名人圈里的小世界：人民微博的网络结构分析

艾民伟张楠

2014年03月24日16:13 来源：人民网研究院手机看新闻

【摘要】本文通过对人民微博里的名人进行社会网络分析，发现名人微博的传播路径普遍较短，范围窄，多为一级传播，多级传播较少。整个名人圈的网络结构较为封闭，名人间缺乏联结和互动，微博转发者较为固定。但是，如若在名人微博间增加直接联结，微博多级传播的情况就比较容易出现。

【关键词】网络结构；人民微博；名人；联结

All Stars? :The Social Network of Microblogs in Peoples

Ai Minwei1 Zhang Nan2

(1. 2012, Communication, graduate, 18750266556; 2. 2012, Communication, graduate, 18705925561)

Abstract: Social network analysis is used in this research to discuss the star micro-blogs in Peoples. Most posts of the star micro-blog stop moving forward after the first repost. And there lacks directional ties among stars in the clique. The diffusion of information is kept in a limited way. But, if more ties among stars given, the diffusion would be much easier.

Key Words: Social Network, Star Micro-blog, Tie, Peoples

一、前言

很多人都渴望成为名人，而要判断自己是否真正为名人，最直接的方法就是看自己被多少人知晓。为了查验自己被多少人知晓，你或许去打开自己的微博，看看自己的粉丝有多少。100,500,1000，或是10000？但是仔细看看自己曾经所发的微博时，你或许会发现，只是那么一些人在持之以恒地转发着你的微博。然而，正是这些为数不多的人让你的声音传得更远，更广。

在人民微博里，被标为“名人”的微博一般都有上万的粉丝，有的甚至高达100多万。如果仅从知晓的人数来算，确实是名符其实的名人了。但是，这些名人的光芒真的能照耀到这么多的粉丝吗？在微博圈子里，这些名人微博的影响力究竟有多大？本文拟从网络结构层面来解答此问题。

二、文献综述

（一）微博空间与“小世界”效应

“小世界”（small world）一词最初由美国学者Pool和Kochen在20世纪50年代提出，是指两个陌生人拥有同一个熟人的现象[1]。受这两位学者启发，社会心理学家Milgram 用实验法证实了小世界现象的存在——经过平均6.4个人，两个互不相识的人便可建立联系[2]。到了90年代，Watts和Strogatz开始采用计算机模拟的方式对小世界现象进行分析，“小世界网络”（small-world networks）由此初具模型——既区别于有序组成的规则网络（regular networks），又区别于完全无序的随机网络（random networks），具有聚类系数（clustering coefficient）高、路径长度（path length）低的特点[3]。聚类系数和路径长度是小世界网络的两个重要指标，其中，聚类系数指两点之间结集成团的程度，即一个节点的邻接点之间相互连结的程度；路径长度则是指一个节点经由与它相邻的节点，逐步到达另一个节点所经过的路途。从Watts和Strogatz开始，复杂网络所存在的小世界效应受到了越来越多的重视[4]。

关于小世界效应（small-world effect），Newman为之作出定义：在大多数网络中，大部分节点都能通过短路径彼此建立联系，这就是小世界效应[5]。简而言之，处于网络中的任何两点，都可以经由几个节点建立联系。小世界效应存在于各种各样的网络系统中，如在演艺圈，绝大多数演员都可以直接或间接与某位演员建立联系，演员合作系统就是一个小世界网络；再比如，电力传输系统、神经系统具有较短的路径长度和较大的聚类系数，这些网络均体现着小世界效应[3]。按照Schnettler的总结，小世界效应从结构的角度解释着世界上人与人之间如何相互联系[4]。

在微博平台中，用户是传播网络中的节点，信息经由用户传播，用户组成了多个交流分享的小圈子，体现着小世界效应[6]。然而，用户之间的连结并不是相互和对等的，有些节点拥有较多的粉丝，而有些节点的粉丝却较少，节点之间不同的联系形成了微博传播网络中的结构，而处于不同网络结构的节点则发挥着不同的影响力。

