社會網(wǎng)絡分析在社會化媒體信息生態(tài)鏈中的應用研究*
——基于信息主體視角

馮 纓 朱 蓓

（江蘇大學管理學院 江蘇鎮(zhèn)江 212000）

隨著社會的不斷發(fā)展，互聯(lián)網(wǎng)已經(jīng)成為人們生活的重要組成部分。社會化媒體應運而生，并不斷地深入人心，成為互聯(lián)網(wǎng)信息傳播的關(guān)鍵渠道。社會化媒體是指以Web2.0為技術(shù)基礎(chǔ)，可進行信息的交換并允許人們自主創(chuàng)作、分享、評論和相互交流的在線媒體社交平臺，主要包括社交網(wǎng)站、個人空間、博客以及微信、QQ等即時通信工具。眾多的用戶以及極大的參與空間是社會化媒體形式不斷創(chuàng)新和發(fā)展的兩個關(guān)鍵因素。社會化媒體因為具有參與性、開放性、交互性和連通性等特點，贏得了人們越來越多的關(guān)注，成為用戶獲取最新信息，進行事件評價，發(fā)布個人信息的重要渠道。

在社會化媒體發(fā)展的進程中，信息生態(tài)化問題已經(jīng)成為一個急需解決的難題。社會化媒體作為信息傳播的平臺，因為用戶量巨大、信息傳播快速，所以出現(xiàn)了信息污染和信息生態(tài)失衡等現(xiàn)狀。這一系列問題導致網(wǎng)絡中大量信息的堆積和堵塞，嚴重延緩了生態(tài)鏈中信息的流轉(zhuǎn)速度，破壞了社會化媒體信息生態(tài)鏈的建設(shè)。2016年，習近平主席在網(wǎng)絡安全和信息化工作座談會中強調(diào)要按照創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的發(fā)展理念推進網(wǎng)絡強國建設(shè)，推動我國網(wǎng)信事業(yè)發(fā)展，讓互聯(lián)網(wǎng)更好造福國家和人民[1]。政府作為信息的監(jiān)管者，有責任和義務來規(guī)范和約束信息受眾的行為，創(chuàng)建健康良好的信息平臺。如何優(yōu)化社會化媒體的信息生態(tài)環(huán)境，不僅是社會化媒體必須面對的問題，也已成為政府部門關(guān)注的問題。社會化媒體信息生態(tài)鏈主體之間的關(guān)系，實際上是一條“信息生產(chǎn)者—信息組織者—信息傳遞者—信息消費者”的社會化媒體信息生態(tài)鏈的鏈式關(guān)系，所以社會化媒體信息生態(tài)需要多個信息主體之間的協(xié)同與配合，這對相關(guān)部門凈化社會化媒體信息大環(huán)境具有重要作用。

1 相關(guān)理論

1.1 信息生態(tài)鏈

婁策群[2]最先提出信息生態(tài)鏈的概念，認為信息生態(tài)鏈指的是生態(tài)系統(tǒng)中不同的信息主體進行信息傳遞和交流從而形成鏈內(nèi)主體之間的依存關(guān)系。在方法論研究中，李佳玉[3]圍繞信息生態(tài)鏈斷裂問題展開分析，從信息、信息主體和信息環(huán)境三方面提出信息生態(tài)鏈優(yōu)化的措施。在應用實踐中，馬捷[4]認為微博信息生態(tài)鏈是由信息人、信息內(nèi)容和信息傳播路徑三部分組成，其中信息人包括信息生產(chǎn)者、信息傳遞者、信息組織者、信息消費者和信息分解者。在信息生態(tài)鏈研究方面，信息生態(tài)鏈的理論研究起步早，但理論性研究比較多，實證性研究比較少。隨著研究的不斷推進，信息生態(tài)鏈理論開始運用到具體的應用性研究中，例如商務網(wǎng)絡信息生態(tài)鏈、博客信息生態(tài)鏈以及微博信息生態(tài)鏈等，而對于社會化媒體信息生態(tài)鏈的這一應用性的研究比較少。

