng)絡(luò)變得稀疏，并不影響用戶與其他用戶交流和獲取信息的能力。

網(wǎng)絡(luò)的平均群聚系數(shù)變化很小，表明網(wǎng)絡(luò)節(jié)點(diǎn)在增加的同時(shí)，整個(gè)網(wǎng)絡(luò)中用戶間彼此關(guān)注也增加。而平均群聚系數(shù)有所減小，說明用戶關(guān)注變廣，覆蓋的不同類別的用戶，不同類別之間的用戶一般是不會(huì)相互關(guān)注，導(dǎo)致了網(wǎng)絡(luò)的平均群聚系數(shù)減小。即用戶間形成了不同的社團(tuán)結(jié)構(gòu)，在社團(tuán)內(nèi)關(guān)注更加密切，而社團(tuán)之間連接就稀疏了，不利于社團(tuán)間信息的傳播。

網(wǎng)絡(luò)的結(jié)構(gòu)屬性的變化上體現(xiàn)了用戶行為的變化，從整個(gè)網(wǎng)絡(luò)發(fā)展來看，用戶獲取信息的能力變強(qiáng)，網(wǎng)絡(luò)中傳播信息的通道變多，這些又是根據(jù)用戶的興趣發(fā)展變化而變化的。而用戶網(wǎng)絡(luò)結(jié)構(gòu)的變化對(duì)用戶信息傳播的影響可以對(duì)信息模型的研究提供理論依據(jù)。

4 微博用戶關(guān)系網(wǎng)絡(luò)的聚類分析

微博用戶關(guān)系網(wǎng)絡(luò)分析剖析了網(wǎng)絡(luò)的結(jié)構(gòu)特征，為進(jìn)一步分析微博用戶的特性，發(fā)掘用戶間的共同特性，本文用聚類算法對(duì)微博用戶關(guān)系網(wǎng)絡(luò)進(jìn)行了聚類分析。用K－means聚類算法來挖掘微博用戶類別和網(wǎng)絡(luò)節(jié)點(diǎn)的共性。將網(wǎng)絡(luò)3去除一些不活躍節(jié)點(diǎn)的影響，得到347個(gè)用戶節(jié)點(diǎn)。將每個(gè)用戶的關(guān)注數(shù)和所發(fā)的微博數(shù)作為網(wǎng)絡(luò)中節(jié)點(diǎn)的信息獲取量和活躍性的影響因素。選取用戶的在該微博用戶網(wǎng)絡(luò)中的介數(shù)、出度、入度以及每個(gè)用戶的關(guān)注數(shù)和微博數(shù)作為變量，將數(shù)據(jù)導(dǎo)入SPSS軟件，用K－means算法進(jìn)行聚類，最終聚為3類。聚類結(jié)果如表4、表5所示。

表4 最終聚類中心Tab.4 The final cluster centers

表5 每個(gè)聚類中的案例數(shù)Tab.5 The number of cases in each cluster

從表4和5可以得出類型1占了微博用戶的81.84%，這類用戶的關(guān)注數(shù)、微博數(shù)及在網(wǎng)絡(luò)中的出度入度都最小?？梢娫谠撐⒉┯脩舻木W(wǎng)絡(luò)中，大多數(shù)用戶的關(guān)注數(shù)約為508，微博數(shù)均值為3 345。這類用戶關(guān)注他人較少，一般都是朋友或者認(rèn)識(shí)的人，微博數(shù)也較少，說明平常僅僅是和關(guān)注的人或者粉絲進(jìn)行交流，關(guān)注他們的動(dòng)態(tài)，獲取自己感興趣的信息。介數(shù)適中，即能得到其他用戶的響應(yīng)和關(guān)注，屬于普通社交類型。該微博網(wǎng)絡(luò)包含了大量的明星節(jié)點(diǎn)，他們粉絲雖然很多，但大部分發(fā)微博數(shù)很少，基本都是在與圈內(nèi)人士進(jìn)行交流與溝通，發(fā)布自己最新動(dòng)態(tài)，所以大部分的明星節(jié)點(diǎn)也屬于普通社交型。

從表4和表5看出類型2占了微博用戶的13.83%，這類用戶的微博數(shù)及出度入度都適中，關(guān)注數(shù)最大?？赡芤?yàn)閻酆?、信息傳播?nèi)容、職業(yè)性質(zhì)等因素，這類用戶關(guān)注了自己感興趣或者有相同興趣的用戶，因此比起“普通社交型”關(guān)注他人稍多一點(diǎn)。微博數(shù)較多能夠與其他微博用戶進(jìn)行交流，能夠讓用戶得到他們想得到的信息，然而出度和入度并不是很大，說明只有部分人關(guān)注了這類用戶，屬于“個(gè)人興趣型”。同時(shí)介數(shù)最小，說明在網(wǎng)絡(luò)中這類用戶的節(jié)點(diǎn)重要性不大。

