博客社区中好友链接的社会网络分析
编辑推荐对博文影响力的扩大效应——以科学网博客社区为例
新 世 纪 图书 馆 ２ ０ １ ３ 年 第６ 期
编辑推荐对博文影响力 的扩大效应
以科 学网博客社 区为例 郑继来（ 淮 阴Ｓ －学 院 图 书 馆）
谢 龙 （ 新加 坡Ｖ Ｈ Ｆ Ｔ ｅ ｃ ｈ ｎ 。 １ 。 ｇ ｉ ｅ ｓ Ｐ ｔ ｅ Ｌ ｔ ｄ ）
【 摘 要 】论 文以科 学网 １个月 内的 ５ ７ ５篇精选博文和 ２ ３ ９ ４篇热 门博 文为研 究对 象 ， 通过 ２组博文数据 集的 比较 ， 分析
科 学网编辑 同读者偏好 的差异性 、 编辑推荐 对博 文影响 力的扩 大效应 。研 究表 明 ： 编辑推荐 对博 文影响力的扩 大有重要作 用 ， 博 文的质 量与博 文的影响力存在一定的关联。 旨在对优化科学网博文精选的机制 ， 维持 科学博客社 区群体 可持 续高质量交流 的机制 以及理 想的 网络社会规范的环境提供 有益参考。
ｂ ｅ ｔ ｗｅ ｅ ｎ ｔ ｈ ｅ ｅ ｄ ｉ ｔ ｏ ｒ ｓ ａ ｎ ｄ ｒ ｅ ａ ｄｅ ｒ ｓ ，ｔ ｈ ｅ ｉ ｎ ｌｕ ｆ ｅ ｎ ｃ ｅ ｏ ｆ ｅ ｄ ｉ ｔ ｏ ｒ ｓ ｒ ｅ ｃ ｏ ｍｍｅ ｎ ｄ ａ ｔ ｉ ｏ ｎ ｓ ．Ｉ ｔ ｓ ｈ ｏ ｗｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｅ ｄｉ ｔ ｏ ｒ ｓ ｒ ｅ ｃ ｏ ｍｍｅ ｎ ｄ ａ ｔ ｉ ｏ ｎｓ ｐ ｌ ａ ｙ ａ ｎ ｉ ｍｐｏ ｒ ｔ ａ ｎ ｔ ｒ ｏ ｌ ｅ
了学 者 们 同 行 之 间 的 交 流 ， 拉 近 了学 者 与 公 众 的 距 离 ， 为 提
高公 民的科学素养搭建 了平台 ， 发挥着科学普及 、 舆论引导 等作用 。 国外的科学博客 已经形成一股 在线科学 群体 力量 。 如美
国的 Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｂ １ ｏ ｇ ｓ 、 Ｎ ａ ｔ ｕ ｒ ｅ网 站 的科 学 博 客 栏 目 、 Ｎ Ａ Ｓ Ａ 的 科
教育技术博客的社会网络分析
【 摘要】博客正迅速融入我们 的生活 ，由于博客本身的特 征，教育技 术研 究者们也 纷纷关注它在 网络教育中的应用研 究。
文章着眼于博客社群 的研究 ，关注教育技术博客社区的结构，以及博 客们所建构个人 的社会关系 。利用社会网络分析法 ，描述 和测量虚 拟社群成 员之 间的关系 以及社群结构特征、群 体成 员的地位和意见领袖地位 的形成 ，为博客更好的在教育技 术领域发
网络 日志 ） 占总 的 １ ． ｌ ４２ １ ％【。 同样 在 教 育 领 域特 别 是 教 育 技 术 领 域 博 客 圈也 在 飞速 膨
的各 种有 形或无 形 的东西 ，如 信息 、 资源 等 。 自人类 学家 Ｂ ｒｅ （ ９ ４ 首次使用社会 网络 的概念来分析挪威某渔村 的 ａ ｓ １５ ） ｎ 社会结构 以来 ，社会 网络分析被视为是研 究社会结构 的最简
育 技 术 研 究者 的 关注 。国 内教 育 技 术 研 究者 们 的 博 客 网页 的 发展 也 恰 恰 表 明了 博 客 在 教育 领 域 的应 用 和 发 展 。
根据 分析的着 眼点不同。 社会网络分析可 以分为两种基本 视角 ：关系取 向 （ｅａ ｏ ａａ ｐｏ ｃ ）和位置取 向 （ ｏｉｏ ａ ｒｌｔ ｎ ｌｐ ｒａｈ ｉ ｐｓｉ ｌ ｔｎ
二 ，通 过 研 究 博 客 与 教 育 技 术 研 究 ，初 探 博 客 在 教 育 领 域 发
