第39卷第2期 2021年2月基于社会网络分析的政务微博影响力研究 吴锦池，余维杰
(中山大学信息管理学院，广东广州510006)
摘要：【目的/意义】政务微博是政府部门发布信息、传播形象和提供公共服务的重要平台，提升政务微博影响力
是促进政务微博服务效用的重要途径。本文以政务微博影响力评价方法创新为导向进行研究，以期为相关研究和 政务微博运营提供参考依据。【方法/过程】本文以Twitter中的政府部门用户作为研究对象，利用社会网络分析方 法，构建政府部门用户之间的社会网络关系，提取网络节点的社会网络指标，并结合Twitter账号中关注数、被关注 数和点赞数量等外部指标，利用熵权法确定指标权重，提出政务微博影响力评价方法，最终根据该方法对研究对象 进行评价分析。【结果/结论】实验结果显示，研究对象的影响力差异较大，多数用户影响力不高，具有较大提升空 间。【创新/局限】本文结合社会网分析和熵权法对政务微博影响力指标进行选择，提出了多维度的政务微博影响力
评价方法。然而文中只采用了单个数据源进行分析，后续研究中将考虑获取多个不同平台数据，并进行
对比分析。
关键字：社会网络分析；政务微博；影响力评价；熵权法；中心度
中图分类号：G250.2;D63 DOI：10.13833/j.issn.1007-7634.2021.02.010
由于微博具有短文本化、去中心化和操作简便等一系列 特点，继新闻网站、论坛、博客之后，微博已成为网络舆论生 成的主要载体随着微博的快速发展和广泛应用，当前的 微博已不仅仅是一个简单的社交平台，而是同时具备发布信 息、传播形象和提供公共服务的多功能平台|21。对于政府部 门而言，科学有效地利用社交媒体在政府信息公开、网络舆 论引导、倾听民众呼声、树立政府形象、社会管理创新、众 政治参与、智慧民生建设等方面都具有积极的作用13]。目前，由于微博数据的复杂性，分析政务微博影响力的途径和 方法引发了诸多学者们的思考。从行业视角出发，行业内社 会网络指标是判断个体在该行业中影响力强弱的重要判断 依据。由此，本文以Twitter中的政府部门用户作为研究对 象，构建政府部门用户之间的社会网络关系，提取网络节点 的社会网络指标，提出基于社会网络分析的政务微博影响力 评价方法，并进行实证研究。通过对实证结果进行总结，本 文提出基于社会网络视角的政务微博管理方法，以期为政务 微博用户的影响力提升提供可行的建议。
1研究现状
政务微博起初由美国开始，奥巴马政府鼓励联邦政府各 部门采用新媒体工具发布信息，并拓宽与公众沟通的渠道。随着政务微博作用显现，其他国家政府部门亦纷纷效仿。在 各政府部门积极进行实践探索的同时，学者们也开展了诸多政务微博的相关研究。国外的相关研究主要是以Twitter为研究对象，而国内研究则多数以新浪微博为研究对象。综合 国内外相关研究，研究内容可总结为以下几个方面。
1.1政务微博信息传播研究
政务微博信息传播是政务微博研究的热点之一。P. Mehndiratta等基于对推文内容的分析，提出Twitter传播信息 的关键节点是影响力大的用户所相互关注其他用户，并通过 实证研究发现，以影响力高的Twitter账号作为传播节点时，信息传播速度更快W。K.Unsvvort等学者采用基于扎根理 论、内容分析和语篇分析的混合方法对美国农业部的一个政 府机构进行案例研究，研究认为官方发布的Tweets得到了 众较高认可度，但是官方账号与公众互动较少，对Twitter的利用不够充分I51。L C.Bertot等重点研究了现有政务微博的 监管框架和实现方式，研究认为政府可以通过政务微博等新 媒体平台发布相关政务信息，以拉近政府部门与公众之间的 距离w。此外，有学者探究政务微博传播效果影响因素。史 丽莉利用调查分析法和扎根理论方法探索影响地方政务微 博传播的各方面因素，研究发现，影响因素主要包括角定 位因素、综合素质因素、外部环境因素、微博自身因素、信息 因素以及受众因素m。李佳从公共信息的传播者和接受者、公共沟通的渠道、公共沟通的内容三个角度出发，对政务微 博在政民互动中面临的问题进行深人分析，并提出了相应建 议181。黄膺旭、曾润喜以8个具有意
见领袖特征的官员微博
收稿日期:2019-12-09
基金项目：中山大学中央高校基本科研业务费专项资金资助（19wkpyl49)
作者简介：吴锦池（1995-)，男，硕士研究生，主要从事数据挖掘与数据治理研究；余维杰（1986-)，男，副教授，博士，主要从 事智能信息处理研究.
