关于社交网络的理论研究 社交的逻辑 社交网络的理论研究是一个很久就开始的事情了，以下列出4个基础论断，作为后续产品论述的前提(其实很多在产品中体现的还很不好)。 关系对人的影响在于，六度分隔所描述的是弱连接，通过弱连接，我们可以传递消息，创造合作机会；但如果关注人们之间是如何互相产生影响的，就必须关注强连接，尼古拉斯?克里斯塔斯基将称为“三度影响力原则”(人类行为深受三度以内朋友的影响)，这种现象的出现原因，既包括行为习惯上的影响，也包括观念上的影响。 群体对人的影响，主要是极化，即群体愚蠢或群体智慧。理论上，有一个共同的目标，分工互补，就可形成紧密的群。《乌合之众》里讲到，群体对于个体有着极端放大和缩小的能力，可以没有责任的暴虐成为暴民，也可以用高尚情感使之舍生赴死(领袖们打动群众需要言之凿凿，信誓旦旦的重复和强大意志的感染)。情绪化、简单化和跟随成本大大降低，是群对个人行为带来的影响。新浪微博的运营，就是典型的时尚流行话题带动，名人引导，最后完成群体讨论和活跃的。 另一方面，群体是可以产生超越个体的群体智能的，《失控》里称之为“涌现”(整体才具有，孤立部分及其总合不具有的性质)。这个在人类社会尚无很好的范例，亚马逊的相关商
品精准推荐，可能算群体预测吧，但在自然界涌现有很多范例，比如水分子朝一个方向运动会形成漩涡，白蚁可以构筑相当于人类数千层楼高的蚁巢，且通风卫生情况良好。 北京大学计算机系李晓明教授为《大连接》一书所写的推荐语：“社会网络”不仅是‘网络’更是‘社会’，深合我心。互联网的社交产品，就是要遵循规则，帮助用户使用、经营、扩展其社交关系，将整个社交网络经营成良好运转的虚拟社会。 社交的产品 社交产品主要论述四个部分：关系社交产品、内容社交产品、服务社交产品和社交产品的运营。 关系社交产品 扎克伯格在Facebook上市前公开信中写道：“人际关系是社会的基本构成单元……人们分享得越多——即便只是与密友或家人分享——文化就越开放，对于他人的生活和观点的理解也就越深。我们认为，它能够创造更多、更强的人际关系，并帮助人们接触到更多不同观点。”这就是平台型的关系社交产品的主要思路。 实名动态(FEED)、好友关系(推荐)、个人主页(Profile)是关系社交产品的基本构成，持续不断的优化FEED的聚合和展现形态，进而激励更多的分享(含评论转发)，不断基于标签推荐用户添加好友，不断引导用户浏览好友的个人空间，以此完成关系链的活跃和建设，其中相册、日志、活动和投票，是关系社交产品的基础分享应用和UGC内容来源。
网站分析 从网站的用户层面，我们根据用户访问的行为特征将用户细分成各种类型，因为用户行为各异，行为统计指标各异，分析的角度各异，所以如果要对用户做细分，可以从很多角度根据各种规则实现各种不同的分类，看到过有些数据分析报告做了各种用户的细分，各种用户行为的分析，再结合其他各种维度，看上去内容绝对足够丰富，但很难理解这些分析结果到底是为了说明什么问题，也许作为一个咨询报告反映当前整体的趋势和用户特征确实合适，但如果真的要让数据分析的结果能够引导我们去做些什么，还是要在做用户细分前确定分析的目的，明确业务层面的需求。 既然要做基于用户细分的比较分析，自然是为了明确某些用户分类群体的行为特征与其他用户群体的差异。这里主要从指导内容层面的调整为导向，通过比较各用户细分群体对内容需求的差异，优化内容运营，将优质的内容或者符合用户偏好的内容推荐给相应的用户。 既然是基于用户细分，首先明确用户的细分规则，这里举例3类细分：流失用户与留存用户、新用户与老用户、单次购买用户和二次购买用户，基于这3类细分，对每个分类的用户购买商品进行比较分析，明确哪些商品更加符合用户的预期。 当然，要区分流失用户和留存用户，首先必须对用户流失有一个明确的定义，关于流失用户的定义可以参考博客之前的文章——网站的活跃用户与流失用户。有了定义我们就可以做统计和细分了，还是以电子商务网站为例，电商网站的内容就是商品，我们基于每个商品计算购买这些商品的用户中购买后造成流失的用户比例，如下： 这里的指标定义应该比较明确，每个商品的流失用户比例应该是购买该商品后流失的用户数在所有购买该商品的用户中的占比，但只知道每个商品的流失用户比例无法评价这个商品是否对用户保留有促进作用，或者在一定程度上造成了用户的流失，只有通过与总体水平的比较才能得出相应的结论。所以这里需要重点解释的是“与总体比较”这个数值是怎么计算的到的，这里的百分比不是直接相减的结果，而是一个差异的幅度体现，这里假设总体用户流失率为56%，那么以A商品为例，与总体比较的结果是：( 58.13% –56% ) / 56% = 3.80% ，使用同样的计算方法也可以得到其他商品与总体比较的差异幅度。最后就是展示，在Excel里面通过“条件格式”里面的数据条功能可以直接展现出图中的效果，非常方便。
社交网络用户的心理需求分析 用户在社交网络里的行为逻辑是用户个人的真实写照，在社交网络里的自我个性特点，也反映了用户的真实个性，如果能准确把握用户的行为逻辑，那么将有助于你做出符合大众用户的社交功能。一款社交产品的成功必须能够准确把握用户在其中的心理变化，哪些莫名火爆的应用背后到底是什么? 笔者不才，就几个简单的用户行为阐述一下自己的观点，在我简述几个行为的同时，看看你自己有没有同感? 1、不同社交应用的不同社会角色 我们每个人都是如此，在不同的社会场景下，扮演不同的社会角色，即会有不同的表现，这是一种社会效应，即使映射到社交网络，无论在你微博、微信、QQ、人人上，你都扮演着不同的角色，留意一下你自己的各种不同社交应用，每次你打开它一定是不同的意图，继而获取信息和产生内容的初衷也会有所不同。有人会说，我有的好友在不同的社交应用里同时更新一样的内容作何解释?不要忘了，获取社交信息和用户产生内容是两种行为，可能他在获取的阶段是不同的社交初衷。 这就是我为年轻人高呼“爸妈来了，这个应用我不用了”的现象做出的解释，除了青春期遗留下来的逆反心里，企图标新立异有意采取不同的态度和行为来引起别人的注意和得到
