面向社交網絡的數據分析和可視化.pdf

1、隨著互聯(lián)網技術的發(fā)展，社交網絡越來越受到當今人們的歡迎，隨之而來的是龐大的社交網絡數據，如何利用錯綜復雜的社交網絡數據為用戶提取潛在的信息成為研究者們關注的重點。目前有兩種主要的手段挖掘社交網絡數據中的潛在信息，一種是傳統(tǒng)的數據分析方法，強調機器的計算能力和人工智能；另一種是近年來興起的可視化方法，強調機器并不擅長的、人所具備的認知能力。數據的分析過程需要機器和人的相互協(xié)作與優(yōu)勢互補，本文針對復雜的社交網絡數據，在提出新的數據分析算法的

2、同時，進一步采用數據可視化技術，通過結合數據分析與可視化使得用戶更好地分析和理解數據。
　　本文研究的對象是從豆瓣網抓取的包含多種節(jié)點類型的網絡數據，包括用戶好友關系、用戶電影評分、電影影人信息等。數據分析部分，本文采用數學模型的方法，從電影評分信息中提取用戶興趣特征向量，據此對用戶進行基于興趣的聚類；另外本文結合用戶評分信息，在推薦中考慮用戶的興趣信息，從而改進了傳統(tǒng)基于拓撲結構的好友推薦算法，為用戶帶來更精準的推薦；可視化部分

3、本文提出了交互的層次氣泡圖對聚類進行可視化，讓用戶從聚類整體概覽到局部細節(jié)進行觀察和探索，另外通過力導引、餅圖等形式展示了用戶拓撲結構以及用戶興趣信息，并設計了多種交互形式幫助用戶理解數據分析結果，支持用戶自主得探索和分析數據中潛在的信息。
　　論文的主要工作如下：
　　（1）基于用戶興趣的用戶聚類與可視化：本文通過用戶電影評分數據提取用戶興趣特征向量，并基于該用戶特征向量對用戶進行聚類。對于豆瓣網數據的聚類結果顯示該方法可

4、以對社交網絡中的用戶進行有效的聚類。進一步設計基于層次氣泡圖的交互可視化展示聚類結果，通過方便的交互操作可以從總體概覽到局部細節(jié)感知基于用戶興趣聚類的信息。
　?。?）結合評分信息與拓撲結構的好友推薦算法及可視化：在好友拓撲結構的基礎上結合用戶興趣的計算，本文提出了一種改進的好友推薦算法。對豆瓣網社交數據進行實驗，實驗結果表明該算法較傳統(tǒng)基于拓撲的好友推薦算法準確度更高。進一步，為了讓用戶更好地理解推薦結果，設計了基于多視圖聯(lián)動的

5、可視化展示全局用戶的網絡拓撲和局部用戶的興趣網絡。通過聯(lián)動交互的設計，使用者可以通過點擊、縮放、高亮等方式比較不同用戶間的興趣差異。
　?。?）面向社交網絡的數據分析與可視化原型系統(tǒng)：在上述研究的基礎上，本文設計并實現(xiàn)了一個面向社交網絡的數據分析與可視化原型系統(tǒng)，該系統(tǒng)將上述數據分析以及可視化工作有機結合在一起以方便用戶操作。原型系統(tǒng)包括后臺數據分析模塊以及前臺可視分析模塊。系統(tǒng)后臺進行數據聚類、好友推薦、可視交互的計算；前臺提供