转发评论为移动对象，组成有向网络。其次，采用模块度聚类的方法对研究对象进行划分子群。模块度旨在衡量网络划分的质量：在模块较高的网络模式中每一个子群的节点的连线则会相应的减少。例如之前的相关学者对克劳赛特、纽曼和莫尔对于这种算法进行调整，使其能够适应规模更大、分布更加离散的大型网络因此，本研究利用 No-dexl 内置的 Clauset － Newman － Moore 算法对网络依据模块度进行子群的聚类。基于网络结构的子群聚类方法能够弥补简单依据用户身份或者传播内容类型划分组群的局限性，有助于观察社交媒体用户行为本身的特点。其次，根据在平台的用户评论的话语，统计最为典型的20条评论，通过评论的情感态度倾向来观察评论者的话语表现的力度和个体身份以及认知态度之间的关系。通过指标的体现可以看出话语表达在无差别链接中的层级分化，增加对网络结构的衡量和目标关系的梳理，在此类型的网络中观察评论者之家的话语构成和态度倾向，伴随着内容的同质化现象容易形成网络回音室