老杨:「新五毛」的推文分析

通过对「新五毛」的账户信息以及关注情况,大概了解其规模和社交网络情况,平均来说他们的发推量不高,因此我直接抓取了这2581个账户的54737条推文(包括转推)来分析,看看能不能得到一些有趣的结果。

在推文分析之前,有一个有趣的结论可以和大家分享,在这2581个「新五毛」账户中,有接近1200 个昵称能在搜狐微博里面100%匹配,不知道是同一家营销公司在管理,或者是用爬虫抓出来的。查看了一下,匹配到的搜狐微博用户多数停用已经很久了。这个发现要感谢 @Arctosia。

推文时间分布

首先看了下每日推文发送时间,看不出什么规律。再看推文的按月分布,如下图:

有三个明显的时间高峰,大概是3月初,6月初和9月初。考虑到推文有两种情况:鸡汤和五毛,所以将不同类别的推文分开统计,红色表示五毛推文,绿色表示鸡汤推文,我们可以得到如下直方图:

从这幅图我们大概可以看出,「新五毛」攻击最活跃的时候就是在6月初,之后只是保持一个大致稳定的发推频率,但是鸡汤推文的数目在9月之后显著的增加了。

可以列一个推数前十名的统计数据,对比之后就更明显了:


鸡汤推

我们先看看鸡汤推,里面有个看起来像是乱入的峰值6-12,从6-12抽五条出来看看:

#Nice爱旅游# 【欧洲音乐之旅第二弹】FM99 @天津音乐广播 八月暑期欧洲音乐之旅2.0来也!8月3日@DJ吴优 与你一起感受法意瑞风情!咨询电话:工作时间拨打23601215,中国国旅报名电话83451828.名额有限,额满为止!详细行程请点击
#QQ音乐首发预告#@潘瑋柏 2014唱跳剧作专辑《王者丑生》即将在@QQ音乐 独家首发!这是潘玮柏的第十张专辑,用了近两年的时间才完成这张专辑,每一首歌曲的配置都有他想传达的想法!锁定6月13日QQ音乐独家首发,请支持正版音乐
//@爱上丶微小説: 分享给想开网店,准备开网店创业的童鞋。
#最推荐#英国人气民谣才女#Birdy#深情演唱《Tee Shirt》~[好喜欢]清纯的低吟浅唱女声,穿插电影《The Fault in Our Stars》中悲欢离合的画面,泪点低的同学在看MV时请自备纸巾。[lxhx喵
我已经不知道该看哪里了![花心]喜欢另类幽默的不要错过哦~~[阴险]你懂得
推文扑面而来浓浓的新浪微博营销风有木有!从斜杠、标签和表情的使用上也能看出来是从新浪微博转出来的,搜一搜你就能看出来这些微博的「原作者」基本上都是营销账号(当然也有可能是爬虫抓取的)。但是特别注意前两条,来自天津什么广播和QQ音乐,都是蓝V账号,这两条微博在新浪微博上发出的时间分别是17:21的16:58,而在推特上出现的时间也17:21和16:59,如果是爬虫抓取的话同步速度会有这么快吗?

而9月1号随机抽出的5条是:

说个真事,现在外教都不太懂中文…………从前上外教,班里一同学看点名册有的同学名字后面有个A,觉得那是课堂表现的打分,就趁外教不注意在自己名字后面写了一大长串A。结果后来才知道,那个A的意思是absent。意思是缺勤……. http://t.co/IM5hXo0aOd
一农村少妇其貌不扬,家里买一电脑上网聊天!聊一网友相约见面!于是偷偷去了市里约 会。男的请吃饭,点了一桌菜然后男的开溜了,结果没钱买单让饭店给扣住了。打电话给老公过去付款赎的人! http://t.co/19Z4Db5bmW
【】早上起来发现IPAD充不进电,上网查了下说是这玩意怕冷,5度左右开始就充不进电了。现在给它装了个热水袋盖着被子充电……这什么傲娇啊…现在才刚过冬至啊…到春天回暖之前我每天都得给它弄暖水袋盖被子么………http://t.co/nYhiCJpHMJ
也许一个人最好的样子就是静一点,哪怕一个人生活,穿越一个又一个城市,走过一条又一条街道,仰望一片又一片天空,见证一场又一场离别,于是终于可以坦然的说:我终于不那么执着。 http://t.co/x0dDFGLByL
【DIY丝瓜瘦肉汤】1、将丝瓜切片,肉丝切片;2、锅内放入橄榄油将肉丝炒香,倒入水全同煮一会儿;3、加入丝瓜,煮沸,最后入盐调味即可。 http://t.co/v4SVoR8JqB
 从风格上就可以看出两者有很大的不同。6月12号的,发送时间分别是9月1号开始的推文呢,则是纯粹的小清新风格,所有的都是文字+图片。