從表4和表5得出類型3占了微博用戶的4.33%，這類用戶的微博數(shù)與出度入度、介數(shù)最大，關(guān)注數(shù)適中。這類用戶在網(wǎng)絡(luò)中出度入度都最大，說明他在積極關(guān)注其他人微博更新動(dòng)態(tài)和信息，瀏覽和了解網(wǎng)絡(luò)當(dāng)前最新、最熱門的資訊，然后進(jìn)行發(fā)布，讓更多用戶瀏覽信息，屬于信息散播型。同時(shí)從表中看到這類用戶的博文數(shù)最大，說明用戶比較活躍，能積極傳播當(dāng)前發(fā)生的信息。介數(shù)最大也說明了這類用戶在該微博網(wǎng)絡(luò)中信息傳播影響力很大。

綜上所述，81.84%的用戶能夠與微博用戶進(jìn)行社會(huì)和朋友的交流，同時(shí)獲取自己感興趣的消息。13.83%屬于“個(gè)人興趣型”，這類用戶關(guān)注數(shù)比較大，十分積極地參與微博，話題也能引起聽眾興趣，信息創(chuàng)造的價(jià)值較大。4.33%的用戶屬于“信息散播者”，出度入度最大，更多的是關(guān)注他人，尋找自己感興趣的話題和信息，也引起他人的關(guān)注給其他用戶帶來有用的信息。這些用戶在網(wǎng)絡(luò)中活躍度比較高，擁有大量的粉絲，稱為網(wǎng)絡(luò)節(jié)點(diǎn)的“權(quán)力中心”或“意見領(lǐng)袖”，當(dāng)他們發(fā)布一條信息后，該信息就會(huì)在網(wǎng)絡(luò)中迅速散播，將是主要的信息傳播者。

在聚類統(tǒng)計(jì)結(jié)果中還包括聚類成員，每個(gè)個(gè)案的聚類信息。由于數(shù)據(jù)量較大，論文中沒有列出。但這些分析結(jié)果對(duì)于微博服務(wù)商是有一定價(jià)值的。

5 總結(jié)與展望

本文主要研究了個(gè)人微博用戶關(guān)系網(wǎng)絡(luò)的拓?fù)涮匦?，研究表明個(gè)人微博用戶關(guān)系網(wǎng)絡(luò)也具有無標(biāo)度特性和小世界特性。分析了網(wǎng)絡(luò)的不同時(shí)間點(diǎn)的屬性，隨著時(shí)間的變化網(wǎng)絡(luò)結(jié)構(gòu)發(fā)展變化，通過網(wǎng)絡(luò)結(jié)構(gòu)變化體現(xiàn)用戶行為變化。根據(jù)網(wǎng)絡(luò)節(jié)點(diǎn)的不同屬性使用K－means聚類算法將微博用戶分成了3種類型。了解了網(wǎng)絡(luò)中的節(jié)點(diǎn)用戶主要的目的與用途。能更加清晰地認(rèn)識(shí)用戶的興趣和行為，可以考慮為用戶推薦應(yīng)用程序與其他用戶。

隨著在線社會(huì)網(wǎng)絡(luò)的發(fā)展和用戶的增加，微博網(wǎng)絡(luò)還面臨著很多的挑戰(zhàn)，微博網(wǎng)絡(luò)還可以從以下一些方面做進(jìn)一步研究和改進(jìn)。本文多數(shù)指標(biāo)是無向網(wǎng)絡(luò)指標(biāo)，這是最簡(jiǎn)單的情況，而實(shí)際網(wǎng)絡(luò)要比這復(fù)雜得多，所以對(duì)于有向加權(quán)網(wǎng)絡(luò)有待進(jìn)一步研究；本文只研究了一個(gè)用戶的網(wǎng)絡(luò)，對(duì)于普通用戶結(jié)論具有普遍性，可對(duì)于一些認(rèn)證用戶不一定適用，還有待進(jìn)一步研究；對(duì)于微博用戶網(wǎng)絡(luò)的動(dòng)態(tài)演化、微博用戶的影響力和信息傳播的效率深入分析研究，有利于信息傳播的控制，微博用戶的行為特性對(duì)微博網(wǎng)絡(luò)結(jié)構(gòu)和信息傳播的影響及微群對(duì)信息傳播的影響，有待深入研究。

［1］ 胡海波，王科，徐玲，等.基于復(fù)雜網(wǎng)絡(luò)理論的在線社會(huì)網(wǎng)絡(luò)分析［J］.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2008，5（2）：1－12.Hu Haibo，Wang Ke，Xu Ling，et al.Analysis of online social networks based on complex network theory［J］.Complex Systems and Complexity Science，2008，5（2）：1－12.