展中存在的不足 ，以便更好 的促进博客 的教育应用；第三 ，
用 直 观 的 方 法 揭 示 博 客 社 群 成 员 之 间 以 及 小 社 群 之 间 的 关
社交网络分析及其应用
社交网络分析及其应用第一章介绍社交网络分析（Social Network Analysis，SNA）是研究人际交往关系的一个重要分支学科，它通过对社会网络中节点和边的分析，揭示社会网络结构及其影响力、信息传播、资源调配、权力分配等方面的规律和趋势，对推动社会发展、组织管理、决策制定等领域具有重要的理论和实践价值。
本文将就社交网络分析的基本概念、理论框架、分析方法和应用领域进行详细介绍。
第二章基本概念社交网络是由若干个节点（node）和连接节点的边（edge）组成的一个图（graph）结构。
在社交网络中，节点代表着一定数量的人，而边则代表人与人之间的关系，这种关系可以是朋友、同事、亲戚等各种类型。
社交网络可以分为实际社交网络和虚拟社交网络两种类型，前者是现实生活中的人际交往行为，后者则是在互联网上形成的一种虚拟社交网络。
社交网络中的节点可以有不同的性质，比如在博客园中，会员和文章都可以看做是节点。
在社交网络中，某个节点的度（degree）是指连接该节点的边数，节点的度越高，表示该节点的人际关系网络越广泛。
而社交网络中任意两个节点之间的距离（distance）则是通过路径（path）连通这两个节点的最短路径长度。
在社交网络中，节点之间的关系可以是对称的（即朋友之间的关系），也可以是非对称的（如上级和下属之间的关系，上级对下属有指引作用，而下属则相对被动）。
社交网络中还存在一些特殊节点，比如度值较高的节点被称为“核心节点”；粘连度（closeness）较高的节点被称为“纽带节点”；在社交网络中，核心节点、纽带节点以及桥节点（bridges）所代表的人，都对整个社交网络的运转和结构都有着重要的影响。
第三章理论框架社交网络分析的理论框架主要包括图论、计算机科学、社会学以及心理学等多个学科的理论和方法。
其中，图论是分析社交网络中节点和边的关系以及网络的结构的基础；计算机科学则提供了分析社交网络中的大数据、高效计算的手段；社会学则对社交网络中的人际关系、价值和行为等方面进行了深入的研究；而心理学则研究了社交网络中个体的认知、情感和社会行为等方面的问题。
互联网时代的社会化媒体分析
互联网时代的社会化媒体分析随着社会的发展，互联网成为人们生活中必不可少的一部分。
随之而来的是社会化媒体的兴起，这一新型媒体形态成为了人们交流、获取信息、传递信息以及社交的重要方式。
本文从社会化媒体的概念、特点、优缺点以及对社会的影响等角度进行分析。
一、社会化媒体的概念社会化媒体是指以Web2.0技术为基础的互联网媒体，通过让用户参与内容创作和分享，形成了一个开放、协作和共享的平台。
社会化媒体的特点是用户可以自由地、快速地发布信息，其主要表现形式包括博客、微博客、社交网络、在线协作平台、移动应用软件等。
二、社会化媒体的特点1.用户为中心社会化媒体的最大特点就是将用户和他们所产生的内容作为中心。
用户可以自由地发布和分享信息，这有助于用户之间的互动交流，增加了用户的粘性。
2.内容多样性由于社会化媒体是用户创造的，内容来源非常丰富多样，内容的质量和数量也不受限制。
在社会化媒体中，用户可以分享他们的点滴心情，发布自己的观点、经历、鉴定结果等，也可以发布图片、音频、视频等多媒体内容。
3.实时性社会化媒体可以实时更新，用户发布和信息更新速度均很快。
尤其是微博客，确保了信息的及时性，这样可以实现实时的社交交流。