1.2 社會網(wǎng)絡分析的應用研究

社會網(wǎng)絡分析是一種將可視化與可量化相結(jié)合的分析方法，它主要對群體內(nèi)部各種主體之間的關(guān)系進行分析量化，進而研究這種關(guān)系結(jié)構(gòu)對群體內(nèi)部主體的影響力[5]。近年來，社會網(wǎng)絡分析方法也被運用到社會化媒體的研究中，特別是在分析信息傳播的特點和擴散機制方面得到了廣泛的應用。一種是利用社會網(wǎng)絡分析的個體屬性進行研究。如王晰巍等[6]運用社會網(wǎng)絡分析的方法，從點度中心性、中間中心性和接近中心性三個個體屬性的角度來分析移動環(huán)境下和非移動環(huán)境下的網(wǎng)絡輿情信息傳播的差異性。一種則是利用社會網(wǎng)絡分析的整體屬性進行研究。例如Wang Kun[7]選取微信用戶作為樣本，運用社會網(wǎng)絡分析中的小世界效應揭示微信的關(guān)系網(wǎng)絡。而蘭娟麗[8]運用了社會網(wǎng)絡分析中的小世界網(wǎng)絡構(gòu)建出一種對微博網(wǎng)絡負面信息傳播的擴散機制模型并進行分析，得出微博網(wǎng)絡社區(qū)中節(jié)點的中心度的大小反映了該節(jié)點傳播負面消息的能力這一結(jié)論 。目前應用社會網(wǎng)絡分析來研究社會化媒體信息生態(tài)鏈主體的并不多，但是上述現(xiàn)有研究能夠給出很好的參考和借鑒。本文將參考國內(nèi)外現(xiàn)有研究成果，深入分析社會化媒體信息生態(tài)鏈，利用社會網(wǎng)絡分析當中的具體指標來分析信息生態(tài)鏈主體之間的關(guān)系和地位。

2 研究設(shè)計

2.1 研究思路

圖1 社會化媒體信息生態(tài)鏈主體關(guān)系模型

在該模型中，U指信息輸入，Y指信息輸出，S指一般節(jié)點，M指干擾信息輸入。一般來說，社會化媒體信息生態(tài)鏈中信息主體之間的關(guān)系分為兩種：

（1）核心主體在信息生態(tài)鏈中處于主導地位。具體來說，核心成員作為鏈體間的施控者，對信息生態(tài)鏈上的其他信息主體進行控制，從而使得生態(tài)鏈上的全體信息主體協(xié)同合作與共同發(fā)展。在社會化媒體中，核心成員指的是網(wǎng)絡意見領(lǐng)袖，他們通過發(fā)表自己的觀點和提供信息，來對其他信息人產(chǎn)生影響，在信息傳播的過程中起著重要的橋梁和紐帶作用。通過測量用戶的中心度來確定社會化媒體信息生態(tài)鏈中的意見領(lǐng)袖，使用核心—邊緣模型找出意見領(lǐng)袖在社會化媒體社交網(wǎng)絡中處于怎樣的位置，以此對核心成員的影響能力做出判斷，合理地賦予信息人的角色，從而提升核心成員的掌控和協(xié)調(diào)能力，使得社會化媒體信息生態(tài)鏈更加優(yōu)化。

（2）鏈內(nèi)信息主體之間的單純性協(xié)同。在社會化媒體信息生態(tài)鏈中，信息在相鄰節(jié)點之間來回傳遞。良好運作的社會化媒體信息生態(tài)鏈依賴于相鄰節(jié)點與其之間的緊密關(guān)聯(lián)。一般成員指的是普通的信息人，即信息生產(chǎn)者、信息組織者、信息傳遞者和信息消費者。在社會化媒體中，信息生態(tài)鏈得以形成，依靠的是信息主體，其中信息生產(chǎn)者和信息傳遞者處于核心地位。信息生產(chǎn)者、信息組織者、信息傳遞者和信息消費者不斷地生產(chǎn)、分解、傳遞和消費信息，促使信息流在整個社會化媒體信息生態(tài)鏈中高效地運轉(zhuǎn)。通過中心性和凝聚子群兩個因子研究生態(tài)鏈中各個成員之間信息交流的緊密程度，可以明確成員之間的依存關(guān)系。

2.2 測量指標

運用社會網(wǎng)絡分析方法中的中心度分析、核心—邊緣模型能夠清楚明了地確定信息生態(tài)鏈中核心主體以及辨別該核心主體在生態(tài)鏈中所處的位置和產(chǎn)生的影響，再利用密度和凝聚子群這兩個因子研究生態(tài)鏈中各個成員之間信息交流的緊密程度。