理论研究*
作为研究样本，从微博内容、发布时间、官员微博认证信息等 维度分析其各项特征与微博转发量之间的关系，从而发掘官 员微博传播效果的影响因素w：陈娟等就政务微博辟谣信 息传播效果影响因素进行研究，研究表明谣言类型、情感程 度、内容长度、辟谣方式、是否为原创、图片数量、是否有@符 号对辟谣信息传播效果影响明显。
1.2政务微博公共服务研究
不少国外学者从政府管理和众参与等方面入手，探究 政务微博在公共服务方面的作用。J.C.Bertot等人研究指出 在政务微博中，国家和地方政府部门所扮演的角、众对 政务信息公开的参与度、
政府部门对政务信息透明的主动 性、政务消息与舆论热点传播的实效性等因素都有利于提高 政府机构反贪反腐程度和信息透明化|61。学者S.E.Cho认 为，政务微博需要有正确的自身定位，同时承担政务信息发 布者和基层官民之间沟通的载体这两个角，努力争取众 的信任，进而完善政务微博平台建设，树立数字化合作型政 府形象和推动创新性社会管理的发展l K l1。国内学者李佳霖 总结了我国政务微博在履行政府公共服务功能中的特点和 作用，并指出政务微博公共服务需要从运营、制度和公众互 动三个层面进行改善和提升〜。郑拓等学者采用个案研究 法对具有代表性的政务微博进行实证研究，研究发现国内的 政务微博的内容和形式都较为单一，且信息透明度不高，较 少涉及公共服务领域U21。杜晟霖认为政府部门需构建政务 微博公共服务运行机制，从而提升公共服务水平，并提出了 由信息共享机制、参与互动机制、020服务机制、应急机制以 及激励机制五个机制构成的机制模型||31。廖晓明等人对政 务微博参与公共管理的有效性进行了探究，研究结果表明政 务微博参与公共服务管理的有效性主要受到政府机构参与 主动性、政务微博发布针对性、政务微博制度保障性，以及政 务微博参与公共管理的经验与计划等方面的影响|K|。
1.3政务微博影响力研究
政务微博影响力强弱直接影响其信息传播和公共服务 效果，探究行之有效的政务微博影响力提高方法，可帮助政 府部门提升公共服务效率、信息传播速度，以及政府部门自 身的影响力。T.Gotten等人基于对微博发布内容的分析，研究结果表明具有全民相关性和具有感情彩的内容更容 易受到关注和
转发U51。蔡婷等人引人了模糊多属性综合评 价方法，构建了县域政府政务微博影响力评价指标体系|161。赵阿敏、曹桂全等学者选取了 16家具有代表性的省级政务 微博作为研究样本，并运用因子分析法和聚类分析法，进行 政务微博影响力评价与比较实证研究，研究结果表明，政务 微博影响力发展水平不均衡，低影响力政务微博偏多，高影 响力政务微博相对较少％。王锁柱等人构建了以关注度、活 跃度、政务服务度和认同度为维度的四维度政务微博影响力 评价指标体系n81。杨长春等引进信息计量学中的h指数作 为探究政务微博影响力的初步筛选指标，再构建政务微博影
锖報科#
第39卷第2期 2021年2月
响力评价体系进行用户排名|191。
综上所述，目前国内外学者对政务微博的相关研究已取 得了许多成果，且内容丰富，角度多样。然而，在政务微博影 响力方面，学者们大多是总结现有研究的基础上提出评价体 系，缺乏实际数据支撑。同时，尚未有相关研究考虑行业领 域内的社会网络相关指标。在某一领域当中，影响力较大的 用户更容易引起同领域其他用户的关注，因而考虑领域内社 会网络指标，对政务微博影响力评价具有必要性。
2数据收集以及网络构建
2.1数据收集
国内学者对政务微博研究大多以新浪微博为研究对象。但是，由于新浪微博无法查看其他用户完整的关注列 表，即无法构建其社会网络结构进行相关分析，因此本文不 予考虑。本研究选定Twitter为研究对象，Twitter是最早的微 博软件，同时也是目前世界范围内应用最广泛的微博式社交 软件。Twitter用户通过相互关注的方式形成了巨大的关系 网络。在该关系网络中，任意一位用户发布的信息都有可能 快速的让所有人都注意到。而不同用户的影响力不同，进而 导致信息传播能力存在差异。