4.互动性社会化媒体促进了用户之间的互动和交流，分享更快、方便，且不需要时间和空间的限制。
通过社会化媒体，用户可以像在现实世界中一样，轻松地与家人、朋友或陌生人联系，分享观点、交换信息、建立关系、获取帮助等。
三、社会化媒体的优缺点1.优点1）提高个人影响力社会化媒体的内容容易传播，因此可以提高用户的个人影响力。
通过社会化媒体，一个普通用户可以与人交流、分享、鼓励，建立广泛的人际网络。
2）平等和共享每个人都可以在社交媒体上发表自己的观点，分享自己的经验和知识。
这种平等和共享的氛围可以促进社区的成长和发展。
3）提高用户忠诚度由于社会化媒体具有良好的互动性和实时性，它可以促进用户之间的沟通和交流，从而提高用户忠诚度。
社会学中的社会网络分析
社会学中的社会网络分析社会网络分析是一种研究人际关系和社会结构的方法，它探究了人们在社会中如何相互联系、相互影响，并通过分析这些关系和结构来理解社会现象的产生和演变。
社会网络分析可以帮助我们揭示社会中的权力结构、信息传播、合作行为等重要问题，对于解决社会问题和提升社会效益具有重要意义。
社会网络分析的基本概念是“节点”和“边”。
节点代表个体或组织，边代表节点之间的关系。
通过构建和分析节点之间的连接关系，我们可以揭示出社会中的群体结构、信息流动和资源分配等重要特征。
例如，在一个学校的社交网络中，节点可以代表学生，边可以代表学生之间的友谊关系。
通过分析这些关系，我们可以发现学生之间的社交圈子、信息传播的路径以及学生之间的影响力等。
社会网络分析的一个重要概念是“中心性”。
中心性是衡量节点在网络中的重要程度的指标，它可以帮助我们找出网络中的关键节点和核心群体。
常见的中心性指标包括度中心性、接近中心性和介数中心性。
度中心性衡量了一个节点与其他节点之间的直接连接数，接近中心性衡量了一个节点与其他节点之间的最短路径长度，介数中心性衡量了一个节点在网络中作为中介的频率。
通过计算这些指标，我们可以找到网络中的重要节点，并进一步分析它们在社会中的作用和影响。
社会网络分析的一个重要应用是社交媒体分析。
随着社交媒体的普及和发展，人们在网络上的社交行为成为了研究的热点。
通过分析社交媒体上的用户之间的关注关系、转发关系和评论关系，我们可以揭示出社交媒体中的信息传播、舆论形成和社交影响等重要特征。
例如，在微博上，我们可以通过分析用户之间的关注关系和转发关系，找到影响力较大的用户和热门话题，进而预测信息传播的路径和趋势。
除了社交媒体分析，社会网络分析还可以应用于组织管理、市场营销、犯罪研究等领域。
在组织管理中，社会网络分析可以帮助我们了解组织内部的权力结构、信息流动和决策过程，从而优化组织的运作和管理。
在市场营销中，社会网络分析可以帮助我们找到潜在客户和影响力较大的用户，从而提高市场推广的效果和精准度。
社会网络分析的应用
7、社会网络分析的应用一、国外的应用社会网络分析萌芽于20世纪30年代，形成于60年代，从1980年以后，关于社会网络分析的论文显著增长。
国外的应用研究主要集中在社会科学、家庭关系、交通运输、健康和医疗以及传染病传播机制等方面。
在情报学领域，国外的研究主要集中在两个方面:合著网络的研究和引文网络的研究。
(一)合著网络研究1.Liuxiaoming， BollenJohan等人利用ACM和IEEE的数字图书馆会议文献建立了作者合著网络，利用中心性分指标析该合著网络，研究表明了PageRank和AuthorRank在合著网络研究中的重要性和优势。
2.M.E.J.Newman利用社会网络分析法对物理学、生物学和计算机科学三种学科的作者建立起了论文合著网络，分析了不同学科作者合著网络类型的区别和特点。
