GDELT全球知识图(GKG) 2.1版本发布于2015年2月，该版本超越了对物理事件的编目，使其不仅限于事件流表面的基础信息，而是更深入地关注新闻事件的详细信息，包括每篇报道的来源、报道中的人物或组织信息，地理信息和情感态度等. GKG数据集使用现有的一些最复杂的命名实体和地理编码算法，计算一系列编码元数据，将数据中隐藏的信息进行解码. GKG的一系列新功能极大地增强了数据的处理能力，为研究者提供了全新的分析机会.但由于GKG数据集的结构相对复杂，数据量大，到目前为止相关的研究不多，仍有很大的挖掘和应用缺口.本文研究的全球新闻流动模式，可从GDELT的GKG数据集中挖掘及分析该时间段内全球的政治经济类“硬新闻”报道的数量，以及每篇报道中的报道方、被报道方等相关数据，从而进一步筛选、重构及分析相关国家间新闻流动的网络模型，进而利用复杂网络模型理论进行模式分析.本文选取SourceCommonName和Locations这2个字段用于构建网络.其中SourceCommonName是一个表示文档源的标识符.对于带有网址的Web网页(SourceCollectionIdentifier字段值为1)，此字段将包含页面来源的域名.由于每个域名对应一个Web中的媒体机构，从而可以按照域名注册的规则查找该媒体所对应的国家编码，即可通过进一步的域名查询确定每篇Web新闻报道的来源国. Locations是指在本篇新闻报道中能找到的所有位置的列表，每个位置用“; ”分隔，每个位置字段中包含许多子字段，用“#”分隔，本文用到其中的第3个子字段LocationCountryCode(用于表示位置的国家编码).

在GKG数据集中，国家间的报道关系可定义为：在同一条记录中，由SourceCommonName字段的域名通过域名查询的方法所对应的国家为报道国，由Locations字段解析出来的每一个地名所在国家均为被报道国.根据复杂网络构建的原理，可将报道国和被报道国均定义为网络中的基本节点，从报道国到每个被报道国定义一条有向的边，一条记录有可能对应一个由报道国为起点，每个被报道国为终点且权重均为1的多条有向边.如果在其他记录中发现已有的报道国和被报道国的有向边，则对已有的边进行加权操作，权值为在网络中出现的有向边(即特定的新闻流动)次数.

表 1为特定时间段内GKG数据集中的4条示例数据.首先可根据域名查询方法，将SourceCommonName字段中的域名转换为国家名称，即为报道国; 将Locations字段中的地名提取出相应的国家名称，即为被报道国，有几个符合条件的被报道国即生成几对报道关系.这里被报道国的条件是指：①不考虑与报道国相同的情况，如表 1第一条记录中的报道国为中国，被报道国为中国和新西兰，则只生成中国对新西兰的报道关系; ②不考虑研究范围以外的被报道国.如表 1最后一条记录中报道国为意大利，被报道国为中国和日本，当研究对象为“一带一路”范围内的国家时，则只生成意大利对中国的报道关系.同理，SourceCommonName也只选择“一带一路”相关国家的域名，并在生成报道关系的同时累计相应报道量对应的权重.如表 1第一条记录和第三条记录都出现了中国对新西兰的报道关系，累计次数为2，则相应的权重也为2.根据上述的国家间新闻流动网络构建方法，可将表 1中的GKG数据映射为表 2定义的新闻流动映射表，生成的有向加权复杂网络如图 1所示.

在全球各国，每天都有大量的新闻报道，既有国内的时事新闻，也有关注他国的国际时事报道.根据国家间新闻流动网络的特点，定义相应的复杂网络拓扑特征如下：

定义1    节点数：节点数N指国家间新闻流动网络中国家的数量.

定义2    输出节点数：输出节点数N_out指国家间新闻流动网络中报道国的数量.

定义3    输入节点数：输入节点数N_in指国家间新闻流动网络中被报道国的数量.

定义4    连边数：连边数M指国家间新闻流动网络中从报道国到被报道国之间有向连边的数量.

定义5    平均度：平均度k代表在某时间段内一个国家平均与多少个国家有过新闻流动的关系，计算公式为

其中，M代表连边数，N代表国家(节点)数.

定义6    图密度：图密度D是指国家间新闻流动网络中国家间新闻报道连接的紧密程度.计算公式为

定义7    聚类系数：聚类系数C_i是指所有与节点i相连的节点之间实际相连的边数占这些点可能的最大连边数目的比例，聚类系数反映网络节点的聚类情况，计算公式为

其中，k_i为与节点i连接的其他节点的个数; E_i为这k_i个节点间相互连接的边数(两点之间的双向边和单向边都按1条计数).