社会认同之外，单一的大众性社交应用将现实社会不同场景下的社会关系高度重合在一个社交场景里，难免让人感到“隐私”没了，在不同的场合扮演不同的社会角色的时候自然就有不同的语言行为规范，一个父母面前温顺可人的角色怎么能容忍客串成在朋友当中破粗口胡吃海喝的角色。 从这个角度来分析一些老牌的社交应用里，即使我们经常登录，也再也不会更新内容的现象，因为像 QQ 这样的社交应用，根基太早，从家庭朋友社交场景到工作关系场景，社交关系太过臃肿，不是一个很好的展现自我的平台，还是应该将它着重定位在即时通讯吧。随着微信将手机通讯录和 QQ 好友关系链都移植到了自己的社交关系里，即使在朋友圈里更新可以设置可见范围分组，比起这种在下游手动添加范围，我宁愿有个从始至终都是一个社会场景的应用。 还有两个相对成型的特定社交分类，即职业社交与婚恋交友，用户其实都是在扮演特定的社会角色；婚恋网站https://www.doczj.com/doc/8f6280945.html,的邵光荣曾表示，社交本身并不是需求，而是手段，不同的社交都是有着不同的目的，一旦某个平台的社交功能无法达到用户的目的，用户也就会沉默或离开，社交其实也就不存在了。意思无外乎也是说用户需要扮演角色来达到某种目的。 2、自我“隐私”保护和窥探他人“隐私” 为什么要在隐私上加引号?因为在社交网络我们自主公开的生活隐私不能纯粹意义上算隐私。先说说第一种行为，你的好友会经常直播自己的生活或者一天上传几十张自拍照，人类是群居动物，群居本能分两级:第一级寻求群体认可，心理学上认为，“爱向别人炫”是一
一、什么是用户行为分析： 用户行为分析：在获得网站访问量最基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律，并将这些规律与网络营销策略相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步的修正或者是重新制定网络营销策略提供依据。 以上只是很多种情况中一种———-针对网站的用户行为分析。那么，对于目前的互联网行业成千上万的产品，我们又该如何重新定义用户行为分析呢？重新定义的用户行为是什么呢？ 1、分析用户行为，那我们应该先确定用户群体特征； 2、用户对产品的使用率。网站类产品主要体现在点击率、点击量、访问量、访问率、访问模块、页面留存时间等等；移动应用产品主要体现在下载量、使用频率、使用模块等等； 3、用户使用产品的时间。比如用户基本是每天中的什么时候使用产品。 综合以上说说的几点，其实用户行为分析可以这样来看：用户行为分析就是对用户使用产品过程中的所有数据（包括下载量、使用频率、访问量、访问率、留存时间等等）进行收集、整理、统计、分析用户使用产品的规律，为产品的后续发展、优化或者营销等活动提供有力的数据支撑。 二、用户行为分析方式都有哪些？ 既然是对用户的行为进行分析，那么在得到数据后，我们需要如何进行行为分析呢？分析方式有哪些呢？这里我们主要从几个维度来分析：方式、侧重、优缺点。应该具体从何开始呢？我们先说说用户行为分析的方式： 1、网站数据分析。通过对每个模块的点击率、点击量、访问量进行数据捕获，然后进行分析； 2、用户基本动作分析。用户访问留存时间、访问量等； 3、关联调查数据分析。主要在电商上的相关推荐、你可能喜欢等等； 4、用户属性和习惯分析。对用户属性和用户习惯两个维度进行分析。用户属性包括性别、年龄等固有的；用户习惯包括用户的一起喜爱度、流量习惯、访问习惯等等； 5、用户活跃度分析。 综合以上可以概括为：以数据分析为导向、以产品设计反馈为导向、以对用户的调查为导向。通过上面的分析方式，我们需要整理出每种方式的分析侧重点。那么，下面我们谈谈用户行为分析的侧重点，主要有以下几点： 1、网站数据分析的侧重点：数据监测、挖掘、收集、整理、统计。 2、用户基本动作分析侧重点：统计用户基本信息，比如：性别、年龄、地域，分析用户群体； 3、关联分析侧重点：分析数据为精准营销提供数据支撑； 4、用户活跃度侧重点：主要是用户的使用频率进行分析，可以得出分析为什么用户喜欢使用这个产品这个功能。 三、用户行为分析的工具有哪些？如何做好用户行为分析？ 工欲善其事必先利其器，我们知道了我们需要做什么事情，那么我们应该用什么工具来提高效率呢？
分类号： TP391.1 单位代码：10335 学号：20821043 硕士学位论文 论文题目社交网络中基于图排序的 好友推荐机制研究与实现作者姓名郑佳佳 指导教师王强副教授 学科(专业) 计算机软件与理论__ 所在学院计算机科学与技术学院 提交日期2011年1月
A Dissertation Submitted to Zhejiang University for the Degree of Master of Engineering TITLE:Friends Recommendation Based on Graph Ranking on Social Network Site Author: Jiajia Zheng Supervisor: Associate Professor Qiang Wang Subject: Computer Software and Theory College: College of Computer Science Submitted Date: 2011-01
浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：签字日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解浙江大学有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本授权书） 学位论文作者签名：导师签名： 签字日期：年月日签字日期：年月日
