栗丽兵，董荣胜

（桂林电子科技大学 计算机科学与工程学院，广西 桂林 541004）

人类很早就汲取着社会网络的力量［1］，Facebook、Twitter、Sina微博等在线社交应用的陆续出现和不断壮大，积攒了海量的用户活动数据。基于微博数据的实证研究发现，许多好友之间并不存在经常性的网络互动（如微博转发行为），而且网络互动行为也不仅局限于好友之间。有时互动网民之间根本不存在任何显性的好友关系（如微博空间中的“关注”关系），但真实发生的互动行为确实体现了他们在某些观点或喜好上的一致性和相互间的认同感，这可能隐藏着一个巨大的合作网络［2－3］。现存在2种方法来刻画这一现象：1）通过为传统关系模型中节点和边添加的属性来区分节点间是否存在实际的微博转发行为［4］；2）通过多层网络拓扑将用户社交关系和信息互动过程中的用户合作关系分别记录在维数相同且相互独立的一组邻接矩阵中［5］。但这2种方法无法清晰地刻画用户的重复参与行为，而且数据结构的改动导致社会网络分析的测量参数需要重新设计。

鉴于此，本研究构建了上述网民特征的微博信息流（Weibo information flow，简称WIF）模型，并以2010年7月至2013年8月期间新浪微博用户谈论流感疫情的数据为对象，分别从用户间的好友关系和用户间博文转发关系2个角度对疫情信息的扩散网络的拓扑特征进行测量。

1 数据规模和WIF模型

1.1 数据规模

数据集为新浪微博空间的网民数据，按主题不同分为3个子数据集，即回忆2009年H1N1疫情的数据集、谈论普通流感的数据集和谈论2013年4月爆发的H7N9疫情的数据集。……