定义8    平均聚类系数：平均聚类系数C定义为网络中所有节点聚类系数的平均值，计算公式为

其中，C取1说明网络中的所有节点都相连.

定义9    平均路径长度：相互连接的2个节点i和j之间边数最少的路径所包含的边数即为这2个节点间的距离d_ij.取尽网络中任意两节点的组合，网络的平均路径长度L定义为所有组合之间距离的平均值.

在“一带一路”国家间新闻流动网络中，如何评价各国在网络中的作用和地位？如何综合衡量各国在网络中自身的报道量、被报道热度，以及由新闻流动关系连接的国家数量和相关联国家的特点与连接能力？这些都涉及复杂网络中的节点重要性问题.目前，复杂网络的节点重要性评估方面较成熟的方法主要集中在无向无权网络^[14]，少量适用于无向加权网络^[15-16].近年来，逐渐出现了关于有向加权网络的节点重要性的研究，如王雨等^[17]提出的基于多重影响力矩阵的评估方法，刘臣等^[18]提出的基于出度、入度和权重的节点重要性指标：交叉度(cw)指标，及基于该指标的cw壳分解方法.前者构建了3个影响力矩阵，考虑的角度较多，方法有一定的复杂性，且不适用于入度为0的节点; 后者算法较为简单，但更适用于对网络中信息的传播和扩散效果的研究.马润年等^[19]提出的基于互信息的通信网络节点重要性度量方法由于考虑到了节点自身的强度、相邻节点的强度、节点的连边权重和权重比例系数等，为我们提供了一个较好的参考方案.此外，SHANG K K等^[20]通过对路透社舆论关键词即重要节点的时变性分析，洞悉了美国911恐怖事件上舆论的发酵过程，基于链路预测技术预测了舆论关键词的走向.综合以上研究成果，同时基于GDELT数据库中GKG数据集构建的国家间新闻流动网络的自身特点，我们对参数中的出度部分改用节点对应新闻报道国的实际报道总次数来代替，并采用这种改进的互信息节点重要性度量方法对具体的新闻流动网络进行了节点重要性评估.

首先将有向加权网络抽象为图G={V，E，W}，其中V={v₁，v₂，…，v_N}为节点集合，E={e₁，e₂，…，e_M}为有向边集合，W={w_e1，w_e2，…，w_eM}为有向边的权重集合. (i，j)∈E表示节点i到节点j的一条有向边，w(i，j)∈W表示有向边(i，j)的权值，类似的，w(j，i)表示有向边(j，i)的权值，其中w(i，j)并不一定等于w(j，i).节点强度可分为入强度和出强度，S_in(i)表示节点i的入强度：${S_{{\rm{in}}}}(i) = \sum\limits_{k \in {V_{{\rm{in}}}}\left( i \right)} {w\left( {k, i} \right)} $，其中V_in(i)表示指向节点i的所有节点集合; S_out(i)表示节点i的出强度：${S_{{\rm{out}}}}(i) = \sum\limits_{k \in {V_{{\rm{out}}}}\left( i \right)} {w\left( {i, k} \right)} $，其中V_out(i)表示节点i所指向的所有节点集合，入强度和出强度之和即为节点i的总强度：S(i)=S_in(i)+S_out(i).

对于有向加权网络，节点之间的连边具有方向和权重两重特性，有向加权边表示该边的2个端节点以一定数量进行单向报道.此时，同一节点的每条边的概率分布将有所不同，节点的边的概率将与该节点的出入强度、该边的方向和权值有关，因为一个节点有可能同时既输出信息又接收信息，这里定义节点的出边概率和入边概率，如有从节点i指向节点j的有向边(i，j)，则定义节点i的出边(i，j)的概率为^[19]

定义10^[19]    设节点i到节点j的互信息为I(i，j)，定义如下

定义11^[19]    节点i的信息量是节点i到其指向的所有节点的互信息之和减去所有指向i的节点到节点i的互信息之和，即

其中，V_out(i)表示节点i所指向的所有节点集合，V_in(i)表示指向节点i的所有节点集合.根据式(7)和(8)可证明整个网络中的信息量之和$\sum\limits_{i = 1}^N {I\left( i \right)} $为0.计算出所有节点的信息量之后按照从大到小进行排序，信息量越大的节点重要性越强.

对基于GDELT中GKG数据集构建的国家间新闻流动网络而言，由于它统计了一篇新闻报道中的多个位置，其中每个符合条件位置的国家都与同一个报道国产生连边，从而导致对一个报道国的报道次数的重复计算，因此本文改用统计报道国实际报道的总次数(即在符合条件的记录中，SourceCommonName字段被解析为该国的新闻报道总数)代替节点的出度作为计算互信息和信息量的依据.

