面向社交網(wǎng)絡的數(shù)據(jù)分析和可視化.pdf

1、隨著互聯(lián)網(wǎng)技術的發(fā)展，社交網(wǎng)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(wǎng)絡數(shù)據(jù)，如何利用錯綜復雜的社交網(wǎng)絡數(shù)據(jù)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(wǎng)絡數(shù)據(jù)中的潛在信息，一種是傳統(tǒng)的數(shù)據(jù)分析方法，強調(diào)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(diào)機器并不擅長的、人所具備的認知能力。數(shù)據(jù)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(wǎng)絡數(shù)據(jù)，在提出新的數(shù)據(jù)分析算法的

2、同時，進一步采用數(shù)據(jù)可視化技術，通過結(jié)合數(shù)據(jù)分析與可視化使得用戶更好地分析和理解數(shù)據(jù)。
　　本文研究的對象是從豆瓣網(wǎng)抓取的包含多種節(jié)點類型的網(wǎng)絡數(shù)據(jù)，包括用戶好友關系、用戶電影評分、電影影人信息等。數(shù)據(jù)分析部分，本文采用數(shù)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(jù)此對用戶進行基于興趣的聚類；另外本文結(jié)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(jié)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(jié)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(shù)據(jù)分析結(jié)果，支持用戶自主得探索和分析數(shù)據(jù)中潛在的信息。
　　論文的主要工作如下：
　?。?）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(shù)據(jù)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(wǎng)數(shù)據(jù)的聚類結(jié)果顯示該方法可

4、以對社交網(wǎng)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(jié)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(jié)合評分信息與拓撲結(jié)構的好友推薦算法及可視化：在好友拓撲結(jié)構的基礎上結(jié)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(wǎng)社交數(shù)據(jù)進行實驗，實驗結(jié)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(jié)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(wǎng)絡拓撲和局部用戶的興趣網(wǎng)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(wǎng)絡的數(shù)據(jù)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(wǎng)絡的數(shù)據(jù)分析與可視化原型系統(tǒng)，該系統(tǒng)將上述數(shù)據(jù)分析以及可視化工作有機結(jié)合在一起以方便用戶操作。原型系統(tǒng)包括后臺數(shù)據(jù)分析模塊以及前臺可視分析模塊。系統(tǒng)后臺進行數(shù)據(jù)聚類、好友推薦、可視交互的計算；前臺提供