2.2.1 中心性分析

中心性是用來分析社會網(wǎng)絡中個人結(jié)構(gòu)和位置的一個重要指標，它主要用于確定社會網(wǎng)絡中的行動者擁有多大的權(quán)力或者處于怎樣的核心地位。中心性指標分為點度中心性、中間中心性和接近中心性。本文主要選取的是點度中心性，它是指如果一個行動者與社會網(wǎng)絡中其他很多行動者擁有直接聯(lián)系，則說明該行動者在社會網(wǎng)絡中處于核心位置并且擁有較高的權(quán)力。我們不僅可以用點度中心度來研究社會網(wǎng)絡中各個點的結(jié)構(gòu)和位置情況，還可以用點度中心勢這一指標來描述整張圖的中心趨勢。Scott提出“中心度”指的是點的中心度，而“中心勢”指的是整個圖的中心度，兩個概念不能混為一談[9]?？梢姡行亩葌?cè)重測量在整個網(wǎng)絡中個體的權(quán)力，“中心勢”測量的則是在構(gòu)建整個網(wǎng)絡圖時對某個或者某些特殊點的依賴程度。中心勢越接近于1，整個網(wǎng)絡越具有集中的趨勢。在社會化媒體中，中心性分析可以分析信息生態(tài)鏈中的意見領(lǐng)袖，確定意見領(lǐng)袖的權(quán)力和地位以及對鏈內(nèi)其他信息主體所產(chǎn)生的影響。

2.2.2 核心—邊緣模型

一般而言，在核心—邊緣這種社會結(jié)構(gòu)中，我們可以把群體成員分為三種類型：一種是核心群體，他們彼此聯(lián)系緊密并且交流頻繁；一種是半邊緣群體，他們彼此之間聯(lián)系不太密切，另一種則是邊緣群體，他們彼此之間幾乎不聯(lián)系。成員之間密切聯(lián)系并且交流頻繁從而成為小團體，而處于邊緣位置的成員相互間缺少聯(lián)系或者不聯(lián)系所以不構(gòu)成小團體，但是邊緣成員與核心群體之間卻存在一定的聯(lián)系。在社會化媒體中，核心—邊緣模型可以確定意見領(lǐng)袖在信息生態(tài)鏈中所處的位置，更加清晰地對意見領(lǐng)袖進行控制，從而提升意見領(lǐng)袖自身的素質(zhì)，達到信息生態(tài)鏈優(yōu)化的作用。

2.2.3 密度

密度是用來描述一個社會網(wǎng)絡圖中各個點之間聯(lián)系的緊密性。在信息生態(tài)鏈中，各個信息主體之間聯(lián)系越密切說明該社會網(wǎng)絡圖中節(jié)點的連線越多，密度也就越大。一般來說，網(wǎng)絡密度ρ的取值范圍為0到1，若密度ρ=0，說明該網(wǎng)絡社區(qū)中信息主體相互之間沒有任何關(guān)聯(lián)；若密度ρ=1，則說明該網(wǎng)絡社區(qū)中任意兩個信息主體之間都有緊密的聯(lián)系。在社會化媒體中，密度可以分析信息生態(tài)鏈中信息生產(chǎn)者、信息組織者、信息傳遞者和信息消費者之間聯(lián)系的緊密程度，判斷信息主體之間有沒有頻繁地進行信息的生產(chǎn)和傳遞。

2.2.4 凝聚子群分析

凝聚子群分析是社會網(wǎng)絡分析的重要方法之一，它主要側(cè)重于社會行動者之間關(guān)系的研究。凝聚子群表示一個行動者子集合，在該子集合中各個行動者之間存在較為直接或者緊密的聯(lián)系[10]。凝聚子群密度（External-Internal Index,E-I Index）用來分析社會網(wǎng)絡中小團體現(xiàn)象是否嚴重，該指標也可以反映生態(tài)鏈中各個節(jié)點之間信息交流的緊密性。凝聚子群密度的取值范圍為[-1,1]，如果取值越接近于1，說明網(wǎng)絡中成員之間聯(lián)系越緊密，小團體現(xiàn)象越嚴重；如果取值越接近-1，說明成員之間不存在過多聯(lián)系，分朋樹黨的程度越?。蝗绻撝翟浇咏?，說明成員關(guān)系不確定，判斷不出是否有小團體現(xiàn)象的存在[11]。在社會化媒體中，凝聚子群分析可以揭示信息主體之間實際存在的或者潛在的關(guān)系，發(fā)現(xiàn)信息生態(tài)鏈中信息人之間是否有小團體的現(xiàn)象，了解小團體中的信息成員間聯(lián)系的緊密情況。