社交网络用户行为的研究 摘要：社交网络是近几年产生、发展、兴起的，给人们的现代生活带来了巨大的影响和冲击。社交网络具有传统网络的一般特征，又具有其独特性，它是以人为中心建立的网络社 交。社交网站是互联网由分散的网络应用向以人为中心的网络应用平台转化的必由之路，是互联网发展由浅层向深入，由分散到集中，由以应用为核心到以人为核心的转变。 关键词：社交网络、社交网站、社交网站用户行为 中图分类号：TP393 文献标识码：A 文章编号：1006-026X（2012）05-0000-01 据艾瑞咨询最新发布的《2011年中国社交化电子商务报告》显示，2011年中国社交网络的用户规模已经达到3.7亿，较2010年增长17.6%，预计到2014年这一规模将达到5.1 亿人，社交化元素已成为中国互联网中的基础性应用。从社交网络用户数据快速增长上来看，社交网络对人们生活的影响越来越大。为什么越来越多的人喜欢使用社交网络，他的 用户行为特征具体表现在哪些方面，本文以文献综述法进行总结归纳研究。 1.社交网络和社交网站 1.1社交网络的定义 自社交网络诞生以来，有关学者和专家就对社交网络的概念定义和内涵解释存在不少争议，且国内外的学者对社交网络的研究更多的集中于其商业及社交价值，加之社交网络 这一存在还处于不断变化发展的过程中，使得学界对社交网络的定义更加模糊不清。 国外学者Antelman(2003)对社交网络的定义是:社交网络是一个虚拟的个 人空间，用户在空间里上传个人资料，兴趣爱好，并且不断更新自我状态与信息，同时连接聚集到一 个或多个可信赖的朋友或同事群体中，使用社交网络提供的多种应用工具丰富充实空间里的信息资料，同时达到增进群体内部关系的目的。黄婷(2009)在总结社交网络特点 的基础上将社交网络服务定义为：社交网络服务(SNS)是以网站为载体，通过为用户提供各种交互功能，以帮助用户拓展社交圈为目的的服务类产品。 --!> 综合网络及国内外学者对社交网络的研究，本文将社交网络定义为：以社交软件(Social Network Software)为工具，以社交网站(Social Network Site)为载体，通过一系列 网站应用为人们提供社会性网络服务，帮助人们建立网络社交关系的交往平台。也就是我们平常所说的社交网站。 1.2 社交网站的特点
社会网络分析方法 SNA分析软件 ●第一类为自由可视化SNA 软件，共有Agna 等9 种软件，位于图1 的右上角，这类软件可以自 由下载使用，成本低，但一般这类软件的一个共同缺点是缺乏相应的如在线帮助等技术支持； ●第二类为商业可视化SNA 软件，如InFlow 等3种，这类软件大都有良好的技术支持；（3）第 三类为可视化SNA 软件，如KliqFinder 等4 种，这类软件一般都是商业软件，但他们都有可以通过下载试用版的软件，来使用其中的绝大部分功能 ●第四类为自由非可视化SNA 软件，如FATCAT 等7 种，这类软件的特点是免费使用，但对SNA 的分析结果以数据表等形式输出，不具有可视化分析结果的功能； ●第五类为商业非可视化SNA 软件，只有GRADAP 一种，该软件以图表分析为主，不具有可 视化的功能。在23 种SNA 软件中，有16 种SNA 软件，即近70%的SNA 软件，具有可视化功能。 SNA分析方法 使用SNA 软件进行社会网络分析时，一般需要按准备数据、数据处理和数据分析三个步骤进行。尽管因不同的SNA 软件的具体操作不同，但这三个步骤基本是一致的。 1.准备数据，建立关系矩阵 准备数据是指将使用问卷或其他调查方法，或直接从网络教学支撑平台自带的后台数据库中所获得的用于研究的关系数据，经过整理后按照规定格式形成关系矩阵，以备数据处理时使用。这个步骤也是SNA 分析的重要的基础性工作。SNA 中共有三种关系矩阵：邻接矩（AdjacencyMatrix）、发生阵（Incidence Matrix）和隶属关系矩阵（Affiliation Matrix）。邻接矩阵为正方阵，其行和列都代表完全相同的行动者，如果邻接矩阵的值为二值矩阵，则其中的“0”表示两个行动者之间没有关系，而“1”则表示两个行动者之间存在关系。然而我们
基于数据挖掘的校园社交网络用户行为分析毕业设计论文
1 绪论 1.1 选题背景 社交网络，简称SNS（social network service），在Web2.0浪潮中已发展为社会化媒体中一个主要平台。据最新的中国互联网络信息中心(CNNIC)2013年1月15 日发布的第31次《中国互联网络发展状况统计报告》，截至2012年12月底，我国网民规模达5.64亿，互联网普及率为42.1%，较2011年底提升3.8个百分点。同时报告显示，社交网络应用持续呈现增长趋势，截止2012年12月，国内社交网络用户总数已达2.75亿，占到了全部网民人数的48.8%，增速保持在10%以上。 与此同时在2010年之后社交网络又出现两大新增长点：其一微博用户持续增长，微博用户规模在2012年达到3.09亿，较2011年底增长了5873万。虽然微博急速扩张的阶段已经结束，但年增幅仍能达到23.5%；其二用户逐渐移动化成为了社交网络用户增长的又一亮点，截至2012年12月底，我国手机网民规模为4.2亿，较上年底增加约6440万人，网民中使用手机上网的人群占比由上年底的69.3%提升至74.5%，随着手机智能化，相当一部分用户访问和发送微博的行为发生在手机终端上，为社交网站的进一步发展提供了可能。此外“社交化”已经作为一种重要的功能元素，正在全面融合到各类互联网应用中。一方面，2012年涌现出大批具备社交基因的新应用，包括图片社交、私密社交、购物分享等，尤其在移动互联网领域，由于手机天生的通讯功能，2012年许多热门移动应用都具备社交功能；另一方面，搜索、网购、媒体等互联网应用正在融合社交因素，以丰富自身的功能、提升用户体验，创新服务和盈利模式。在整个互联网都走向社交化的大趋势下，传统的实名制社交网站也不断增加平台功能，在原