3.Logan和Pao则致力于研究如何使用社会网络分析法寻找出某一个领域的最核心作者。
(二)引文网络研究主要应用于信息资源研究中，对文献之间的引用、共引的研究。
1.HENRY KREUZMAN进行了哲学学科62位代表作者的引文网络研究，揭示了哲学科学和认知论之间的联系。
2.HowardD.white专门探讨了社会网络结构和引文网络之间的在联系。
3.学者们提出了二值矩阵和赋值矩阵，还构建同被引网络的研究方法，用来分析同被引情况。
二、.国的应用国的社会网络分析己被运用到合著和引文网络研究、竞争情报、知识管理、网络信息资源评价以及图书馆资源配置等众多领域。
（一）合著网络研究1.亮，朱庆华等选取《情报学报》1998一2005年之间的合著者为研究对象，对合著网络进行中心性分析、凝聚子群分析和核心--边缘分析的实证研究。
2.蓓，袁毅等选取中国期刊网里情报学、情报工作栏目下的所有作者为研究对象，进行社会网络分析，并做了团队合作的时序变化研究。
3.鲍，朱庆华等选取了CSSCI数据库里近十年以来的全部情报学领域的论文进行社会网络分析研究，在合著网络分析中，对“小团体”的形成机制进行了研究。
社会网络计算与分析
社会网络计算与分析随着互联网技术的不断发展，社交网络成为了一个人们不可或缺的一部分，每天都有数亿用户在各种各样的社交平台上进行交流和交流信息。
而这些交流信息也积累起来，形成了一个庞大的数据集合。
如何利用这个数据集合，发现其中的规律，分析出有价值的信息，已经成为社会网络计算与分析领域关注的重点。
社会网络计算的概念社会网络计算是指对互联网上的社交网络进行数据挖掘、分析和计算的过程。
这个过程需要从互联网的各种社交平台中收集和整理数据，进行数据预处理，针对其中的关系网络、社交行为、用户兴趣和影响力等方面进行分析和处理，并利用各种算法和模型来发现其中的模式和规律。
社会网络计算可以帮助我们了解用户在互联网上的行为和兴趣，预测用户行为和态度，推动用户决策，帮助企业进行市场营销和品牌传播等方面的工作。
社会网络计算的应用社会网络计算已经成为了一个重要的分析工具，在各个领域都有着广泛的应用。
以下是社会网络计算的一些典型应用：社交网络分析社交网络分析是最常见的社会网络计算应用之一，它主要利用图论模型表示社交网络中的节点关系，通过度中心性、介数中心性、紧密度等指标来衡量节点在网络中的重要性和影响力，帮助研究者了解在社交网络中信息的传递和流动过程。
社交网络分析被广泛应用于社会学、心理学、政治学、组织管理等领域。
社交媒体分析社交媒体是一种新兴的社交形式，用户可以在社交媒体平台上创建个人资料、分享信息、发布内容，与其他用户进行交流等。
社交媒体分析主要是针对在社交媒体平台上产生的海量数据进行分析和挖掘，帮助企业了解用户在互联网上的行为和兴趣，预测用户行为和态度，推动用户决策，提高品牌影响力。
社交媒体分析被广泛应用于广告营销、品牌管理、危机公关、新闻热点等领域。
情感分析情感分析是社会网络计算中的一个重要研究方向。
它主要是针对社交媒体上的用户评论、博客、新闻等文本信息进行分析和挖掘，帮助分析者了解用户的情感倾向和态度，进而预测用户的行为和态度，提高品牌品质和形象。
一文读懂社会网络分析(SNA)理论、指标与应用
一文读懂社会网络分析(SNA)理论、指标与应用开新坑！社交网络分析（又称复杂网络、社会网络，Social Network Analysis）是诞生于数学图论、计算机科学、物理学的交叉碰撞中的一门有趣的学科。