2.3 實施路徑

本研究的具體實施路徑分為以下幾個步驟：

①需要選取社會化媒體中相應的虛擬社區(qū)，從中提取成員之間的關(guān)系。虛擬社區(qū)是指在網(wǎng)絡環(huán)境下，以現(xiàn)代信息技術(shù)為依托，把具有共同的興趣和利益，相互間聯(lián)系密切但身處不同地方的人們聯(lián)結(jié)在一起所組成的虛擬生活共同體[12]。本文認為用戶之間通過轉(zhuǎn)發(fā)信息的方式產(chǎn)生聯(lián)系，若用戶A與B兩者存在轉(zhuǎn)發(fā)關(guān)系則對應行列的元素值取“1”，反之，A與B不存在轉(zhuǎn)發(fā)聯(lián)系，則記為“0”，從而構(gòu)成轉(zhuǎn)發(fā)關(guān)系矩陣。②通過點度中心度和網(wǎng)絡中心勢來確定社會網(wǎng)絡中的核心主體，即確定社會化媒體中的意見領(lǐng)袖。③使用核心—邊緣模型的CORR算法確定意見領(lǐng)袖在社會化媒體信息生態(tài)鏈中所處的位置。④使用密度來研究一般成員之間的緊密程度。⑤用凝聚子群密度來分析社會化媒體中普通的信息主體之間是否有小團體現(xiàn)象的存在。

3 新浪微博“美國總統(tǒng)大選”實證分析

本文研究的數(shù)據(jù)來源于新浪微博的熱門話題。新浪微博是目前社會化媒體中使用人數(shù)最多、使用頻率最高、網(wǎng)絡影響力最大的社交媒體平臺。在微博話題“信息源”的選擇上，選擇受民眾關(guān)注的政治話題“美國總統(tǒng)大選”來進行信息生態(tài)鏈主體的分析。在新浪微博上以“美國總統(tǒng)大選”為關(guān)鍵詞進行搜索，將精選微博的轉(zhuǎn)發(fā)量按照降序進行排序，選取轉(zhuǎn)發(fā)、評論、點贊最多的微博用戶“這里是美國”（http://weibo.com/2243807243/EdLfgrXkg?type=repost）的這條微博作為原始數(shù)據(jù)源采集數(shù)據(jù)。使用八爪魚和PKUVIS微博可視化分析工具進行數(shù)據(jù)采集，采集時間為2016年10月20日到2017年3月10日，采集到10 611條用戶轉(zhuǎn)發(fā)信息，然后利用社會網(wǎng)絡分析法來分析信息生態(tài)鏈中信息主體之間的關(guān)系。

3.1 微博成員的“轉(zhuǎn)發(fā)互動關(guān)系矩陣”及其關(guān)聯(lián)圖

在微博這個虛擬社區(qū)中，各成員之間通過相互轉(zhuǎn)發(fā)對方的微博產(chǎn)生關(guān)系。經(jīng)過一段時間的數(shù)據(jù)搜集，選取轉(zhuǎn)發(fā)層級≥3的前51位成員作為本次研究的樣本，將這51位成員之間的轉(zhuǎn)發(fā)關(guān)系構(gòu)成矩陣（對成員進行編號1—51），矩陣中行代表轉(zhuǎn)發(fā)者，列代表被轉(zhuǎn)發(fā)者。如果任意兩位微博成員之間存在轉(zhuǎn)發(fā)關(guān)系，則矩陣中對應行列的值為1，否則值為0，矩陣主對角線的值也為0，最終得出一個51*51相互轉(zhuǎn)發(fā)關(guān)系的二值矩陣，并得出該虛擬社區(qū)的網(wǎng)絡關(guān)系圖。

圖2 微博51位成員網(wǎng)絡關(guān)系圖

由圖2可以看出1號、3號、6號成員處于網(wǎng)絡的中心地位，有許多其他的結(jié)點與該結(jié)點聯(lián)接，說明他們是整個網(wǎng)絡中的“活躍分子”，與其他成員交流頻繁并且在整個虛擬社區(qū)中擁有很高的關(guān)注度。

