论文部分内容阅读
个体中心网络是指特定个体和与其相连的个体组成的社交网络,对个体中心网络的分析能够揭示社交网络中社区结构、信息传播和个体行为等多方面的规律。由于个体中心网络观察尺度多样、节点属性复杂,单一的数据挖掘手段很难对其进行全面的探索,使用可视分析方法成为了必然的选择。个体中心网络的可视分析需要解决两大问题,一是使用合理的布局方法准确反映网络的特征,二是针对个体中心网络的多变元性和多层次性提出有效的分析方法。现有的方法多数基于学术合作网络数据,而线上社交网络数据随机性更强,信噪比更低,此类方法很难准确反映其特征。因此,本文针对以上两大问题,基于典型的线上社交网络——微博,对个体中心网络的布局方法和可视分析方法进行研究,研究成果主要有以下三个方面:1.提出了一种基于圈子划分的个体中心网络可视化布局方法Circle Map。该方法采用圈子-个体两层布局结构,使用网络的结构信息、圈子划分和节点主题分布作为输入,通过圆填充圈子定位、节点MDS位置计算、Voronoi图生成和轮廓修剪等步骤得到最终布局结果。本文将Circle Map方法与基于结构信息的MDS布局、基于社区划分的力导向布局等传统方法进行了对比,证明Circle Map方法能够准确地反映网络的社群分布、结构特征和主题分布等属性。同时,Circle Map能够很好地支持多尺度伸缩,在多层次可视分析中有着较大的优势;2.提出了一种多变元个体中心网络层次化可视分析方法。针对个体中心网络的多变元性和多层次性,本文建立了宏观-中观-微观三个层次的分析模型,对每个层次下的可视化视图和映射进行了详细设计,构建了完整的交互式可视分析流程。宏观层次通过社区结构视图和主题视图分析网络的节点分布情况和网络所隐含的信息流特征。中观层次通过Circle Map视图分析各个社群的特征及其关系,同时给出了中心个体转发网络的演变分析方法。微观层次通过圈子结构视图分析成员的影响力以及他们在信息传播中的作用,并通过转发模式分析观察社交信息流向中心个体的规律;3.基于上述方法实现了一个多变元个体中心网络层次化可视分析系统,并选取真实微博个体进行用例研究,该系统能够很好地完成各项分析任务,证明了本文可视分析方法的有效性。