本文選題：社交網(wǎng)站　切入點(diǎn)：數(shù)據(jù)挖掘　出處：《南京郵電大學(xué)》2014年碩士論文

【摘要】：社交網(wǎng)站（Social Website，，簡稱SW）是現(xiàn)今互聯(lián)網(wǎng)網(wǎng)站一個(gè)重要領(lǐng)域。社交網(wǎng)站提供一個(gè)網(wǎng)絡(luò)平臺(tái)，以供人們?cè)谏缃痪W(wǎng)站上進(jìn)行交友，通過與社交網(wǎng)站上的好友建立關(guān)系形成有關(guān)于用戶的社交網(wǎng)絡(luò)（Social Network Service），用戶可以在社交網(wǎng)站的平臺(tái)上與好友進(jìn)行互動(dòng)，增進(jìn)之間的關(guān)系。隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，越來越多的人們能隨時(shí)隨地的在社交網(wǎng)站平臺(tái)上發(fā)布、分享信息。社交網(wǎng)站正在扮演一個(gè)非常重要的消息傳播平臺(tái)。著名的社交網(wǎng)站有FaceBook、Twitter、YouTube、人人網(wǎng)、新浪微博等。由于在社交網(wǎng)站之中，用戶是基于現(xiàn)實(shí)的好友建立起來的網(wǎng)絡(luò)結(jié)構(gòu)，因此它既有網(wǎng)絡(luò)結(jié)構(gòu)也具有社交的性質(zhì)。 本論文的研究重點(diǎn)分為三部分： 第一部分分析社交網(wǎng)站中用戶社交網(wǎng)絡(luò)之間的用戶關(guān)系。在對(duì)一般在線社交網(wǎng)站的網(wǎng)絡(luò)屬性和關(guān)系研究的基礎(chǔ)上，針對(duì)社交網(wǎng)站的用戶屬性和行為進(jìn)行分析。具體通過對(duì)微博網(wǎng)絡(luò)中用戶的粉絲數(shù)、關(guān)注數(shù)、評(píng)論信息數(shù)，轉(zhuǎn)發(fā)信息數(shù)等研究，發(fā)覺社交網(wǎng)站用戶關(guān)系網(wǎng)絡(luò)的稀疏性、隨機(jī)性、小世界性等重要性質(zhì)。 第二部分研究社交網(wǎng)站中用戶在其社交網(wǎng)絡(luò)中的影響力算法。根據(jù)前人對(duì)社交網(wǎng)絡(luò)的用戶影響力算法，深入研究PageRank算法思想。并從這個(gè)算法中分析出前人的算法僅僅是根據(jù)用戶的出度和入度相關(guān)原理求得用戶的影響力。于是，本文提出一種關(guān)于實(shí)體-關(guān)系的用戶影響力算法，構(gòu)建實(shí)體-關(guān)系影響力算法模型，提出影響用戶影響力因素，通過PageRank算法思想進(jìn)行計(jì)算。研究社交網(wǎng)站中用戶的社交網(wǎng)絡(luò)中，小型派系的檢測(cè)。通過對(duì)已有的社區(qū)算法進(jìn)行分析，在根據(jù)用戶社交網(wǎng)絡(luò)派系的特點(diǎn)，利用凝聚算法得到用戶社交網(wǎng)絡(luò)中的各個(gè)派系，以及各個(gè)派系中的中心人物。 第三部分給出基于用戶影響力算法和派系檢測(cè)算法的基礎(chǔ)上，介紹社交網(wǎng)站用戶關(guān)系分析系統(tǒng)架構(gòu)、數(shù)據(jù)庫設(shè)計(jì)和系統(tǒng)界面設(shè)計(jì)。最終從社交網(wǎng)站中得到用戶社交網(wǎng)絡(luò)數(shù)據(jù)，得到用戶社交網(wǎng)絡(luò)中用戶影響力排名前十的用戶以及用戶社交網(wǎng)絡(luò)中的各個(gè)派系。
[Abstract]:Social networking site (SWE) is an important area of Internet today.Social networking sites provide an online platform for people to make friends on social networking sites.By building relationships with friends on social networking sites, there is a social network about the user, Social Network Service, which allows users to interact with friends on the platform of the social networking site to enhance the relationship between them.With the development of mobile Internet, more and more people can publish and share information on social networking platform anytime and anywhere.Social networking sites are serving as a very important messaging platform.Famous social networking sites are Facebook Twitter YouTube, Renren, Sina Weibo and so on.Because in the social network site, the user is based on the real friends to build the network structure, so it has both the network structure and the social nature.The research focus of this paper is divided into three parts:The first part analyzes the relationship between users' social networks in social networking sites.On the basis of the research on the network properties and relationships of the general online social networks, this paper analyzes the users' properties and behaviors of the social networks.By studying the number of users' fans, attention, comments and forwarding information in Weibo's network, the paper finds out the important properties of user relationship network of social networking sites, such as sparsity, randomness, small world and so on.In the second part, the influence algorithm of users in social network is studied.According to the previous user influence algorithm on social networks, the idea of PageRank algorithm is studied in depth.From this algorithm, we can find out that the former algorithm is only based on the principle of the correlation between the user's degree of output and the degree of entry to obtain the influence of the user.In this paper, a user influence algorithm about entity-relation is proposed, and the model of entity-relation influence algorithm is constructed, and the factors influencing user influence are put forward, and the calculation is carried out by the idea of PageRank algorithm.Study the detection of small factions in social networks by users of social networking sites.Based on the analysis of the existing community algorithms, according to the characteristics of the user's social network factions, the condensed algorithm is used to obtain each faction in the user's social network, as well as the central figure in each faction.The third part introduces the architecture, database design and interface design of user relationship analysis system based on user influence algorithm and factional detection algorithm.Finally, we get the user social network data from the social networking site, and get the top 10 users of the user social network and the various factions of the user social network.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP311.13;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳可;;社交網(wǎng)站:天使還是毒藥?[J];新電腦;2008年09期