（二）联系与影响

在小世界问题的研究中，联系（contacts）与影响（influence）始终是讨论的重点。小世界现象的提出者Pool和Kochen所发的第一篇文章的标题便是“联系与影响”（contacts and influence）[1]，并提出了这样的问题：不同的个体拥有着不同的熟人和熟人规模，由此形成了联系的分层（stratified）即网络结构，那么，联系的差异与节点的影响力存在着怎样的关联？也就是，拥有不同联系的网络节点，他们的影响力存在着怎样的差异？什么样的人、又有多少人，能成为意见领袖？除了个体之间相互联系的微观层面，后续学者又从中观角度如强连带与弱连带[7]、宏观角度如结构平衡[8]和网络结构[9]对网络中的联系问题进行研究；同时，从扩散过程的角度对小世界中的“影响”问题予以探讨[10]。

在微博空间，微博用户通过“关注”、“粉丝”建立彼此之间的联系，关注者即成为被关注者的粉丝，粉丝转发、评论被关注者的微博内容，节点与节点之间由此建立联系[11]。节点的影响力则体现在此微博用户的“中心性”上。中心性通常用来描述某个节点的权力大小，包括点入中心性，即节点受到关注的程度，以及点出中心性，也就是节点关注他人的程度[12]。本研究所考察的节点影响力，更侧重于点入中心性，即微博用户的微博在多大程度上得到了关注，具体表现为微博被转发的次数。

有研究发现，微博用户由于其自身属性以及所在网络中的位置的不同而具有不同的影响力，如一些“名人”由于具有众多粉丝，在信息传播方面承担着意见领袖的角色[13]。名人与草根在信息传播过程中所具有的影响力差异，实际上是二者在关系结构中所处的不同位置的反映。因此，将微博平台作为一个社会网络，分析由各个节点以及节点之间的关系所构成的关系结构，是了解节点所具有的影响力的重要途径。

（三）社会网络与社会网络分析

社会网络是行动者之间连接而成的关系结构，它体现着一种结构关系，可反映行动者之间的社会关系，行动者、群体、关系等是构成社会网络的主要要素[14]。行动者（actor），是社会网络中的一切个体、社会实体或事件，不仅包括具体的个人，也包括一个群体、公司或其他集体性的社会单位。每个行动者在网络中的位置被称为节点（node)，行动者之间相互的关联即称关系纽带或联结（rational tie），关联的形式多种多样，如亲属关系、合作关系、交换关系、对抗关系等。

具体到本文所研究的微博平台，微博用户通过有选择地对其他用户进行关注而形成一个虚拟的“圈子”，这就是一个社会网络。在这个圈子中，用户之间是相互联系的，每个微博用户既是行动者，又是处于网络中的节点，他们之间相互关联形成了关系纽带，即社会网络图中的节点与节点之间的连线。这些点、线所组成的结构就是本文所分析的微博中的关系结构。

对于微博中的关系结构，本文将采用社会网络分析方法。在国内，林聚任对社会网络分析进行了系统论述，指出“社会网络分析是一种专门分析社会关系或社会结构的方法”，“其关注的是行动者之间的关系，而非行动者的属性”[15]。社会网络分析家巴里·韦尔曼总结了社会网络分析的五个方面的特征：一是根据结构对行动的制约解释行动，而不是通过行动的内在因素；二是关注不同单位之间的关系，而不是内在属性；三是考虑多维因素构成的关系，而不假定成员间只有二维关系；四是把结构看作是网络的网络，结构可以划分为具体的群体，也可不划分为具体的群体；五是其分析方法直接涉及一定社会结构的关系性质，目的是补充甚至取代主流的统计方法[16]。由此，社会网络分析是结构分析一套工具，通过它可以分析“隐藏在复杂社会系统表面之下的深层结构”[17]。

根据以上论述，行动者以及不同行动者之间的联系形成网络结构，影响着网络中信息的扩散。扩散的范围越广，则节点的影响力越大。本次研究将聚焦人民网，人民微博中的明星微博都有众多的粉丝，但其影响力的实现是要靠其发布的微博的扩散来实现的，即微博的转发情况。基于此，提出本文的研究问题：

