基于數據挖掘的社交網絡分析與研究論文

　　摘要：在計算機網絡越來越普及的社會中造就信息傳播的便利性提高，也讓社交網絡漸漸發展成為虛擬社群形態，從早期的電子布告欄（BBS）到現在的社交網站（SocialNetworkSites），都可以讓人們密切討論與互動。本文將主要探討基于數據挖掘模型的社交網絡關聯預測分析，并對相關技術進行闡述。

　　關鍵詞：數據挖掘;社交網絡;關聯預測

　　在社交網絡上，依據先前國外學者Viswanath，Mislove，ChaandGummadi和NguyenandTran都是針對theNewOrleans地區社群使用者發布數據來研究使用者發布的關系，而臺灣地區針對使用者社群發布的分析多以問卷方法居多，故本研究欲使用直接抓取頁面數據與卷標的方法，觀察使用者社群網站上發布行為，利用先前用學者所提數據呈現方式，結合關鍵詞標記方式來了解使用者在社群網絡上的發布關系。而其中社群人數拓展最快速就是微信平臺，利用了社交網絡的特性讓使用者能更有效率的在網絡上找到有關系的親朋好友，將這世界的每個人、每個群體透過各種關系快速的串連起來[1]。

　　1數據挖掘模型的概述

　　當要對HDFS讀寫數據時，檔案將被切割成小的64MBBlock，NameNode將告知每個DataNode，切割后的block是存放在哪，DataNode將負責做本地端檔案的block數據對應，并且同時DataNode將對其他DataNode進行數據復制備份的動作。Hadoop系統的容錯率和可擴充性來自于DataNode，當DataNode出錯意外關機，其它節點上的數據將依然存在，且當需動態增刪系統的運算量，只需增加DataNode節點或停止DataNode運作。在進行社群資料收集與前處理之前，要先了解一下信息擷取與信息過濾的不同之處。在社群網站上隨機尋找開放目錄上的使用者，而后進行下載該使用者發布數據的動作是謂信息擷取；而將使用者涂鴉墻上大筆數據寫進本地端的HDFS系統后，并通過預先設定的一些篩選條件式和過濾方法，剔除雜亂的數據，變成對本研究有用的信息，以利后續卷標計算與關鍵詞計算，這個過程就叫信息過濾[2]。

　　2基于數據挖掘模型的社交網絡關聯預測分析

　　關鍵詞分析部份則是針對個人涂鴉墻頁面和使用者自訂信息頁面進行關鍵詞標記，其關鍵詞來源是使用者自訂信息頁面上含的運動、音樂、書籍、電影、電視、游戲、宗教、政治八組關鍵詞。相關度計算是利用本研究所提相關度公式來進行個人涂鴉墻頁面、使用者自訂信息頁面和模擬頁面間的關聯運算，利用頁面間所含的關鍵詞，計算出仿真頁面與使用頁面間的相關度。并在相關度計算階段把社群發布分析與關鍵詞分析的結果做個交叉分析。之后對此分析結果進行研究評估。使用者自訂信息頁面有讓使用者自己標記自己興趣的分類項目，分為大四大類自訂選項，其自訂選項下，包含子項目讓使用者自訂標記自己的興趣，而該表的使用者自訂分類項目就是本研究挑選關鍵詞的依據，本研究挑選運動、音樂、書籍、電影、電視、游戲、宗教、政治這八個字作為關鍵詞標記投擲的項目，在此就不考慮同義不同字、字面背后意涵等問題，只考慮第一層的字義[3]。

　　3社交網絡關聯預測的相關技術與應用

　　社交網絡分析一直以來都是個熱門的話題，所有團體成員彼此之間社交關系的集合就是這個團體的社交網絡，而透過社交網絡分析可以了解團體成員之間的互動，這分析可應用在各種與人有關的領域上。在學校里，學生之間小團體的組成及班級中領導人物與被孤立者的存在，一直都是教育者相當關心的部份。在團體精神治療中，成員之間的交流情況是分析治療成果的指標之一。在網絡社群中，了解使用者群體之間的互動可以幫助廠商開發更人性化的網絡產品。人格特質分析也是個熱門的話題，每個人的行為都有一套固定的行為模式，而分析這行為模式就是所謂的人格特質分析，這分析也可應用在各種與人有關的領域上。在學校里，不同類型的學生需要不同方式的教育。在公司面試上，公司透過分析應征者的人格模式來錄取所需要的人才[4]。然而，一般心理學使用的社交網絡分析與人格特質分析都是透過紙筆測驗，使用大量的人力去取得人際互動的信息，考慮團體成員間友好的互動關系，并使用方向性的連結來表達人們之間的互動關系。目前使用計算機視覺技術的社交網絡分析系統，僅考慮人們同時出現頻率當作親密程度的指針，而且使用無方向性的連結來表示人們之間的互動關系。因此，我們使用擁有計算機視覺技術的多攝影機系統，透過分析人們之間的互動行為，互動行為包含互動的對象、所表達的肢體語言與情緒信息，根據分析所有的互動得到團體內所有成員之間的社交態度，而這就是這團體的社交網絡。除了友好的互動關系之外，我們還考慮了厭惡的互動關系，并且使用方向性的連結來表達人們之間的互動，這讓我們的社交網絡分析能更貼切現實的互動情況。通過分析一個人所有的社交互動行為，可以得知此人的行為擁有何種傾向，而這行為模式就是這個人的人格特質。

　　總之，我們可以根據觀察分析人們的互動行為，得到與人們觀察得到的結果大同小異的社交網絡分析，證明我們能透過計算機視覺技術取得貼近現實的社交網絡分析，并且比起一般心理學的社交網絡分析省下許多不必要的人力。

　　參考文獻：

　　[1]王云馳,鄧倩妮.關聯信息在社交網絡中傳播的競爭模型[J].微型電腦應用,2015,(3):22-24.

　　[2]魏爽,高華玲.利用數據挖掘方法進行社交網絡關聯預測[J].電腦知識與技術,2015,(12):46-48.

　　[3]李陽,王曉巖,王昆,沙瀛.基于社交網絡的安全關系研究[J].計算機研究與發展,2012,(S2):124-130.

　　[4]向程冠,熊世桓,王東.基于關聯規則的社交網絡好友推薦算法[J].中國科技論文,2014,(1):87-91.

【基于數據挖掘的社交網絡分析與研究論文】相關文章：

基于仿真與數據挖掘的故障診斷方法研究04-28

數據挖掘論文04-29

基于空間特性的地形圖數據挖掘研究04-29

數據挖掘論文[范例15篇]07-29

飛機實時監控數據挖掘方法研究04-27

基于決策樹的我國農業數據挖掘分析05-01

地理作用和集聚演化:基于數據挖掘的分析05-02

地理作用和集聚演化:基于數據挖掘的分析04-29

基于數據挖掘技術的交通事故分析04-26

數據挖掘04-29