3.2 中心度測量

表1 微博成員的點度中心性結(jié)果

從表1可以看出，點度中心度最大的是1號（28.000），表明該點擁有最大的權(quán)力，與其他成員存在眾多聯(lián)系并且信息交流能力和掌控能力強。緊接其后的是3號、6號、11號和9號。通過對點度中心性的測量，可以看出這些成員是微博信息生態(tài)鏈上主要的意見領(lǐng)袖，與社群中其他成員相比擁有更多的連結(jié)關(guān)系。他們作為鏈體上的施控者，對鏈上其他微博成員進行施控，對微博上信息的傳播起到很大的推動作用，以達到鏈體成員全員的協(xié)同運作與發(fā)展。

從圖3可以看出微博成員網(wǎng)絡的標準化點度中心勢為52.24%，表明該微博虛擬社區(qū)的點度中心性比較大，微博成員之間的聯(lián)系比較密切。該微博虛擬社區(qū)中成員的中心趨勢比較集中，說明該網(wǎng)絡中存在中心點，也就是微博中的意見領(lǐng)袖。

圖3 網(wǎng)絡成員中心勢結(jié)果

3.3 核心—邊緣模型

運用UCINET軟件中核心—邊緣模型的CORR算法對微博成員進行分析，結(jié)果如圖4。

圖4 核心—邊緣分析結(jié)果

表2 51位成員的核心度及位置分布情況

本文對51位微博成員樣本進行核心—邊緣的劃分，其中群體1代表網(wǎng)絡的核心成員，群體2代表邊緣成員。由圖4可以看出，微博網(wǎng)絡中的核心成員分別是1號、2號、3號等人（共14人），這些成員之間存在緊密的聯(lián)系并且處于網(wǎng)絡的核心位置，構(gòu)成小團體。微博網(wǎng)絡中的邊緣成員分別是5號、8號、10號等人（共37人），這些成員之間聯(lián)系不太緊密甚至不存在聯(lián)系。邊緣成員的密度是0.142，說明他們之間并沒有小團體現(xiàn)象的存在。核心—邊緣成員的密度是0.002，表示邊緣成員與核心成員的聯(lián)系不太頻繁。

核心—邊緣結(jié)構(gòu)可以計算每個行動者核心度的大小，從而判斷出每個行動者在社會網(wǎng)絡中處于哪種位置。本文把核心度大于0.124的作為核心群體，大于0.069小于0.124的作為半邊緣群體，其余的作為邊緣群體。從表2可以看出，3號和9號成員再次出現(xiàn)在核心群體中，其余中心度比較高的成員均處于邊緣或者半邊緣位置。這再次說明3號和9號兩位成員的核心地位，表明信息生態(tài)鏈中，微博核心成員在信息的流轉(zhuǎn)過程中承擔著重要的角色。

3.4 密度

如圖5所示，本文利用UCINET軟件來計算矩陣的密度，得出該微博成員社會關(guān)系網(wǎng)絡的密度為0.0298，整體社會網(wǎng)絡中成員關(guān)系的標準差為0.1700。

圖5 微博成員的整體網(wǎng)絡密度圖

由此可見，該網(wǎng)絡的密度較小，表明選取的51個微博成員節(jié)點之間連線不多，成員之間不存在頻繁的互動交流，說明該社群成員之間的信息交流不太緊密，網(wǎng)絡的完備性比較低。

3.5 凝聚子群分析

凝聚子群分析方法有多種類型，因為微博成員可能屬于不同的群體，所以本文選擇建立在基于可達性的凝聚子群分析方法n-派系，其中n是派系成員之間距離的最大值。一般而言，n通常取臨界值2。一個2-派系指成員之間直接連接，他們的距離是1 ，或者成員之間借助相鄰的節(jié)點間接鏈接，此時他們之間距離是2。

將上文微博成員相互轉(zhuǎn)發(fā)關(guān)系二值矩陣通過UCINET軟件的Subgroups路徑進行n-派系分析，當n值取2，網(wǎng)絡最小規(guī)模值為10時，得到4個派系子群。

表3 n-派系分析結(jié)果

從表3可以看出，在此微博社區(qū)中有些微博成員同時屬于不同的群體，群體間成員存在交叉，如成員1號、2號、3號、6號、7號、9號、39號、41號、48號，他們出現(xiàn)在不同的群體中，對微博信息的生產(chǎn)、傳遞和分享起著重要的作用。但是，該社會網(wǎng)絡的子群規(guī)模比較小，說明該網(wǎng)絡成員間的互動性比較差。