1、明星博主发布的微博是怎样扩散的？其传播路径是怎样的？

2、转发明星微博的是哪些人？他们构成怎样的网络结构？

3、在此网络结构下，信息的扩散会受到怎样的影响？

三、研究方法

本文采用社会网络分析方法，分析对象为人民微博里的名人微博。社会网络分析方法是由社会学家根据数学方法﹑图论等发展起来的定量分析方法。在本文的分析中，行动者是每个名人微博，同时在图中表现为一个节点，联结则表示转发行为的存在，表现为每条线（如图1所示）。

图1：网络结构示意图

（一）获取样本

在人民微博的“特别推荐”里，名人人物被分为各级官员、十八大代表、道德模范、财经、时政、公益、娱乐、有趣网友等14个类目。从每个类目里取粉丝数排名前八的微博，得到本文研究的总体。再从总体中随机抽取30个名人微博，即为本研究的样本（详见附录1）。统计这些名人微博的转发情况时，取每个名人的前20条微博，不足20条的，则全部统计。

（二）统计步骤

每个名人的每条微博分别记录，字母（A、B、C……）代表名人，数字（1、2、3……）代表微博的序号，A5即代表名人A的第一条微博。当A转发了B的微博时，就判定A与B存在关联。同一条微博中，同一转发者前后多次转发，不重复统计。多人连续转发，如B转发了A的微博，而C又转发了B转发的微博，则记为两条联结：A与B联结，B与C联结。

四、数据分析与探讨

通过统计，共获得504条有效微博，计1983次转发行为（详见附录2）。将联结数据输入NodeXL软件中，生成网络结构图，以此来探讨上文中提出的问题。

（一）微博的传播路径分析

大多数微博都只拥有很少的转发量，甚至没有转发，每条微博的平均转发次数约为4，但也有两种转发情况值得注意。（以下各图中，空白正方形代表名人微博，黑圆圈代表转发者）

图2：名人K第2条微博传播路径图

在名人微博K的第2条微博中，微博的转发量较高，但经过一次转发后，微博便停止了扩散（如图2所示）。这种扩散只有一个层级，转发者多为名人微博的粉丝，微博的传播路径短，范围窄。大多数名人微博的传播路径属于此种类型，转发量较少，而且仅局限于自己粉丝的范围。

图3：名人E第1条微博传播路径图

另外一种情况（如名人E第1条微博）是，微博也获得较高的转发量，但微博的扩散并不局限于一级传播，最远达到了四级，即最终转发微博的人并非名人微博的粉丝（如图3所示）。首先，名人E发布微博后，在自己的粉丝圈内刺激一个转发高潮，经过粉丝的转发，又在微博a、b、c各激发一个转发高潮。如此而来，微博的传播范围就大大的拓展，能够到达更多的受众。但是，样本中仅有一个名人微博的传播路径属于此种模式。

综合来看，样本中名人微博获得的转发量普遍较低，传播路径短，范围窄，多局限于自己的粉丝圈。他们虽属于名人，拥有众多的粉丝，但真正转发他们微博的粉丝的数量很少，因而其微博的影响力也较为有限。

（二）名人微博圈的网络结构

统计名人20条微博的转发情况，得到转发者的分布情况。由图4可知，11个名人微博拥有的转发者数量高于3,1个名人微博的转发者为2,5个名人的转发者为4，13个名人微博的转发者均为0。可见，多数名人微博的转发者都很少。

图4：名人微博的转发者分布图

在拥有较多转发者的11个名人微博里，他们的转发者分布也严重不平衡。名人E拥有的转发者最多，其次是名人F，依次递减。这些名人微博的转发者大多数为固定的转发者（只转发一个名人的微博），共享的转发者（同时转发多个名人的微博）也存在，但是数量不多。

此外，30个名人微博间，仅存在2个联结，名人S关注并转发过Y和E的微博。其余的名人间全无联结，他们虽都身处同一个圈子里，但彼此间不曾关注，也不曾转发过对方的微博，缺乏互动，几乎为“陌路人”。由此说明，名人微博圈的网络结构比较分散、隔离，他们拥有自己的固定小圈子，从而使得整个大圈子丧失了紧密的联系。