［2］ Kumar R，Novak J，Tomkins A.Structure and evolution of online social networks［M］／／Link Mining：Models，Algorithms，and Applications.New York：Springer，2010：337－357.

［3］ Mislove A，Marcon M，Krishna P G，et al.Measurement and analysis of online social networks［C］／／Proceedings of the 7th ACM SIGCOMM Conference on Internet Measurement，Ser.IMC’07.New York：ACM，2007：29－42.

［4］ 汪小帆.在線社會(huì)網(wǎng)絡(luò)分析與網(wǎng)絡(luò)牽制控制［J］.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2010，9（2／3）：29－31.Wang Xiaofan.Online social network analysis and network pinning control［J］.Complex Systems and Complexity Science，2010，9（2／3）：29－31.

［5］ Kwak H，Lee C，Park H，et al.What is twitter，a social network or a news media？［C］／／Proceedings of the 19th International Conference on World Wide Web.New York：ACM，2010：591－600.

［6］Java A，Song X，F(xiàn)inin T，et al.Why we twitter：understanding microblogging usage and communities［C］／／Proceedings of the 9th WebKDD and 1st SNA－KDD 2007Workshop on Web Mining and Social Network Analysis.New York：ACM，2007：56－65.

［7］ 尹書華.基于復(fù)雜網(wǎng)絡(luò)的微博用戶關(guān)系網(wǎng)絡(luò)特性研究［J］.西南師范大學(xué)學(xué)報(bào)，2011（12）：57－60.Yin Shuhua.A research of user relations properties based on complex network of microblog［J］.Journal of Southwest China Normal University，2011（12）：57－60.

［8］ Fan P Y，Li P，Jiang Z H，et al.Measurement and analysis of topology and information propagation on Sina micro－blog［C］／／Proceeding of IEEE International Conference on：Intelligence and Security Informatics.New York：IEEE Press，2011：396－401.

［9］ Guo Z，Li Z，Tu H.Sina microblog：an information－driven online social network［C］／／Cyberworlds（CW），2011International Conference on Cyberworlds（CW）.New York：IEEE Press，2011：160－167.

［10］張寧.群體興趣網(wǎng)的統(tǒng)計(jì)特性研究［J］.上海理工大學(xué)學(xué)報(bào)，2008，30（3）：243－246.Zhang Ning.Statistical characteristics study on the group interest networks［J］.Journal of University of Shanghai for Science and Technology，2008，30（3）：243－246.

［11］曹易，張寧.挖掘用戶瀏覽網(wǎng)頁的興趣研究［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21（7）：65－68.Cao Yi，Zhang Ning.Study of the uses＇interests based on the internet browsing history［J］.Computer Systems ＆ Applications，2012，21（7）：65－68.

［12］Coulon F.The use of social network analysis in innovation research：a literature review ［D］.Lund：Lund University，2005.

［13］Teutle A R M.Twitter：network properties analysis［C］／／Electronics，Communications and Computer（CONIELECOMP），2010 20th International Conference on Date of Conference.New York：IEEE Press，2010：180－186.

［14］王曉光，袁毅，滕思琦.微博社區(qū)交流網(wǎng)絡(luò)結(jié)構(gòu)的實(shí)證分析［J］.情報(bào)雜志.2011（2）：199－202.Wang Xiaoguang，Yuan Yi，Teng Siqi.Empirical analysis on communicating structure of micro－blog community［J］.Journal of the China Society for Scientific and Technical Information，2011（2）：199－202.

［15］楊小朋，何躍.騰訊微博用戶的特征分析［J］.情報(bào)雜志.2012（3）：84－87.Yang Xiaopeng，He Yue.Analysis on the user＇s data of tencent micro－blog［J］.Journal of the China Society for Scientific and Technical Information，2012（3）：84－87.

［16］汪小帆，李翔，陳關(guān)榮.網(wǎng)絡(luò)科學(xué)導(dǎo)論［M］.北京：高等教育出版社，2012.