圖6 網(wǎng)絡子群密度分析結(jié)果

利用UCINET計算出網(wǎng)絡凝聚子群的密度，結(jié)果如圖6顯示，該網(wǎng)絡子群密度為0.622，接近于1，說明該社會網(wǎng)絡中小團體的現(xiàn)象比較嚴重，小團體中成員信息交流比較緊密。

4 結(jié)語

通過社會網(wǎng)絡分析可以發(fā)現(xiàn)，社會化媒體中的信息主體由于其自身屬性的不同，在信息生態(tài)鏈中所處的位置以及相互之間的關(guān)系也不一樣。

核心主體在社會化媒體信息生態(tài)鏈中占主導位置。通過中心性和核心—邊緣分析可以發(fā)現(xiàn)，點度中心度較高并且處于核心位置的一般是社會化媒體的核心成員即意見領(lǐng)袖，他們在信息生態(tài)鏈中處于最重要的位置，不但擁有較強的掌控能力，而且其言論還受到其他普通成員的關(guān)注和傳播，同時也對信息生態(tài)鏈上信息的流動起到巨大的推動作用。因此，為了使社會化媒體信息生態(tài)鏈更加優(yōu)化，必須提升核心成員的調(diào)控能力，即掌握社會化媒體信息生態(tài)鏈優(yōu)化方向。

信息主體在社會化媒體信息生態(tài)鏈中單純性地協(xié)同。社會化媒體的信息主體指的是信息生產(chǎn)者、信息組織者、信息傳遞者和信息消費者，通過凝聚子群分析和密度的測量可以研究分析社會化媒體中信息主體之間的緊密程度，從而得出他們之間存在依存關(guān)系。每個信息主體在信息生態(tài)鏈上承擔不同的角色和作用，以及彼此之間相互產(chǎn)生影響。在社會化媒體信息生態(tài)鏈中，不同的信息主體存在核心能力和職能的差異，信息的流轉(zhuǎn)不僅受到主體自身范圍的約束，還要依賴相鄰主體之間的緊密關(guān)系。因此，為了使社會化媒體信息生態(tài)鏈更加有序高效地運行，需要系統(tǒng)地認識信息主體之間的復雜程度，強化鏈內(nèi)主體的依存關(guān)系，提高各主體的信息素養(yǎng)。

（來稿時間：2017年7月）

參考文獻：

1.新華網(wǎng).習近平主持召開網(wǎng)絡安全和信息化工作座談會[EB/OL].[2016-04-29].http://www.wenming.cn/djw/gbbd/xxhtwx/201605/t20160504_3332462.shtml.

2.婁策群,周承聰.信息生態(tài)鏈：概念、本質(zhì)和類型[J].圖書情報工作，2007（9）：29-32.

3.李佳玉.信息生態(tài)鏈斷裂問題研究[J].情報理論與實踐，2010（6）：15-18.

4.馬捷,孫夢瑤,尹爽,等.微博信息生態(tài)鏈構(gòu)成要素與形成機理 [J].圖書情報工作 ， 2012（18）：73-81.

5.李卓卓,丁子涵.基于社會網(wǎng)絡分析的網(wǎng)絡輿論領(lǐng)袖發(fā)掘——以大學生就業(yè)輿情為例[J].情報雜志，2011（11）：67-70, 66.

6.王晰巍,邢云菲,趙丹，等.基于社會網(wǎng)絡分析的移動環(huán)境下網(wǎng)絡輿情信息傳播研究[J].圖書情報工作，2015, 59（7）：14-21.

7.Wang Kun.Research on the wechat information transmission topology based on social network analysis[J].The Open Cybernetics and Systemics Journal, 2015（9）：121-130.

8.蘭娟麗,雷宏振,章俊.基于小世界網(wǎng)絡的微博負面信息傳播模型構(gòu)建與案例分析[J].現(xiàn)代情報，2015（4）：22-25.

9.Scott,J.,2013,Social Network Analysis:A Handbook（3rd edition）[M].London:Sage Publications.

10.Wasserman,S.and K.Faust.Social Network Analysis:Methods and Applicati -ons[M].Cambridge: Cambridge University Press，1994.

11.劉軍.整體網(wǎng)分析講義——UCINET軟件應用//第二屆社會網(wǎng)與關(guān)系管理研討會.哈爾濱:哈爾濱工程大學社會學系，2007：111.

12.趙捧未,馬琳,秦春秀.虛擬社區(qū)研究綜述[J].情報理論與實踐，2013（7）：119-123.