五、结果探讨

对数据的分析得出：微观上，名人发布的微博的传播路径一般都较短，传播范围窄，多局限于自己的粉丝圈；宏观上，整个名人圈的粉丝分布多较为固定，名人间缺乏直接的互动，网络结构比较封闭。

图5:名人E第3条微博传播路径图

但在分析名人微博的传播路径时，也存在高效的扩散模式，微博突破自己的粉丝圈，获得多级传播（如名人E的第3条微博，见图5）。在这种模式里，需要转发者d也具有较多的粉丝和较强的影响力，当名人E的微博被微博d转发后，在d自己的粉丝圈内也激发出一个转发的高潮，这样微博的传播范围就较广。如果d的粉丝里也存在拥有较多粉丝和较强影响力的微博，微博就较有可能获得更广的扩散。

d既然拥有较多的粉丝和较强的影响力，那么它也可以被认定为一个名人微博。显然，要实现多级传播，一个前提便是名人微博间的相互关注，相互转发。各个名人都拥有众多的粉丝，当他们转发（或加上自己的观点）另一个名人的微博时，较易在自己的粉丝圈内激起转发潮，既帮助别人扩散了信息，同时亦为自己赢得了影响力。

六、结论

本文通过对人民微博中的名人微博进行网络结构分析，发现名人微博的传播路径普遍较短，范围窄，多为一级传播，多级传播较少；整个名人圈的网络结构较为封闭，名人间缺乏直接的联结，转发者较为固定。但是，如若在名人间增加直接联结，微博多级传播的情况就比较容易出现。

在网络结构分析中，本文所用数据全部来自于人民微博，只选取了30个名人微博作为样本，可能不足以准确地反映出人民微博的真实情况。另外，如若引入另一种微博，如新浪微博、腾讯微博，将它们的传播路径和网络结构作对比性的分析，或许能获得更为有价值的信息。

参考文献

[1] Pool, I, Kochen, M. (1978). Contacts and Influence. Social Network, 1: 5 - 51

[2] Milgram, S. (1967). The Small World Problem. Psychology Today, May: 60 - 67

[3] Watts, D., S.H.Strogatz. (1998). Collective Dynamics of Small- World Networks. Nature, 393: 440- 442

[4] Schnettler, S. (2009). A structured overview of 50 years of small – world research. Social Networks, 31: 165 - 178

[5] Newman, M.E.J., (2003). The structure and function of complex networks. SIAM Review, 45:147-256

[6] 孙卫华、张庆永. 微博客传播形态解析[J]. 传媒观察, 2008, 10: 51-52

[7] Granovetter, M. (1973). The strength of weak ties. American Journal of Sociology, 78(6): 1360- 1380

Granovetter, M. (1983). The strength of weak ties: A network theory revisited. Sociological Theory, 1:201– 233

[8] White, H.C. (1971). White Structural equivalence of individuals in social networks. Journal of Mathematical Sociology, 1: 49-80

[9] Watts, D., Dodds, P. (2007). Influentials, Networks, and Public Opinion Forming, Journal of Consumer Research, 34: 441- 458

[10] 罗杰斯. 创新的扩散[M]. 辛欣译. 北京: 中央编译出版社，2002: 264 -321;

Watts, D., S.H.Strogatz. (1998). Collective Dynamics of Small- World Networks. Nature, 393: 440- 442

[11] 覃梦河,晋佑顺. 基于微博显性结构特征的用户强关系研究[J]. 图书馆学研究, 2013, (3) : 92-97

[12] 林聚任. 社会网络分析：理论、方法与应用[M]，北京: 北京师范大学出版社，2004:51

[13] 平亮, 宗利永. 基于社会网络中心性分析的微博信息传播研究——以Sina 微博为例[J]. 情报、信息与共享, 2010, (6): 58-63

[14] 林聚任. 社会网络分析：理论、方法与应用[M]，北京: 北京师范大学出版社，2004:50

[15] 林聚任. 社会网络分析：理论、方法与应用[M]，北京: 北京师范大学出版社，2004:49

[16] Wellman, B., S.D.Berkowitz. (1997) Social Structures: A Network Approach. Greenwich, Connecticut: JAI Press Inc. 转引自林聚任. 社会网络分析：理论、方法与应用[M]，北京: 北京师范大学出版社，2004: 45

