一、前言
以前看过一篇提取《釜山行》剧本中人物，并用Gephi绘制关系图谱的文章，因此想用Gephi绘制下微博转发情况，借此来换个角度看看微博内容是怎么扩散的。其中爬取转发数据的思路可见于：《老树微博，三千诗与画》，大同小异，不再赘述。
而在选择哪则热门微博时，正好看到有人转发了杭州保姆纵火案受害者家属，林生斌，微博ID：“老婆孩子在天堂”的一则为四川地震灾民捐赠物资的微博，截止周五（20170811）晚上10点20，转发发数为54045（评论：31431，点赞：238204。之后截图数据不同），数据量较为充足，可以一试。
另外一个选定这则微博，而非其他更具娱乐性、更能蹭热点的话题的原因，是一直没能为林先生干点什么，因此如果能将转发图谱绘制出来，并和《爬取张佳玮138w+知乎关注者：数据可视化》一文一样登上网站首页被加入今日看点的话，也姑且能算是帮其在扩散上尽了点小力。
二、Gephi简介
Gephi是一款开源免费跨平台基于JVM的复杂网络分析软件, 其主要用于各种网络和复杂系统，动态和分层图的交互可视化与探测开源工具。
应用场景
探索性数据分析：直观的网络操作实时分析。
链接分析：给出了关联对象背后（特别是无标度网络下）的结构。
社交网络分析：可以轻松创建对应社区组织和小世界（small-world）的社交数据链接。
生物网络分析：展示生物数据模式。
海报创作：通过打印高品质地图推广科学工作。
三、数据处理
想要用Gephi绘制网络图谱，最重要的就是知道每条网络的起点和终点，即Source和Target，以及所有这些点所组成的Id。其他还有每条网络的权重（Weight）、类型（有向的、无向的）、Id的名字Name、标签Label等等。
而爬取微博获得的原始数据却是如图格式的，因此，需要根据每一条的text内容，找出所有转发的节点和对应的起点、终点指向关系。
以用户“@Ponyyoung”的转发为例，text内容如下：
“//@柯蓝:危难中心里还有别人，让人尊敬。//@西门不暗: 这几年公共事件中，林先生是我见过情绪最克制，表达最得体的人。命运不该对他这么残忍。祝福他。”
这一条网络，包含四个节点，分别为：@老婆孩子在天堂>>>@西门不暗>>>@柯蓝>>>@Ponyyoung。
那么在CSV文件里，用'//'分列，切分成不同列，text从右到左便分别是第一层转发、第二层转发、第三层转发。知道了节点和所有转发层级后，将数据处理成Gephi所需的格式（本项目筛选了14层转发，越到后面数据也越少了，基本涵盖了全部数据）：
在Nodes文件里将所有微博节点以"Id"设置为自然数的形式排列：
并进一步将Edges文件中Source和Target列，转换成对应“Id”值：
四、Gephi绘图
经过上述的爬取数据（截止20170813下午4点前）并将数据处理成Gephi所需的格式后，便终于到了最激动人心的绘图步骤了。由于此前并未使用过Gephi，里面各种参数和内置算法都不太熟悉，能得到怎么样的成果图，非常的依赖于绘制过程的操作。
此处推荐一个视频教程和一篇操作文章：
GEPHI – Introduction to Network Analysis and Visualization
后面的操作基本按照后者进行，因此不再重复讲解操作步骤。不过由于电脑配置不行，跑软件内置算法时实在吃力，最终在只进行到3.3，给网络图上色的步骤，模块化处理之前。
运行Force Atlas 2算法后，图谱不断发生变化：
基本稳定后，give color to see see：
还是蛮漂亮的，不是嘛！其中右上角的圆形区域，其中心便是林先生的ID所在，左右密集的圆环就是由转发层级较少的ID所形成，结合1-14层，各层级转发数量图可知，在所有转发情况中直接转发原微博占比最高，其次是第二层转发。此处无法得知转发的用户中多少是林先生的粉丝，因而直接转发，或者有哪些大V介入，使其扩散出去，为更多人所见：
继续看看右上角圆环区域，所有ID所形成的节点，清晰可见：
放大，并加上ID名称，大致如下，由于软件内调整缩放大小和看图，非常不便，非常卡，所有姑且只能这么看看：
重新将目光移动到非右上角区域，错综复杂的转发关系，可见一斑：
找出其中一小簇节点情况（真的是漂亮，逃）：
加上标签，可知是由用户“@据扯”引发的一小簇转发：
对应到CSV表格里，进行验证下，虽然上图昵称重叠严重，但还是基本符合的情况：
以上就是用Gephi绘制微博转发图谱的内容，还是那句话，由于跑不动软件的算法，虽然最后得到的图也还行，但操作不算完整。也无法得知千万粉丝、百万粉丝的大V，或高转发ID，在整个扩散过程中所起到的具体作用和直观的节点情形，略感遗憾。
五、微博生命周期
林先生的原微博发布时间为20170811（周五）14:43。从截止0813（周日）16点前获取的数据来看，本则微博的转发数在发布后的1-2小时内达到单位小时仅万条的高峰，之后虽然维持4-5千每小时的转发量至深夜，但下降趋势已然明显可见，次日转发数已经无法和当天相比。当然这不仅有一则微博本身生命周期的原因；前期可能有不少大V参与的原因；也有林先生发布其他微博，大家关注点转移等原因。
六、小结
继续在《老树微博，三千诗与画》之后，有针对性地抓取微博数据，但这回曾遇上API请求被拒，微博app也好几个小时上不去的情况，看来再大规模爬微博数据时要注意了。
再是，基本完成用Gephi绘图和前期找到转发的节点，并将数据处理成相应格式的步骤，在没使用过Gephi的情况下，熟悉了下将近5w条节点和边的数据绘制成网络图谱的流程，也对微博转发和扩散的方式有了不同角度的认知，对一则微博的生命周期，其热度及衰减过程有所了解。
补充一篇与本文相关的文章：《伤心桥下春波绿，曾是惊鸿照影来》
网友评论