由于本文关注的是一段时间内“一带一路”国家间的新闻流动模式，而与中国签订“一带一路”合作文件的国家数量可能会随着时间增加，我们以2019年4月8日-12日这一周(5个工作日)为研究的时间段，以截至2019年4月12日前与中国签订“一带一路”合作文件的126个国家和中国(共127个国家)作为国家间新闻流动网络中的基本节点，利用复杂网络的理论和方法进行新闻流动的网络模式分析：从拓扑特征统计及边权分布特点分析网络的整体特性; 采用改进的互信息算法进行节点重要性评估; 并对以中国为例的单节点进行分析.

本文首先以一天、一周2种时间尺度对“一带一路”国家间新闻流动网络的基本特性进行分析.从表 3可以看到，2种时间尺度中，输入节点、输出节点及连边数都比较大，尤其是网络输入节点数达到了当时研究范围内“一带一路”的国家总数127，说明在这段时间内“一带一路”各国都有被其他国家报道，而一天及一周的输出节点数都比较大，说明大部分国家的媒体都有对其他国家的报道.平均度k代表在某时间段内一个国家平均与多少个国家有过新闻流动的关系，可见4月8日这一天每个国家平均与30多个国家有新闻流动的关系，一周内虽然新闻流动的平均国家数增加到50多个，但还不能达到成倍的增加，且数量与国家总数量127个相比还是比较低的报道比例，说明在短时间内国家间新闻流动的平均数量不多，即有一个相对小范围互相关注的“朋友圈”.这也可以从图密度D看得出来，图密度代表国家间连接的紧密程度，在4月8日这一天里图密度不到0.3，在一周的尺度里也仅能达到0.454.此外，在2种时间尺度的网络中，平均聚类系数相对较大，平均路径长度都较小，反映了国家间新闻流动网络具有小世界特性.

“一带一路”国家间新闻流动模式网络作为一种加权有向的网络，其中一个重要的特点是在一段时间内不同新闻流动关系所对应连边的权重会有很大的差别，如2019年4月8日-12日这5天内乌克兰对俄罗斯的报道量高达7 762条，俄罗斯对乌克兰的报道达7 406条，两者加起来占总报道量的近4%.此外，大量的报道关系中边权只有1，2，3，在7 258条有向边代表的国家间报道关系中，权重为1的边数有1 105条，占总边数的15.2%，权重为2的边数占11.4%，权重为3的占7.5%，权重为7以内的边数达到51.2%. 图 2给出“一带一路”国家间新闻流动网络权重分布图，其中横坐标为已有的边权值，纵坐标为该权值的边数占总边数的百分比.

图 3为权重分布的双对数图，从双对数图看出网络的权重分布具有幂律分布的特性.可见在“一带一路”各国中，少数国家间的报道量大，大多数国家间的报道量少.如权重最大的前20对国家间流动关系在7 258个关系中，以不到0.3%的关系比例，其报道总量(边权的和)却占了总报道量的16%.这意味着“一带一路”国际间新闻流动模式网络是一个中心性较强的复杂网络，大部分国家之间并不存在明显的新闻流动，关注少量的国家对就能够大体反映国家间新闻流动模式网络的主要面貌.权重排名靠前的连边对应的节点国家就报道能力和被关注的热度这2个角度来看都是新闻流动模式网络中的重要节点.

图 4显示了2019年4月8日-12日这一周内权重排名前20的新闻流动关系，其中连边的粗细与权重成正比，连边旁用数字标出实际的权重值.可以看出，乌克兰和俄罗斯的相互新闻流动量是最大的，且都在7 400条以上，明显超过了其他各国间的新闻流动.而现实中，乌克兰和俄罗斯两国有着长期特殊的历史渊源，从而形成了双方媒体大量的相互关注和报道新闻流.在其余的新闻流动关系中，中国和俄罗斯出现的次数最多，中国在报道国和被报道国中分别出现了6次和4次，俄罗斯则分别出现了3次和4次.这些边权分布的特点也为我们在评估国家间新闻流动网络中的重要节点提供了一定的启示.

图 5显示了使用本文改进的互信息算法计算得到的全部节点的重要性名次与信息量的关系.其中横坐标为节点的重要性名次，纵坐标为相关排名对应的信息量.从图 5可以看出，重要性排名前10的节点信息量区分度最大：不仅信息量明显大于10名以后的节点，且相互之间的数值变化也较大; 而10名以后的节点信息量及变化率都明显变小.由此得到的结论是在“一带一路”国家间新闻流动网络中通过改进的互信息算法可以有效挖掘出网络中重要性最突出的前10个节点国家.