社交类网站分析报告 社交网站因具有用社群性、互动性、开放性、娱乐性等一系列特点发展迅速，国内也出现了人人网、开心网等一系列知名社交网站。随着社交网站不断地发展除了较为成功的大型社交网站外，在很多细分市场也出现了众多中小型社交网站，数以万计的中小型社交网站给网民带来了更多的选择，为整个社交网站的发展不断注入新鲜的血液。 项目背景 互联网自上个世纪诞生以来，其影响力已经涉及到人类生活的方方面面。网站的发展突飞猛进。在中国从以门户网站等技术为代表，强调内容的组织与提供的web 1.0时代，到如今更注重用户交互作用的以博客（BLOG）、百科全书(Wiki)、社交网络（SNS）、即时信息（IM）等为代表的web2.0时代，用了不到20年的时间。 如今网民在互联网上可获得的应用得到了极大地丰富，有以信息获取和交流为主的网络新闻、电子邮件、即时通信等应用；有以休闲娱乐为主的网络音乐、网络视频、网络游戏、网络文学等应用；也有以商务交易为主的网络购物、网上银行、网上支付、团购、网络炒股、旅行预定等应用；还有以满足人们社交需求实现自我表达为主的博客、微博、社交网站等新型应用。 网站需求和目的 社交型网站的最大用户群是大学生，对于大学生来说，社交型网站除了心情、网志、游戏等这些基础产品服务是不够的，还必须有一个用户真正需要、真正认可的核心应用。学生使用社交型网站的终极目的是为了休闲娱乐，其中休闲娱乐包括看新闻、听音乐、看电影、玩游戏、购物、时尚等方面。大学生普遍的“宅”已经发出需求，我们开发的新型社交型网站就不仅要满足他们在私人空间内的需求，并且要成为现实的延伸，网聚成员，开展活动。 定位：为年轻人服务 竞争性分析 由于国外社交网站facebook的火热，同时细分市场最大的职业社交网站率先上市，让国内的互联网创业者看准了职业社交网站的发展前景。于是纷纷效仿，前有天际若邻，后有环球人脉网。 若邻网人脉拓展频道依托于若邻网最大的职场社交招聘网，在这里不仅可以人脉拓展，结交好友，维护人脉，还可以通过人际网络获得更好的工作和商业机会。 精英招聘是天际网面向用户提供的社交招聘服务。与传统招聘相比，不仅可以将职位通过人际网络传递至数百万目标人群，还可以通过动态多维度考量候选人，为聘用提供依据。 环球人脉网广场汇集用户提出的热门问题以及具有职业帮助的高质量回答， 内容主要涵盖国际贸易、环球热点、职场管理、读书生活、交际人脉、创业投资六大板块。 同时展示乐于奉献自己专业知识的热门用户，以是其获得更多人脉拓展的机会。
SNS SNS，全称Social Networking Services，即社会性网络服务，专指旨在帮助人们建立社会性网络的互联网应用服务。也指社会现有已成熟普及的信息载体，如 或“社交网”。 目录
创立了面向社会性网络的互联网服务，通过“熟人的熟人”来进行网络社交拓展，比如ArtComb,Friendster，Wallop,adoreme等。 但“熟人的熟人”，只是社交拓展的一种方式，而并非社交拓展的全部。因此，现在一般所谓的SNS，则其含义还远不及“熟人的熟人”这个层面。比如根据相同话题进行凝聚（如贴吧）、根据爱好进行凝聚（如Fexion 网）、根据学习经历进行凝聚（如Facebook）、根据周末出游的相同地点进行凝聚等，都被纳入“SNS”的畴。 SNS源自英文缩写 在互联网领域有SNS三层含义：服务 Social Network Service，软件Social Network Software， Social Network Site。Social Network Service 中文直译为社会性网络服务或社会化网络服务，意译为社交网络服务。中文的网络含义包括硬件、软件、服务及应用，加上四字构成的词组更符合中国人的构词习惯，因此人们习惯上用社交网络来代指SNS（包括Social Network Service的三层含义），用社交软件代指Social Network Software，用社交代指Social Network Site。SNS专指旨在帮助人们建立社会性网络的互联网应用服务。 医学领域：Sympathetic Nervous System 【解】交感神经系统 sns是soft net system的缩写，即柔性网系统，在建筑方面，特别是公路、铁路建设方面应用很大，用于防护边坡细微垮塌的防护。根据防护方式不同，分为主动防护和被动防护。主动防护是防护网系统将有垮塌倾
山西大学研究生项目设计报告（2015 ---- 2016学年第1学期） 学院（中心、所）：计算机与信息技术学院 专业名称：软件工程(专硕) 课程名称：大数据处理 论文题目：网站用户行为分析 授课教师（职称）：杜亮 研究生姓名：温杰 年级：2016级 学号：201622405011 成绩： 评阅日期： 山西大学研究生学院 2016年12月20日
大数据实例：网站用户行为分析 大数据实例：网站用户行为分析 (2) 一、案例简介 (4) 二、案例目的 (4) 三、软件工具 (4) 四、案例任务 (4) 五、实验步骤 (5) 5.1、实验步骤一：实验环境准备 (5) 5.1.1、linux系统的安装 (5) 5.1.2、Hadoop的安装 (6) 5.1.3、MySQL的安装 (6) 5.1.4、HBase的安装 (8) 5.1.5、Hive的安装 (8) 5.1.6、Sqoop的安装 (10) 5.1.7、Eclipse安装 (12) 5.2、实验步骤二：本地数据集上传到数据参考Hive (12) 5.2.1、实验数据集的下载 (12) 5.2.2、解压下载得到的数据集到指定目录 (12) 5.2.3、数据集的预处理 (13) 5.3、实验步骤三：Hive数据分析 (15) 5.4、实验步骤四：Hive、MySQL、HBase数据互导 (19) 5.4.1、Hive预操作 (19)
5.4.2、使用Sqoop将数据从Hive导入MySQL (20) 5.4.3、使用Sqoop将数据从MySQL导入HBase (21) 5.5、实验步骤五：利用R进行数据可视化分析 (22) 5.5.1、R安装 (22) 5.5.2、可视化分析MySQL中的数据 (23)
社交网络现状分析中国社交网络的三个价值维度 2012-07-13 14:19 共计17846次阅读来源：DoNews赞我有话说小中 分享 “人，生来就有社会性。所以借助于互联网的社交网络，将会让世界更加紧密!”说这话的是美国著名社交网络公司Facebook的创始人马克·扎克伯格。这家已在美国上市的互联网公司是迄今为止，全球最为成功的社交网络之一。 随着互联网的发展以及人类互动和沟通需求的扩展，社交网络和社交媒体开始影响人们的生活。作为一个具有十几亿人口的大国，中国的社交网络也在波涛汹涌中蓬勃向前。那么，社交媒体对于国内互联网市场产生了怎样的意义?中国社交网络又在经历着怎样翻天覆地的变化? 社交改变信息传播和分享方式 社交网络即社交网络服务，源自英文SNS(Social Network Service)。社交网络表现形式多种多样，其中博客、论坛和播客发展较早，而微博、社区、QQ空间在最近几年呈现火爆趋势。人们通过这些社交网站或平台进行撰写、分享、评价、讨论、互动和沟通。