本研究从Twitter中爬取美国市级及以上的PD(Police Department)部门的官方Twitter，共102个，爬取时间截止日 期为2019年6月，爬取的内容包括用户的11%1«1>^、丁《66^、Following、Followers、Likes、Url等，以及每一个 Usename F的 关注列表。由于用户数量较多，这里只展示前20个用户的 部分信息，具体如表1所示。从表中可以看出，各个政务微 博账号的各项指标差异较大，这表明各指标间的联系并非简 单的线性关系。因此，确定各指标的权重和尽可能考虑多个 指标对政务微博影响力评价较为重要。
表1政务Twitter账号外部指标(部分）Table 1External indicators of government Twitter accounts (partial)
U s e r n a m e Tweets Following Followers Likes Bishop Police Dept79562078179
Dent o n Police Dept12.4K2,20146.4K1,600
Ch i n o Valley Police5,021874,0838,515 Arkansas City, K S Police15.3K7,4668,96144.9K Bedford Police691507127
Thrall Police Department7951,2862,1613,371 Wilton M a n o r s P D1,4084381,6281,735 Fitchburg State P D2,0621,1332,5011,040 Indianola P D2,0721,2922,3〇l1,151
B u r b a n k Police3,12058320.6K13.4K
A z u s a Police4,7184,21823.8K669 Aurora Police Dept15.5K98838.2K5,277
V e m o n P D7921,5774,063324
P a s adena Police6,9662812.9K112 Inglewood Police2,2919307,2302,745
• Theory Research •INFORMATION SCIENCE
V〇1.39,N〇.2 February,2021
Oreg o n State Police8,89458647.3K10.6K
V e r m o n t State Police12.4K40339.3K1,119
RI State Police5,20749534. I K1,219
L A State Police4,79842730.9K1,995 IllinoisStatePolice53524115.5K358
2.2社会网络构建
将Twitter用户抽象为社会网络中的节点，用户之间的 关注关系看作节点之间的连线。如果用户A的关注列表中 包含用户B，则A、B之间产生连线，在关注矩阵中用1表示；反之则不产生连线，在关注矩阵中用0表示。使用Python编 写程序，将Twitter用户的关注列表转换为Twitter用户之间 的关注矩阵。将关注矩阵导人Ucinet软件中，使用Netdmw 工具，绘制对应的社会网络图，如图1所示。