表 4和表 5显示了分别使用文献19的互信息算法及本文提出的改进的互信息算法评估的“一带一路”国家间新闻流动网络中排名前10的节点及其信息量，其中加粗的国名为使用2种方法评估得出的不同结果.

由表 4和表 5可见：在节点重要性排名前10的国家中，2种方法的排名结果基本是一致的，只有埃及和韩国在使用文献19算法的结果中排名分别为7，8，使用本文改进的互信息算法则交换了排名顺序.实际上，韩国不论是在入度、出度、还是报道的篇数上都大于埃及，从这些主要的指标来看重要性应在埃及之前，而韩国的排名在埃及之前也更符合现实中人们对两国国际影响力的评估.可见使用本文改进的互信息算法可以校正使用传统出度计算互信息和信息量产生的个别排名误差，对节点重要性的评估结果也更符合实际的排名.

中国作为“一带一路”国家间新闻流动网络中互信息量最大，节点重要性评估中排名第一的国家，尤其值得关注的问题包括：本国媒体对“一带一路”其他国家的报道情况，以及其他国家媒体对我国的报道情况.为此，我们对所建立的复杂网络模型中以“中国”这一单节点为起点和终点的连边及相关节点进行了统计和分析，并给出了相应的解答.

图 6显示了在2019年4月8日-12日期间中国对“一带一路”各国报道量的排名及分布，其中横坐标表示以中国报道的国家按报道量进行排名的名次，纵坐标表示相关名次的报道量占比.从图 6可以看出，中国对其他国家的报道大量集中在排名靠前的少数国家，其中对前10国的报道合计占比达到了51%，而对前20国的报道量合计占比达到了70%.

图 7显示了在中国报道的各国新闻中报道量排名前20的国家，其中纵坐标表示中国对该国的报道数量在中国对各国报道总量中的比重.可以看出，在2019年4月8日-12日这一周内，中国报道量较多的国家为韩国、越南、俄罗斯、意大利等，占比都在5%以上.

图 8显示了对中国的新闻报道量排名前20的国家，其中纵坐标表示对中国的报道在本国总报道量中的比重.可见对中国的报道量最多的20国中有13国对中国的报道占比都在9%以上，其中，韩国、越南、新加坡对中国的报道占比分别达到了34%，41%，23%.可见中国在“一带一路”各国对外的报道中占到了较高的比例，也说明我国在“一带一路”各国媒体中得到了较多的关注.

本文基于GDELT中GKG数据集的特点，提出了一种利用复杂网络的理论和方法构建国家间新闻流动网络的方法，并以特定时间段内“一带一路”国家间的新闻流动为例对新闻的流动模式进行实证分析：建立了“一带一路”国家间新闻流动的网络模型，分析了网络的拓扑特征及边权分布特点; 采用改进的互信息节点重要性评估算法进行重要节点挖掘，并以节点重要性评估排名第一的中国为例进行了单节点分析，主要结论如下：

1) 基于GDELT中的GKG全球新闻数据集构建国家间新闻流动网络，通过对“一带一路”国家间新闻流动网络的拓扑特征进行统计和分析，发现在短时间内国家间新闻流动的平均数量不多，即有一个相对小范围互相关注的“朋友圈”.另一方面，网络平均聚类系数相对较大，平均路径长度都较小，反映了国家间新闻流动网络具有小世界特性.

2) 对“一带一路”国家间新闻流动网络的边权分布特点进行统计和分析，发现网络的权重分布具有幂律分布的特性，即少数国家间的新闻流动量大，大多数国家间的新闻流动量小.

3) 根据GKG数据集的特点，采用报道国实际报道的总次数代替出度作为改进的互信息方法对“一带一路”国家间新闻流动网络进行节点重要性评估，可以有效挖掘出网络中信息量最大，区分度最高的前10个重要节点国家，且可以校正使用传统出度计算互信息和信息量产生的个别排名误差.

4) 对2019年4月8日-12日期间“一带一路”国家间新闻流动网络，以中国为例进行单节点分析，发现中国对其他国家的报道大量集中在排名靠前的少数国家，且中国在“一带一路”各国对外的报道中占到了较高的比例.

本文应用复杂网络的理论与方法，提出了一种基于全球整合新闻数据库的国家间新闻流动复杂网络建模的方法，并分析了“一带一路”国家间新闻流动的关系模式，从而为我国的国际传播策略和“一带一路”建议的推动提供了一些参考.进一步的研究包括：①研究国家间新闻流动网络的社区挖掘方法; ②与GDELT中的事件数据库联合分析报道中的事件特性; ③研究网络化数据挖掘的时空演变与预测分析方法.