在社交网络中，意见表达、见解交流、经验分享和观点沟通最为常见。 可以说，社交网络在互联网的汪洋中如鱼得水，其传播信息之快、范围覆盖之广、分享率之大，无不令人惊叹。社交网络已成为人们使用互联网的重要组成部分，不仅制造了人们社交生活中争相讨论的一个又一个热门话题，更吸引传统媒体争相跟进。如果说，以前了解网络新闻的途径是门户的话，显然今天社交网络已经开始占据主流。 细心的朋友可能已经发现，现在无论浏览什么网站，来自各个社交平台的分享组件已经成为网站的标配，而很多人也已经习惯了把信息分享到自己的社交网络中。在国外的网站或者APP应用中，Facebook和Twitter的出现频率和分享程度最高。在国内，来自两家领先的社会化分享按钮提供商Jiathis和Bshare的数据显示，QQ空间以绝对优势稳坐国内社会化分享的龙头位置，新浪微博、腾讯微博占据第二、第三的位置。 中外社交网络齐头并进 据国外知名数据监测公司Pingdom公布的数据显示，社交网络链接和网页插件已经占领了全世界所有网站的25%。在世界排名前一万的网站中，这种社交网络的占有率更是达到了惊人的49.3%。由此不难看出，社交媒体已经成为互联网不可分割的一部分。 社交网络对于互联网正在产生重要意义，在国外，几乎所有网站都急不可待的想与这些掌控着全世界十几亿用户的社交网站开展合作，用户和流量的导入，使得整个市场流动性更强。依仗庞大的用户资源，社交网络又极易产生巨头，于是怎样才能攀上这门亲戚，成为很多令国外网站心头疼的事情。 国外社交网络风生水起，环顾国内，中国社交网络和社交媒体也在迅猛发展中大浪淘沙。从早期的博客、论坛等初级社交媒体形式，发展到今天SNS、微博等相继登上历史舞台。在美国孕育出世界级社交网络facebook的同时，拥有七年历史，积聚大量人气和品牌价值的
本科生毕业论文 论文题目浅析现代网络社交工具对大学生人际交往的影响 作者姓名徐鑫 专业名称公共关系 指导教师翟进 2015年3 月23 日
浅析现代网络社交工具对大学生人际关系的影响 【摘要】当今时代是一个开放包容，飞速发展的“信息化时代”，随着计算机科技的瞬息万变，这一新的技术工具逐渐开始引领社会的发展，使信息能够快速的产生和交流传播。由QQ、微博、微信等即时通讯工具和社交网络服务平台组成的现代网络社交工具，正是伴随这现代信息技术的进步和互联网的普及而产生的时代产物。它的发展随着信息技术的发展日益成熟和完善，不仅提供了从个人所熟悉的人群，延伸到了遥远、陌生的人群。大学生是现代网络社交工具最为主要的接受者和使用者之一，网络社交工具已经成为了大学生日常交往的必备工具，它克服了传统人际交往的时空限制，扩大了大学生的交往空间，拓展了交往手段，改变了人们的认识和行为方式，但与此同时，网络社交工具也使大学生现实人际关系在某些情况下变得疏离，现实交往能力下降，出现了诸如孤独、叛逆等心理问题，产生了信任危机。互联网影响下的人际关系显得越来越冷漠。因此，研究网络社交工具对大学生人际关系的影响有着重要的意义。 【关键词】：现代网络社交工具；大学生；人际关系 根据中国互联网信息中心2015年1月调查报告，截至2014年12月底，上网人群中20-29岁年龄段的网民占到总网民数的30%，在各年龄段中互联网普及率和使用率最高，达到72.9%，从职业角度分析，学生是网民中规模最大的群体，占30.2%。从文化程度上看，大专及以上学历人群互联网使用率达到了96.1%。从上述数据反映出，高校大学生使用互联网频率最高，人群最多，因而，现代网络社交工具必然会影响大学生人际关系。
六个主要的社会网络分析软件的比较UCINET简介 UCINET为菜单驱动的Windows程序，可能是最知名和最经常被使用的处理社会网络数据和其他相似性数据的综合性分析程序。与UCINET捆绑在一起的还有Pajek、Mage和NetDraw 等三个软件。UCINET能够处理的原始数据为矩阵格式，提供了大量数据管理和转化工具。该程序本身不包含网络可视化的图形程序，但可将数据和处理结果输出至NetDraw、Pajek、Mage 和KrackPlot等软件作图。UCINET包含大量包括探测凝聚子群（cliques, clans, plexes）和区域（components, cores）、中心性分析（centrality）、个人网络分析和结构洞分析在内的网络分析程序。UCINET还包含为数众多的基于过程的分析程序，如聚类分析、多维标度、二模标度（奇异值分解、因子分析和对应分析）、角色和地位分析（结构、角色和正则对等性）和拟合中心-边缘模型。此外，UCINET 提供了从简单统计到拟合p1模型在内的多种统计程序。 Pajek简介 Pajek 是一个特别为处理大数据集而设计的网络分析和可视化程序。Pajek可以同时处理多个网络，也可以处理二模网络和时间事件网络（时间事件网络包括了某一网络随时间的流逝而发生的网络的发展或进化）。Pajek提供了纵向网络分析的工具。数据文件中可以包含指示行动者在某一观察时刻的网络位置的时间标志，因而可以生成一系列交叉网络，可以对这些网络进行分析并考察网络的演化。不过这些分析是非统计性的；如果要对网络演化进行统计分析，需要使用StOCNET 软件的SIENA模块。Pajek可以分析多于一百万个节点的超大型网络。Pajek提供了多种数据输入方式，例如，可以从网络文件（扩展名NET）中引入ASCII格式的网络数据。网络文件中包含节点列表和弧/边（arcs/edges）列表，只需指定存在的联系即可，从而高效率地输入大型网络数据。图形功能是Pajek的强项，可以方便地调整图形以及指定图形所代表的含义。由于大型网络难于在一个视图中显示，因此Pajek会区分不同的网络亚结构分别予以可视化。每种数据类型在Pajek中都有自己的描述方法。Pajek提供的基于过程的分析方法包括探测结构平衡和聚集性（clusterability），分层分解和团块模型（结构、正则对等性）等。Pajek只包含少数基本的统计程序。 NetMiner 简介 NetMiner 是一个把社会网络分析和可视化探索技术结合在一起的软件工具。它允许使用者以可视化和交互的方式探查网络数据，以找出网络潜在的模式和结构。