在图1中可以看出，图中的政务Twitter用户之间的联系 较为紧密，这说明相同类型的政务Twitter用户之间容易相 互关注。其次，如图所示，不同用户在该网络中的关注者数 量差异较大，且具有一定的聚集效应。其中丨ndiarwlaPD、Denver Police、Chicago Police等用户的在该网络中的被关注 程度较高。然而，对比表1中的被关注数量(Followers)，丨ndi-anola PD和Denver Police的被关注数量没有十分领先。这说 明在政务领域中，用户的整体被关注数和政务领域中被关注 数并不是一一对应，而同一领域中被关注度也是用户整体影 响力的重要体现之一。因此，在影响力评价时应给予相应的 考虑。
图1政务Twitter账号社会网络关系图
Figure1Social network relationship of government Twitter accounts
2.3社会网络分析
社会网络分析是一种重要的研究方法，在情报学、社会 学和新闻传播学等领域得到了广泛地运用[2°_221。社会网络 分析方法通过使用量化方式描述节点之间关系和节点在网络中的重要程度|H1，其中表示节点在网络中的重要程度的 指标包括有人度、出度、中间中心度、接近中心度和PageR-ank等。
(1) 人度
人度是指网络中其他节点连接到某一节点的连线数量。政务Twitter用户的人度则表现为某一用户的领域网络 内被关注数量。当某一 Twitter账号的人度较高时，说明该 账号内容更容易引起同领域其他用户的关注，即可表明该账 户具有一定的影响力。
(2) 出度
出度是指在网络中某一节点连接到其他节点的连线数 量。在本研究中，政务Twitter用户的出度表现为
某一用户 关注其他用户数量。若某一Twitter账号关注用户较多时，则与其他账号形成互相关注的可能性随之增加，从而有助于 提升该账户的影响力。
(3) 中间中心度
中间中心度的表示某一节点在网络中起到的连接作用 大小。定义如下，假设点j和点k之间的路径数为G&在i和 k之间的路径中存在点i，j和k之间路径通过i的数量为
k(i)，则称i对j、k两点的交往能力影响为
把点i相应图中全部点对的中间度加在一起，即为中间 中心度M。在本研究中，中间中心度即表示为某一 Twitter 账号作为中介连接多个账号关系的能力。当某一 Twitter账 号中间中心度越高，则说明该账户在其社会网络中的关系组 成能力越强。
(4) 接近中心度
两点之间一般存在一条或多条路径，其中距离最短的路 径称之为捷径，捷径的长度就是两点之间的距离。如果一个 点与网络中所有其它点的距离都很短，则称该点具有较高的 接近中心度。在可视化图形中，这样的点与许多其它点都 “接近”(231。在测量接近中心度的时候，我们关注的是捷径，而不是直接关系。如果一个点通过比较短的路径与许多其 它点相连，我们就说该点具有较高的接近中心度。
当研究不 需要对直接关系进行考察的时候，接近中心度就是一个有用 的概念。接近中心度越小表示该点与其他点的距离越近，则 中心度排名越高。在本研究中，某一政务Tvvittei•用户的接 近中心度则表现为在所构建的社会网络中与除自身外的其 他所有节点的距离的之和，即可视为与网络整体的距离，距 离越近则越有利于信息的传播。因此，接近中心度也是政务 微博影响力研究应当考虑的因素之一。
(5)PageRank
PageRank是Google创始人L.Page和S.Brin提出的经典 网页排序算法，用于衡量由搜索引擎索引构成的Web图中，每个网页相对于其他网页而言的重要程度。该算法的基本 思想是基于“从许多优质网页链接过来的网页一定是优质网 页”的回归关系，它将网页A指向网页B的链接看作是A对B 的支持投票，每个网页的重要性评价都取决于Web图中其
他网页对自己的投票结果。
理论讲究锖報科#
第39卷第2期 2021年2月
表2政务Twitter账号社会网络指标
Table 2 Social network indicators of government
Twitter accounts
U s e r n a m e Degree.
in
Degree.