2 ;社交網(wǎng)站擴(kuò)張[J];互聯(lián)網(wǎng)天地;2008年06期

3 袁楚;;國外社交網(wǎng)站巨頭進(jìn)軍中國勝算幾何?[J];互聯(lián)網(wǎng)天地;2008年06期

4 吳瀟;;社交網(wǎng)站如何將人氣轉(zhuǎn)變?yōu)樨?cái)氣?[J];互聯(lián)網(wǎng)天地;2008年06期

5 元峰;;情理之中和意料之外——全美10大社交網(wǎng)站簡介[J];互聯(lián)網(wǎng)天地;2008年09期

6 陸建國;;困境與突圍——社交網(wǎng)站的發(fā)展[J];互聯(lián)網(wǎng)天地;2009年01期

7 李丹;;社交網(wǎng)站用戶的行為和動(dòng)機(jī)[J];傳媒觀察;2009年04期

8 中原;;社交網(wǎng)站挑戰(zhàn)搜索引擎?[J];互聯(lián)網(wǎng)天地;2009年07期

9 ;小圈子不等于滴水不漏 謹(jǐn)防社交網(wǎng)站的安全陷阱[J];計(jì)算機(jī)安全;2010年02期

10 李俊慧;;社交網(wǎng)站監(jiān)管法律問題研究[J];信息網(wǎng)絡(luò)安全;2011年02期

相關(guān)會(huì)議論文 前8條

1 李晨宇;;基于用戶黏性的中國社交網(wǎng)站盈利模式可持續(xù)性分析——以人人網(wǎng)的用戶黏性分析為例[A];中國傳媒大學(xué)第五屆全國新聞學(xué)與傳播學(xué)博士生學(xué)術(shù)研討會(huì)論文集[C];2011年

2 王洪偉;陳媛;;社交網(wǎng)站用戶持續(xù)使用意向?qū)嵶C研究[A];第十屆中國不確定系統(tǒng)年會(huì)、第十四屆中國青年信息與管理學(xué)者大會(huì)論文集[C];2012年

3 馬曉輝;;青少年的社交網(wǎng)站使用動(dòng)機(jī)[A];第十五屆全國心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

4 李晨宇;;中國社交網(wǎng)站盈利模式的可持續(xù)性分析[A];數(shù)字未來與媒介社會(huì)2[C];2010年

5 牛星;;看我國SNS社交網(wǎng)站現(xiàn)狀與趨勢(shì)[A];計(jì)算機(jī)研究新進(jìn)展（2010）——河南省計(jì)算機(jī)學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

6 李曉娥;;SNS社交網(wǎng)站信息分享行為的影響因素[A];首屆華中地區(qū)新聞與傳播學(xué)科研究生學(xué)術(shù)論壇獲獎(jiǎng)?wù)撐腫C];2010年

7 姚正宇;;親密關(guān)系與社交網(wǎng)絡(luò)互動(dòng)行為研究[A];“傳播與中國·復(fù)旦論壇”（2013）——網(wǎng)絡(luò)化關(guān)系：新傳播與當(dāng)下中國論文集[C];2013年

8 裴馨;杝旖;王妙t$;李思宓;_5伊QR;邢若t

本文編號(hào)：1698653