一个猜测:6月12号同步推只是一个测试,发现如果就这么同步的话留下的破绽太多,然后改成了9月份的鸡汤风格

五毛推

从五毛推的分布来说,可以看到有三个明显的峰值分别出现:3月8号和9号,5月20号和21号,6月1号到4号。将所有攻击型推文按照这三个时间分成A、B和C三组,剩下的所有分为D组,分别统计每组推文中提及的账号以及对五毛推文进行文字挖掘,看看能有什么结果

首先是A组,时间是在3月8号到9号,从下图看攻击对象主要是@wenyunchao,并且从文字云图来看主要是各种攻击和谩骂,「钓鱼岛」一词多出现在「温云超居然说钓鱼岛是日本的」这句话里面。


然后看B组,5月20号到21号,这个时间点我是看了分析出来的结果才明白是怎么回事。5月19号美国说要起诉5名中国军人,于是「新五毛」就开始发动了。发动主要体现在转推上,其中转推@puchaopei136443和 @tanjunyuan13644的最多,基本每一条推都有起码二三十的转发。关键字也在强调「互联网安全」以及「美国才是互联网最大的敌人」。在B组中五毛账号不仅仅用来攻击,更多的体现在互相RT上,这可能是以后五毛的一种策略。




C组的时间点就不用解释了,因为有「六四穿黑衫」以及「重返天安门」这两个活动,所以五毛对@64_black_shirt和@backtotiananmen这两个账号格外的照顾。图中xiexue系列账号应该也是机器人,或者某人的一系列马甲。


D组是剩下的推文,他们主要就是在骂温云超以及转推这个假黄宾@huanqbin87的有关盘古乐队的视频。


从内容上看,除了辱骂的推文之外,五毛的一个关键目标就是用各种关键字来混淆推特的搜索,包括hashtag和文本搜索,何必呢,推特的中文搜索就是渣,我正常搜都搜不到想要的结果,你混淆了和不混淆效果不也一样么……

转推

别以为五毛就会自己发自己的,他们也会转推哦!

在所有这54737条推文中,转推有8190条,列出被五毛转推最多的十条:

@huanqbin87: 看到一首好玩的歌曲,盘古乐队。http://t.co/7C8f9BDRZN
@huanqbin87: 走狗歌-盘古乐队是走狗http://t.co/PVRov1c4fE
@huanqbin87: 盘古之烂苹果,太好听了! http://t.co/WADLhCm8kt
@huanqbin87: 骂盘古乐队倍儿爽 http://t.co/FZWvyVavrt
@kingatnba: 香港和平佔中游行怪象百出,看热闹的比游行的多,看来香港人真的是习惯了游行,游行成了他们表达个人诉求的流行方式 ,就像成龙说的,香港已变成流行之都。#占领深圳 http://t.co/h0R35N8ANc
@Cher64693876: http://t.co/8U3VkiDGo9港媒质疑香港非法公投:投票系统漏洞多 票数水分极大
@Cherie29980851: 港媒质疑香港非法公投:投票系统漏洞多,票数水分极大 http://t.co/3K2I5llxmG
@DavidLyo: 做不了太多,这几年都有用手机播放血染的风采行走于路上 RT @yimings8964: 六四一起穿黑衫!今年穿,明年还穿!让有态度的文化衫在广场绽放!
@hu_jia: 你自己知道六四穿黑衫的意思即可。你自己了解了真相、打破了恐惧、以行动实践了,就是黑衫最大的意义。@dragonflytiger9 只要穿黑衫就可以吗,感觉没什么用啊!在我的学校穿黑衫,同学们也不知道是什么意思!@64_black_shirt
@RTKcn: 17+ RT @Sherry45778748: http://t.co/B3Mr4MkH79港媒质疑香港非法公投:投票系统漏洞多 票数水分极大
看来五毛最关心的除了盘古就是香港了。

反应时间与强度

以五毛开始攻击与原推文发出时间之差作为横轴,纵轴为累积数,可做如下直方图:


峰值在24小时左右,也就是说五毛的反应时间也不是很快,10个小时左右是正常水平。

以一条推文引来五毛的数目作为横轴可以作出如下直方图:


看起一推引来5位五毛是正常情况,让人好奇的是怎样的推才可以引来超过100条五毛回复的?就是xiexue系列账号发有关温云超的推(一种后现代主义的感觉)

五毛关心什么

用文本挖掘的方法对那些引出了五毛的推文进行分析,可以得到一个文字云图:

显然习总书记是他们最关心的对象。

老杨:推特上有多少「新五毛」?

引用地址:http://blog.yesmryang.net/wumao-tweet/
发表评论