兩個粉絲專頁比較觀察

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

35

第四高，其中關鍵字「PFCs」在第二個 Time Block 中的貼文提到的次數(藍色 Bar) 遠比第七個Time Block 的次數(紅色 Bar)多出許多；另外有提到「PFCs」的貼文 在散佈圖中出現在貼文的右上方居多，標記的顏色為藍色，只有少數紅色標記的 貼文出現在右下方。最後，我們透過本系統在探索其他Time Blocks 的過程中，

也發現到「PFCs」、「北極」與「塑膠」為 Facebook 使用者較為關注的關鍵字，

有這兩個關鍵字出現的貼文，比較容易獲得大量Facebook 使用者的回應。

圖4.7 Time Block vs 關鍵字

4.2.2 兩個粉絲專頁比較觀察

在 Facebook 上存在成千上萬個粉絲專頁，其中探討具有相似性質的粉絲專 頁，可以幫助我們瞭解到相同性質的粉絲專頁中活動的 Facebook 使用者之間關 注程度的差異；因此，當一件事件發生的時候，粉絲專頁會因為該事件而發佈相

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

36

關內容的貼文，當有重大事件發生時，相似性質的粉絲專頁所發佈的貼文會有所 差異，因此造成不同粉絲專頁的 Facebook 使用者會有不一樣的反應；在此小節 我們將針對這個現象進行觀察並且探討。

圖4.8 為 CNN 與 Reuters 於 2017 年 5 月 2 號到 2017 年 7 月 29 號之間，兩 個粉絲專頁發佈的影片貼文。圖 4.8 中所有粉紅色的物件皆為 CNN 的貼文、所 有淺藍色的物件皆為Reuters 發佈的貼文，在 Time Blocks 的部分，我們以 15 天 為一個單位將整個時間軸切割成六個Time Block，進行視覺化的呈現；因此，兩 個粉絲專頁加起來會有12 個 Time Block。另外，在正規化每一個屬性的時候，

我們將兩個粉絲專頁的貼文分開進行正規化的動作；此動作是為了讓使用者專注 於比較兩個粉絲專頁的差異，也避免因為粉絲專頁中粉絲人數的多寡影響到了比 較的基準；貼文散佈圖的Brushing-Linking 功能，從可以同時圈選兩個區域變更 成允許圈選單一區域產生，並且同時將該區域所涵蓋兩個粉絲專頁的貼文於 Time Block 進行 Highlight 動作。

圖4.8 CNN 與 Reuters

在貼文散佈圖中，我們發現大部分淺藍色貼文也就是Reuters 發佈的貼文聚 集在散佈圖的下半部；而CNN 的貼文分布就稍微偏向散佈圖的上半部，如圖 4.9。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

37

而在系統中，貼文散佈圖是根據貼文與貼文之間其各個屬性彼此的相似程度，進 一步地將貼文分散配置在散佈圖中；因此可以從散佈圖觀察到CNN 與 Reuters 兩 個粉絲專頁的貼文會有相當的差異性存在。

圖4.9 觀察CNN 與 Reuters 貼文散佈圖

本系統的使用者可以透過貼文散佈圖中 Brushing-linking 功能在貼文散佈圖 中進行深度的探索，我們發現了在貼文散佈圖中留言數較少以及按讚數較少的貼 文，大多集中在貼文散佈圖的上方的區域；而按讚數高的貼文集中在貼文散佈圖 的右半部分，留言數較高的貼文則是在於散佈圖中的左下的區域出現，這個現象 說明了具有大量按讚數的貼文，在留言的數量並不會因為有大量的按讚數就有大 數字的產生。

進一步地，我們將目光轉向了按讚數裡各個情緒的數量，在留言數及按讚數 少的貼文中，五種情緒的比例相對的也比較低；在貼文散佈圖的左下區域中，具 有上述留言數較高的特性的貼文群集，其中哈哈(Haha)以及生氣(Angry)兩個情緒 的數量比其他三個情緒高出許多；將Brush 的區域往散佈圖的右半邊移動，Brush 圈出的貼文群集不同而按讚數有升高以及留言數降低的趨勢，在五種情緒的部分，

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

38

生氣(Angry)的數量相較於散佈圖左下區域的貼文低，相對應的大心(Love)以及哇 (Wow)的數量有提高的現象產生。而在按讚數較高的貼文區域，則是大心(Love) 在五種情緒中佔有較高的比例，如圖4.10。

圖4.10 貼文散佈圖中五種情緒之變化趨勢

上述在貼文散佈圖中得到的資訊，我們搭配上關鍵字的統計圖表，發現了在 貼文散佈圖左下角區域的貼文，大量的出現了「President」以及「Trump」…等關 鍵詞彙能夠代表新上任的美國總統川普的詞彙；再搭配上貼文在Time Blocks 上 得知貼文發佈的時間點，我們發現了在左下角的貼文在所有的Time Blocks 皆有 貼文存在，以及我們已經知道左下角的貼文具有哈哈(Haha)以及生氣(Angry)較高 比例的資訊，推斷出在兩個粉絲專頁中貼文內容裡有關於美國總統川普的關鍵詞 彙會令Facebook 使用者感到生氣(Angry)或是哈哈(Haha)的比例較高，如圖 4.11。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

39

另外，於CNN 以及 Reuter 第二個 Time Block 中的 7 點鐘方向的位置，兩個粉絲 專頁都有出現一篇具有較高半徑差的貼文，代表該貼文具有較高的留言數、按讚 數以及分享數，兩篇貼文出現在日期分別為 2017 年 5 月 27 號以及同月份的 26 號，兩篇貼文的內容皆與美國總統川普於NOTA(北大西洋公約組織)會議上的行 為舉止有關，如圖 4.12，兩篇貼文同時也受到 Facebook 使用者留下的大量的評 論以及多數的使用者在五種情緒中給予哈哈(Haha)以及生氣(Angry)兩種情緒。

圖4.11 貼文散佈圖搭配上 Time Block 以及關鍵字分析

圖4.12 美國總統川普於 NOTA 會議上的相關貼文

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

40

在貼文散佈圖中，位於中間偏左上的貼文群集，其中貼文的情緒大多都是傷 心(Sad)與生氣(Angry)佔了大量的比例，如圖 4.13。我們發現貼文群集的發佈日 期中發現了2017 年 5 月 23 號以及 2017 年 6 月 4 號發佈的貼文中具有多篇貼文 屬於該區域的貼文，並且深入觀察兩個日期所發布的貼文內容，發現兩個日期分 別發生了Ariana Grande 於英國曼徹斯特舉辦演唱會的尾聲發生爆炸事件以及一 台白色轎車在倫敦橋上高速衝撞和隨機砍人事件，貼文內容與兩件事件有關的貼 文皆獲得Facebook 使用者較多生氣(Angry)與傷心(Sad)。另外，透過兩個粉絲專 頁發佈於當日的貼文數量，我們認為CNN 對於事件發生時的訊息傳播能力是大 於Reuters。

最後，在探索的過程中，我們發現了在兩個粉絲專頁發佈的貼文中，其貼文 內容與國際衝突的議題或是美國總統川普有關該篇貼文，相較於其他貼文皆獲得 了Facebook 使用者大量的關注。

圖4.13 貼文散佈圖中相近貼文於單日中連續多篇貼文

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

41