out
B e t w e e n n e Closenes
ss s
P a g e R a n k
Bishop Police Dept4157.95900.1430.0029 Denton Police Dep t2409.190000.0138 Chino Valley Police1248.2180 1.3110.0075 Arkansas City, K S
Police
1428.30600.0490.0063 Bedford Police0540.980000.0015 Thrall Police Depart
m e n t
4218.00300.410.0024 Wilton M a nors P D357.692000.0018 Fitchburg State P D7108.08000.3310.0042 Indianola P D10628.2050 3.3060.0049
B u r b a n k Police16138.32000.5380.0066
A z u s a Police1878.32000.7180.0065 Aurora Police D ept21268.4100 2.5010.0103
V e r n o n P D13288.2180 1.60.0056
P a s adena Police1508.994000.0057 Inglewood Police14328.2580 1.450.0055 Oregon State Police16108.30600.30.0105
V e r m o n t State Police15178.3200 2.0510.0116
RI State Police12138.29900.4520.0134
L A State Police13108.2250 1.190.0183 IllinoisStatePolice12118.30600.8970.0080一个网页的得票数越高，则重要性越高，那么它所指向 的链接获得的评价也就越高，这是一个递归收敛的过程，最 终所有网页都会得出一个趋于稳定的PR值％。借鉴网页重 要程度排名的思想，将PageRank计算引人到政务微博影响 力计算当中。在本研究中，当某一政务Twitter账号与其他 高影响力Twitter账号建立联系，则表明该账户的影响力也 较高。这里通过计算网络中每一个账号的PageRank值作为 影响力计算的指标之一。
通过使用Ucinet软件计算各节点的人度、出度、中间中 心度、接近中心度，并编写程序计算节点的PageRank值，经 计算结果如表2所示(前20个账号)。3指数识别
通过编写爬虫程序获得微博账号的外部指标数据，包括 微博数(Tweets)、关注数(Followi n g)、被关注数(Followers)和点 赞数(Likes)；通过社会网络分析方法获得社会网络指标数据，包括人度(Degree.i
n)、出度(Degree.out)、中间中心度(Be-tweenness)、接近中心度(Closeness)和PageRank值。这些指标 都是刻画微博账号影响力的因素之一，但是其中可能存在因 素之间的相互影响。因此，通过计算指标之间的相关性来确 定因素之间的内在联系，计算结果如表3所示。同时，为更 好的观察和分析指标的相关性程度，借助python中的mat-plotlib工具绘制微博数(Tweets)、关注数(Following)、被关注数 (Followers)、点赞数(Likes)、人度(Degree.in)、出度(Degree.out)、中间中心度(Betweenness)、接近中心度(Closeness)和PageRank之间两两的相关性图示 ，如图 2 所示。
Tweets
Following
Followers
Lika
Degree.in
Degree.in
Betweenness
Closeness
PageRank
r—7----1i~■------1(■--------1r T n-----1c--------1
B B D B E
.Z.m H7^丨』£3E
~51 i n1
2C
F i B H Z
Tweets Following Followers Likes Degree.in Degree.in Betweenness
a
Closeness
PageRank 图2政务Twitter账号影响力分析指标相关性
Figure 2 Correlation of government Twitter accounts influence analysis indicators
表3政务Twitter账号9个指标相关性
Table 3 Correlation of9 indicators of government Twitter accounts
Tweets Following Followers Likes Degree.in Degree.out Betweenness Closeness P a g e R a n k Tweets 1.000.180.380.520.910.610.320.730.21 Following0.18 1.00-0.090.640.100.180.110.110.07 Followers0.38-0.09 1.000.170.300.200.130.170.10 Likes0.520.640.17 1.000.470.400.120.330.15 Degree.in0.910.100.300.47 1.000.580.180.680.13 Degree.out0.610.180.200.400.58 1.000.230.600.28 Betweenness0.320.110.130.120.180.23 1.000.150.59 Closeness0.730.110.170.330.680.600.15 1.000.06
P a g e R a n k0.210.070.100.150.130.280.590.06 1.00
• Theory Research •INFORMATION SCIENCE
Vol.39,No.2 February,2021
表4政务微博影响力指标权重
Table 4 Weights of influence indicators of government microblogs