[17] 林聚任. 社会网络分析：理论、方法与应用[M]，北京: 北京师范大学出版社，2004:44

附录：

1-名人微博样本

名人代码	关注	粉丝	微博数	名人代码	关注	粉丝	微博数
A	0	14238	182	P	0	1332	6
B	72	12876	28	Q	1	1749	3
C	0	115973	19	R	70	4706	81
D	354	361779	5365	S	17681	121575	14287
E	185	256000	29	T	1	2687	168
F	71	1598129	222	U	42	1137	51
G	284	25763	51	V	1	1107	1
H	1	1383	16	W	4	8266	9
I	0	3045	311	X	243	1483	1030
J	9	1674	1	Y	10078	26576	17587
K	1	402364	1169	Z	0	2958	73
L	1	3836	21	AB	0	3316	138
M	0	9203	38	AC	4727	19365	5122
N	0	2398	553	AD	1	64289	84
O	1	966	10	AE	1	39948	19

2-微博转发情况统计表

微博	转发	微博	转发	微博	转发	微博	转发	微博	转发	微博	转发
A1	0	B1	0	C1	6	D1	0	E1	146	F1	104
A2	0	B2	0	C2	2	D2	1	E2	147	F2	16
A3	0	B3	0	C3	2	D3	1	E3	90	F3	22
A4	0	B4	0	C4	3	D4	3	E4	103	F4	12
A5	0	B5	0	C5	0	D5	4	E5	194	F5	12
A6	0	B6	0	C6	3	D6	3	E6	4	F6	3
A7	0	B7	0	C7	0	D7	1	E7	30	F7	2
A8	0	B8	0	C8	0	D8	1	E8	85	F8	6
A9	0	B9	0	C9	0	D9	1	E9	110	F9	7
A10	0	B10	0	C10	0	D10	3	E10	208	F10	17
A11	0	B11	0	C11	1	D11	2	E11	5	F11	11
A12	0	B12	0	C12	1	D12	2	E12	39	F12	2
A13	0	B13	0	C13	0	D13	2	E13	1	F13	37
A14	0	B14	0	C14	0	D14	2	E14	44	F14	2
A15	0	B15	0	C15	0	D15	9	E15	6	F15	1
A16	0	B16	0	C16	1	D16	8	E16	1	F16	2
A17	0	B17	0	C17	1	D17	2	E17	0	F17	5
A18	0	B18	0	C18	1	D18	0	E18	1	F18	2
A19	0	B19	0	C19	1	D19	1	E19	1	F19	10
A20	0	B20	0			D20	6	E20	3	F20	4
微博	转发	微博	转发	微博	转发	微博	转发	微博	转发	微博	转发
G1	1	H1	0	I1	0	J1	0	K1	10	L1	0
G2	0	H2	0	I2	0			K2	7	L2	0
G3	0	H3	0	I3	0			K3	9	L3	0
G4	0	H4	0	I4	1			K4	12	L4	0
G5	0	H5	0	I5	0			K5	9	L5	0
G6	0	H6	0	I6	0			K6	3	L6	0
G7	0	H7	0	I7	0			K7	5	L7	0
G8	0	H8	0	I8	0			K8	10	L8	0
G9	0	H9	0	I9	0			K9	4	L9	0
G10	0	H10	0	I10	0			K10	1	L10	0
G11	0	H11	0	I11	1			K11	4	L11	0
G12	0	H12	0	I12	0			K12	6	L12	0
G13	0	H13	0	I13	1			K13	20	L13	0
G14	0	H14	0	I14	2			K14	1	L14	0
G15	0	H15	0	I15	3			K15	18	L15	0
G16	0			I16	4			K16	3	L16	0
G17	0			I17	5			K17	4	L17	0
G18	0			I18	6			K18	3	L18	0
G19	0			I19	7			K19	8	L19	0
G20	0			I20	8			K20	2	L20	0
微博	转发	微博	转发	微博	转发	微博	转发	微博	转发	微博	转发