NetMiner采用了一种为把分析和可视化结合在一起而优化了的网络数据类型，包括三种类型的变量：邻接矩阵（称作层）、联系变量和行动者属性数据。与Pajek和NetDraw相似，NetMiner也具有高级的图形特性，尤其是几乎所有的结果都是以文本和图形两种方式呈递的。NetMiner提供的网络描述方法和基于过程的分析方法也较为丰富，统计方面则支持一些标准的统计过程：描述性统计、ANOVA、相关和回归。 STRUCTURE 简介 STRUCTURE 是一个命令驱动的DOS程序，需要在输入文件中包含数据管理和网络分析的命令。STRUCTURE支持五种网络分析类型中的网络模型：自主性（结构洞分析）、凝聚性（识别派系）、扩散性、对等性（结构或角色对等性分析和团块模型分析）和权力（网络中心与均质分析）。STRUCTURE提供的大多数分析功能是独具的，在其他分析软件中找不到。MultiNet简介 MultiNet 是一个适于分析大型和稀疏网络数据的程序。由于MultiNet是为大型网络的分析而专门设计的，因而像Pajek那样，数据输入也使用节点和联系列表，而非邻接矩阵。对于分析程序产生的几乎所有输出结果都可以以图形化方式展现。MultiNet可以计算degree, betweenness, closeness and components statistic，以及这些统计量的频数分布。通过MultiNet，可以使用几种本征空间（eigenspace）的方法来分析网络的结构。MultiNet包含四种统计技术：交叉表和卡方检验，ANOVA，相关和p*指数随机图模型。
7、社会网络分析的应用 一、国外的应用 社会网络分析萌芽于20世纪30年代，形成于60年代，从1980年以后，关于社会网络分析的论文显著增长。国外的应用研究主要集中在社会科学、家庭关系、交通运输、健康和医疗以及传染病传播机制等方面。 在情报学领域，国外的研究主要集中在两个方面:合著网络的研究和引文网络的研究。 (一)合著网络研究 1.Liuxiaoming，BollenJohan等人利用ACM和IEEE的数字图书馆会议文献建立了作者合著网络，利用中心性分指标析该合著网络，研究表明了PageRank和AuthorRank在合著网络研究中的重要性和优势。 2.M.E.J.Newman利用社会网络分析法对物理学、生物学和计算机科学三种学科的作者建立起了论文合著网络，分析了不同学科作者合著网络类型的区别和特点。 3.Logan和Pao则致力于研究如何使用社会网络分析法寻找出某一个领域的最核心作者。 (二)引文网络研究 主要应用于信息资源研究中，对文献之间的引用、共引的研究。 1.HENRY KREUZMAN进行了哲学学科62位代表作者的引文网络研究，揭示了哲学科学和认知论之间的联系。 2.HowardD.white专门探讨了社会网络结构和引文网络之间的在联
系。 3.学者们提出了二值矩阵和赋值矩阵，还构建同被引网络的研究方法，用来分析同被引情况。 二、.国的应用 国的社会网络分析己被运用到合著和引文网络研究、竞争情报、知识管理、网络信息资源评价以及图书馆资源配置等众多领域。 （一）合著网络研究 1.亮，朱庆华等选取《情报学报》1998一2005年之间的合著者为研究对象，对合著网络进行中心性分析、凝聚子群分析和核心--边缘分析的实证研究。 2.蓓，袁毅等选取中国期刊网里情报学、情报工作栏目下的所有作者为研究对象，进行社会网络分析，并做了团队合作的时序变化研究。 3.鲍，朱庆华等选取了CSSCI数据库里近十年以来的全部情报学领域的论文进行社会网络分析研究，在合著网络分析中，对“小团体”的形成机制进行了研究。 (二)引文网络研究 社会网络引文分析方法与引文分析家所使用的方法是一致的并扩展了它的研究方法，主要分为作者引文研究和期刊引文研究。 1.徐媛媛，朱庆华以参考咨询领域的32名高被引作者为研究对象，运用社会网络分析法从密度、中心度和凝聚子群方面进行研究。 2.邱均平教授对编辑出版类期刊进行引文网络分析，结果说明期刊同被引方法应用于确定核心期刊是有效的。他在后来对图书馆学情报学
目录 目录……………………………………………………………………………………………………………．．ｉＴＡＢＬＥＯＦＩ：：ＯＮＴＥＮＴＳ………………………………………………………………………………．ｉｉｉ摘ｊＩ枣……………………………………………………………………………………………………………．．ＩＡＢＳＴＲＡＣＴ………………………………………………………………………………………………．．ＩＩＩ第一章绪论…………………………………………………………………………．１１．１研究背景……………………………………………………………………一ｌ１．２问题描述……………………………………………………………………．．２１．３本文工作………………………………………………………………………３１．４论文结构……………………………………………………………………一４第二章相关工作……………………………………………………………………．５２．１基于网络结构的用户关系分析……………………………………………．．５２．１．１基于共同好友的关系分析……………………………………………５２．１．２基于路径的关系分析…………………………………………………６２．２基于属性的用户关系分析…………………………………………………。８２．３社交行为建模………………………………………………………………一９２．４本章小结……………………………………………………………………一９第三章社交网络用户属性建模与用户关系度量……………………………………ｌｏ３．１属性分析与建模……………………………………………………………１０３．１．１基于属性的用户偏好分析ＯＯＯ．．．．Ｏ．．．．ＯＯＱＯＱＯＯＯＯＯＯＯＯＯＯ．ＯＯＯ．．．．．．．．．．．．．．．．．．．ＯＯＯ１０３．２基于属性的用户关系度量…………………………………………………１２３．３本章小结……………………………………………………………………１３第四章社交网络用户行为建模与用户关系度量……………………………………１４４．１行为分析与建模……………………………………………………………１４４．１．１信息发布行为分析……………………………………………………１５４．１．２用户潜在因素提取……………………………………………………１６４．２基于行为的用户关系度量…………………………………………………ｌ７