指标Following Followers Likes Degree, i n Degree.out Betweenness Closeness Pagerank 权重0.04510.08630.00400.16140.12590.14560.23190.1997
根据表3和图2，选择筛选掉相关性较大的维度和冗余 的数据。通过观察可知，微博数(Tweets)和人度(Degree.in)、微博数(Tweets)和出度(Degree.out)、微博数(Tweets)和接近中 心度(Closeness)的相关性分别为0.91、0.61和0.73, B P微博数 与其中三个指标的相关性都较高，因此删去微博数这一指 标，最后保留8个维度。
4政务微博影响力评价
4.1熵权法
按照熵的思想，人们在决策中获得信息的多少和质量，是决策的精度和可靠性大小的决定因素之一。而熵在应用 于不同决策过程的评价时是一个很理想的尺度，熵技术是确 定多因素综合评价问题中各因素权系数的一种有效方法，它 是利用模糊综合评价矩阵和各因素的输出熵来确定各因素 的权系数[25]。目前，大部分熵技术是用在多属性决策中用来 确定属性的权重，本文将利用熵权法技术，计算
每个政务 Twitter影响力指标的权重。
一般而言，某个指标的信息熵越小，则说明该指标值的 变化程度越大，产生的信息量越多，在评价的过程中的作用 越大，即其权重越大。相反，某个指标的信息熵越大，则说明 该指标值的变化程度越小，产生的信息量越少，在评价的过 程中的作用越小，即其权重越小。
4.2政务微博影响力计算
(1) 数据标准化
根据之前步骤可知，目前所选择的政务Twitter影响力 指标包括关注数(Following)、被关注数(Followers)、点赞数(Likes)、人度（Degree.in)、出度（Degree.out)、中间中心度（Betweenness)、接近 中心度 (Closeness)和 PageRank等 8 个指标。将指标编码为X,,X2,…，X8。因为本研究共获取102个政务 Twitter账号数据，因此Xi={xu，xi.2，...，xuraj。假设对各指标数
据标准化后的值为Y,，Y2，…，Y8，则Y i i=。
(2) 计算各指标权重
根据信息论中信息熵的定义，一组数据的信息熵E,=
。根据信息熵的计算公式，计算出各个指 标的信息熵。通过信息熵计算各指标权重：
Wi=.卜二（i=l，2,…，k)。计算结果如表4所示。
(3) 计算各政务Twitter账号影响力
根据各指标权重和Twitter■账号各指标的现实值，计算 每个政务Twitter账号的影响力：
P f Y，丨+y2jw2+".+y8jw8
再经归一化计算，各政务Twitter账号影响力如表5所示。
表5各政务Twitter账号影响力
Table 5 Influence of various government Twitter accounts
前20Twittei■账号影响力倒数20TwiUei•账号影响力Boston Police Dept.8.96%M N Police0.08% Seattle Police Dept.8.84%Tolleson P D0.08%
M a s s State Police8.57%Wilton M a n o r s P D0.07%
Dallas Police Dept 6.07%Or o n o Police Dept0.07% N J S P- State Police 5.52%W o o d s t o c k Police, G A0.06%
Baltimore Police 5.14%Crystal M N Police0.04%
D e n v e r Police Dept. 4.31%El S e g u n d o Police0.04%
D C Police Department 4.18%Baton R o u g e Police0.04%
Philadelphia Police 3.38%Bishop Police Dept0.03%
L a w r e n c e Police 2.53%Swanton Police0.02% Arlington Police, T X 2.42%Bedford Police0.02% Orlando Police 2.35%Fort Collins Police0.02%
Hou s t o n Police 1.94%E G P D0.02%
A l b u q u e r q u e Police 1.69%Atlanta Police Dept0.02%
Chicago Police 1.58%Cleveland Police0.02% Indiana State Police 1.57%Niles Police0.02%
Alexandria Police 1.52%M e n d h a m Police0.01%
Cleveland Police 1.24%M a r a n a Police Dept0.01% Frisco Police 1.15%Huntsville Police0.01% S a n Diego Police 1.11%Grandville P D>0.01%
4.3政务微博影响力评价结果验证
本小节从整体趋势、个体情况和外部环境因素三个方面 对上述政务微博影响力评价结果进行检验。
基于表5所得结果，本小节将对比本文方法所得排名和 外部指标排名，以及领域内社会网络指标排名之间的关系。表6为各指标排名与本文方法最终排名之间的相关性系数。从中可以发现，利用本文方法进行政务为微博影响力排 名结果与“Followers”、“Degree.in”指标排名相关性较高。“Followers”、“Degree.in”均体现了用户的被关注情况，是用 户影响力的重要表现，反映了微博用户整体的“人气度”M。这表明基于本文方法的政务微博影响力评价结果在整体排 名趋势上是正确的。
为进一步阐述本文方法的有效性和科学性，下面将对影 响力排名前20的Twitter账号进行个体情况的具体讨论。为 突出考虑领域内社会网络指标的必要性，此处选取具有相似 效用的指标进行比较，即传统外部指标选取“Following”和 “Followers”，领域内社会网络指标选取“Degree.in”和“Degree.out”。影响力排名前 20 的 Twitter 账号的各指标排名如