M1	2	N1	0	O1	0	P1	1	Q1	0	R1	2
M2	0	N2	0	O2	0	P2	0	Q2	0	R2	5
M3	0	N3	0	O3	0	P3	0	Q3	0	R3	2
M4	0	N4	0	O4	0	P4	0			R4	1
M5	1	N5	0	O5	0	P5	0			R5	1
M6	0	N6	0	O6	0	P6	0			R6	1
M7	0	N7	0	O7	0					R7	0
M8	0	N8	0	O8	0					R8	0
M9	0	N9	0	O9	0					R9	1
M10	0	N10	0	O10	0					R10	1
M11	0	N11	0							R11	0
M12	0	N12	0							R12	0
M13	0	N13	0							R13	1
M14	1	N14	0							R14	1
M15	1	N15	0							R15	0
M16	1	N16	0							R16	0
M17	0	N17	0							R17	0
M18	0	N18	0							R18	0
M19	0	N19	0							R19	0
M20	0	N20	0							R20	0
微博	转发	微博	转发	微博	转发	微博	转发	微博	转发	微博	转发
S1	2	T1	0	U1	0	V1	0	W1	1	X1	0
S2	1	T2	0	U2	0			W2	0	X2	0
S3	1	T3	0	U3	0			W3	0	X3	0
S4	9	T4	0	U4	0			W4	0	X4	0
S5	8	T5	0	U5	0			W5	0	X5	0
S6	5	T6	0	U6	0			W6	0	X6	0
S7	4	T7	1	U7	0			W7	0	X7	0
S8	23	T8	0	U8	0			W8	0	X8	0
S9	13	T9	0	U9	0			W9	0	X9	0
S10	6	T10	0	U10	0					X10	0
S11	1	T11	0	U11	0					X11	0
S12	5	T12	0	U12	0					X12	0
S13	5	T13	0	U13	0					X13	0
S14	3	T14	0	U14	0					X14	0
S15	3	T15	0	U15	0					X15	0
S16	5	T16	0	U16	0					X16	0
S17	1	T17	0	U17	0					X17	0
S18	2	T18	0	U18	0					X18	0
S19	1	T19	0	U19	0					X19	0
S20	1	T20	0	U20	0					X20	0
微博	转发	微博	转发	微博	转发	微博	转发	微博	转发	微博	转发
Y1	3	Z1	1	AB1	0	AC1	0	AD1	13	AE1	19
Y2	3	Z2	0	AB2	0	AC2	3	AD2	0	AE2
Y3	2	Z3	0	AB3	0	AC3	1	AD3	0	AE3	0
Y4	1	Z4	0	AB4	0	AC4	0	AD4	0	AE4	2
Y5	1	Z5	0	AB5	0	AC5	0	AD5	0	AE5	1
Y6	2	Z6	0	AB6	0	AC6	0	AD6	0	AE6	0
Y7	2	Z7	0	AB7	0	AC7	1	AD7	0	AE7	0
Y8	0	Z8	0	AB8	0	AC8	0	AD8	0	AE8	0
Y9	1	Z9	0	AB9	0	AC9	1	AD9	0	AE9	1
Y10	2	Z10	0	AB10	0	AC10	7	AD10	0	AE10	1
Y11	2	Z11	0	AB11	0	AC11	0	AD11	0	AE11	1
Y12	1	Z12	0	AB12	0	AC12	1	AD12	0	AE12	1
Y13	0	Z13	0	AB13	0	AC13	2	AD13	0	AE13	0
Y14	2	Z14	0	AB14	0	AC14	7	AD14	0	AE14	1
Y15	2	Z15	0	AB15	0	AC15	0	AD15	0	AE15	0
Y16	8	Z16	0	AB16	0	AC16	1	AD16	0	AE16	0
Y17	4	Z17	0	AB17	0	AC17	0	AD17	0	AE17	0
Y18	4	Z18	0	AB18	0	AC18	4	AD18	0	AE18	0
Y19	1	Z19	0	AB19	0	AC19	1	AD19	0	AE19	0
Y20	0	Z20	0	AB20	0	AC20	1	AD20	0