情报、信息与共享 Intelligence,Inform ation &Sharing [基金项目] 本文系国家社会科学基金资助项目社会网络分析在企业知识共享中的应用研究 (09B TQ 022的研究成果之一。[作者简介] 赵蓉英,女,1966年生,教授,博士生导师,武汉大学科学评价研究中心副主任;王静,女,1986年生,硕士生。 社会网络分析(SNA研究热点与前沿的可视化分析 Resea rch o f Inte rna tio nal Soc ial Net w or k Analysis in Fro nt ier Do mains in Visualize d Info rm atio n 赵蓉英王静 (武汉大学信息资源研究中心,武汉大学科学评价研究中心,武汉,430072 [摘要] 本文首先对IS I We b of Kno w le dg e 数据库中收录的以社会网络分析(S NA为主题的文献的时空分布进行了分析;然后利用信息可视化软件Cite Space 绘制出社会网络分析(SNA的代表人物、代表作的知识图谱,并对其进行了分析;最后通过检测词频变动趋势显著的主题词确定出国际社会网络分析(SNA研究的前沿领
域和发展趋势,并绘制出国际视野下的社会网络分析(S NA研究热点与研究前沿的 知识图谱。 [关键词] 社会网络分析研究热点研究前沿知识图谱 CiteSpace ! [中图分类号] G 203 [文献标识码] A [文章编号] 1003 2797(201101 0088 07 [Abstract] The distri bution of time,geographic regi ons for the publi shed papers regarding to Social N etwork Analysis was analyzed by maki ng use of the newly developed informati on vi s ualization m ethods,and the co-citation data records retri eved from ISI Web of Knowledge,then dr aw the knowledge map of C i ted Author ,Cited Reference on Soci al N etwork Analysis.And confirm s the research edge and trend of i nternational research on Social N etwork Analysis by detecting subject headings whos e word frequency fluctuation are s i gni ficant,and draws the knowledge map of them by us i ng Citespace.[Key words] Social N etwork Analysi s ,research edge,knowledge map,C i teSpace ! 最初对社会网络感兴趣的是英国著名的人类学家布朗(Ra dcliffe Brown ,他在对社会结构的关注中,以相对来说非技术的形式提出了社会网络的思想(参见布 朗,1999。从30年代到70年代,越来越多的社会人类学家和社会学家开始构建布朗的社会结构概念,认真思考社会结构和社会网络这些概念和隐喻。这些结构化的隐喻目的在于理解相互缠绕和关联在一起的关系,而社会行动恰恰是通过这些关系组织在一起的。渐渐的, 社会网络这个隐喻步入学术殿堂。社会网络的一些关键概念也应运而生,诸如密度 (d ensity、中心度 (cen trality、三方关系 (triad 等概念如雨后春笋,纷纷涌现[1] 。 概括地讲,社会网络分析是对社会关系结构及其 属性加以分析的一套规范和方法。它主要分析的是不同社会单位(个体、群体或社会所构成的关系的结
第39卷第4期电子与信息学报 Vol.39No.4 2017年4月 Journal of Electronics & Information Technology Apr. 2017 一种基于最大熵原理的社交网络用户关系分析模型 肖云鹏*①杨光①刘宴兵①吴斌② ①(重庆邮电大学网络与信息安全技术重庆市工程实验室重庆 400065) ②(北京邮电大学北京市智能通信软件与多媒体重点实验室北京 100876) 摘要：在社交网络的演化和发展过程中，用户之间关系的建立受到多种因素的共同作用。该文通过对社交网络中用户属性以及用户关系数据进行分析，旨在发现影响用户关系建立的关键因素。首先，针对用户关系建立的复杂驱动因素，分别从个人兴趣、好友关系、社团驱动3个方面提取影响用户关系建立的因素并定义相应的影响因子函数。 其次，针对多种影响因素难以量化以及权值分配不确定等问题，以最大熵原理为基础构建用户关系分析模型，该模型在选择特征时具有不需要依赖于特征之间的关联性等特点，并能够量化各个因素对用户关系建立的驱动强度。从而挖掘影响链接建立的关键因素，分析用户关系发展态势。实验表明，该模型不仅能够量化各因素对链接建立的驱动强度，发现关键影响因素，而且可以对用户关系进行有效预测。 关键词：社交网络；用户关系；关系态势；最大熵原理 中图分类号：TP391 文献标识码：A 文章编号：1009-5896(2017)04-0778-07 DOI: 10.11999/JEIT160605 Social Relationship Analysis Model Based on the Principle of Maximum Entropy XIAO Yunpeng① YANG Guang① LIU Yanbing① WU Bin② ①(Chongqing Engineering Laboratory of Internet and Information Security, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ②(The Intelligent Communication Software and Multimedia Key Laboratory of Beijing, Beijing University of Posts and Telecommunications, Beijing 100876, China) Abstract: Within the evolution and development of social networks, the establishment of relationships among the users is affected by various factors. By analyzing user behavior data and relationship data in social network, this study tries to detect the key factors that affect the formation of relationship among users. Firstly, considering the complex driving factors for the user relationship establishment, the factors are extracted and the impact factor functions are defined from personal attributes, friendships and community driving. Secondly, in order to quantify driving factors and assign weight, a user relationship analysis model based on the principle of maximum entropy is proposed. The model is, when choosing features, characterized by its independence from the association among features, and can also quantify the strength of various factors that drive users to establish relationship. Furthermore, the key factors that affect the user relationship can be detected and the development trend of user relationship can be analyzed. Experimental results reveal that the proposal model can not only quantify the strength of each factor that drives relationship establishment, it can also predict the user relationship effectively. Key words: Social network; User relationship; Situation analysis; Principle of maximum entropy 1引言 随着信息技术的不断进步，在线社交网络得到 收稿日期：2016-06-07；改回日期：2016-11-30；网络出版：2017-01-22 *通信作者：肖云鹏 xiaoyp@https://www.doczj.com/doc/8f6280945.html, 基金项目：国家973计划项目(2013CB329606), 国家自然科学基金(61272400), 重庆市青年人才项目(cstc2013kjrc-qnrc 40004)，教育部-中国移动研究基金(MCM20130351)，重庆市研究生研究与创新项目(CYS14146)，重庆市教委科学计划项目(KJ1500425)，重庆邮电大学文峰基金(WF201403) Foundation Items: The National 973 Program of China (2013CB 329606), The National Natural Science Foundation of China (61272400), Chongqing Youth Innovative Talent Project (cstc2013 kjrc-qnrc40004), Ministry of Education of China and China Mobile Research Fund (MCM20130351), Chongqing Graduate Research and Innovation Project (CYS14146), Science and Technology Research Program of the Chongqing Municipal Education Committee (KJ1500425), WenFeng Foundation of CQUPT (WF201403)了蓬勃发展，并且逐渐成为人们生活不可或缺的一部分。在社交网络的研究中，用户关系分析是一个基础问题，近年来受到各个领域越来越多的关注[1,2]。分析用户关系可以帮助人们更加深刻地了解网络的演化模式和发展方向，同时相关研究也可以被广泛地应用于各个领域，例如：电子商务中的商品推荐，以及生物学领域蛋白质相互作用关系的发现中，从而产生巨大的经济效益和社会效益。 现阶段对于社交网络中的关系分析，主要有用户关系强度以及用户关系预测等方面的研究。在用户关系强度的研究中[3,4]，文献[5]运用了监督学习的方法来预测用户关系强度，该方法可以较好地发现网络中所存在的强链接。文献[6]则是提出了一个无监督的模型，该模型可以通过用户的相似度和交互活动来评估用户的关系强度。文献[7]提出一种基于 万方数据