缘起：我研究SNA已经有近2年的时光，一路坎坷走来有很多收获、踩过一些坑，也在线上给很多学生讲过SNA的入门知识，最近感觉有必要将心得和基础框架分享出来，抛砖引玉，让各位对SNA感兴趣的同学们一起学习进步。
我的能力有限，如果有不足之处大家一起交流，由于我的专业的影响，本文的SNA知识可能会带有情报学色彩。
面向人群：优先人文社科类的无代码学习，Python、R的SNA 包好用是好用，但是对我们这这些社科的同学来说门槛太高，枯燥的代码首先就会让我们丧失学习兴趣。
特征：类综述文章，主要目的是以通俗的语言和精炼的框架带领各位快速对SNA领域建立起一个全面的认知，每个个关键概念会附上链接供感兴趣的同学深入学习。
开胃菜：SNA经典著作分享《网络科学引论》纽曼 (访问密码 : v9d9g3)2概述:什么是网络？我们从哪些角度研究它？1) 认识网络SNA中所说的网络是由节点（node，图论中称顶点vertex）和边（edge）构成，如下图。
每个节点代表一个实体，可以是人、动物、关键词、神经元；连接各节点的边代表一个关系，如朋友关系、敌对关系、合作关系、互斥关系等。
最小的网络是由两个节点与一条边构成的二元组。
Les Miserables人际关系网络2) 构建网络就是建模马克思说过，“人的本质在其现实性上，它是一切社会关系的总和。
” 事实上，当我们想快速了解一个领域，无论该领域是由人、知识、神经元乃至其他实体集合构成，利用SNA的方法将实体及其相互关系进行抽象和网络构建，我们就完成了对某一领域的“建模”，这个模型就是网络图，拿科学网络计量学家陈超美的观点来说，借助网络图，“一图胜千言，一览无余”。
3) 社会网络类型这里展示了常见和常用的网络类型名词。
社交网络中的社区检测算法研究
社交网络中的社区检测算法研究随着互联网技术的进步，社交网络的普及已经成为了人们日常生活中不可或缺的一部分。
而如何快速、准确地检测社交网络中的社区，尤其是在庞大的庞大的数据量下，是一个十分具有挑战性的问题。
因此，社交网络中的社区检测算法研究就变得尤为重要。
本文将从社交网络的定义、社区的定义、社区检测算法的相关分类、社区检测算法的主要应用领域以及社区检测算法未来的研究方向等方面进行探讨。
一、社交网络的定义社交网络是指一种由人们自发形成的新型社交关系结构，基于互联网技术而发展出来的一种虚拟社交圈子。
在社交网络中，人们通过建立个人主页、发布博客、交流留言、分享信息等方式进行信息的传递与沟通。
而通过社交网络，人们可以找到共同爱好、思想、职业、地域等共同点的朋友，从而扩大人际交往的圈子，加强人们之间的联系。
社交网络具有网络关系多、信息容量大、信息传递快且“六度分隔”现象等特点。
因此，社交网络中的社区检测算法研究尤为重要。
二、社区的定义社区是指具有共同社会、经济、文化等价值的人类集合。
一般而言，社区是人们在一定的空间和时间条件下形成的相互依存的人际关系网络。
在社交网络中，社区反映了人们交往的真实面貌，是社交网络研究的重要内容。
社区检测算法研究是社交网络中研究社区结构和组织方式的基础，有助于揭示社会现象的本质，发现社会规律，为社会管理和治理提供理论支持。
三、社区检测算法的相关分类社区检测算法可以分为结构、基于节点相似度、基于模块性和基于进化游戏等多种方法。
1.基于结构的社区检测算法基于结构的社区检测算法是指根据图的节点和边之间的连接关系进行社区划分的算法。
其中，Girvan-Newman算法是其中较为代表性的算法。
其基本思想是将网络不断分解为层数较小、连接度较小的子图，直到满足某条件或达到预设层数时停止。
该算法可以有效的检测出社区之间的边缘，但是其计算复杂度较高，需要处理大量的计算量。
2.基于节点相似度的社区检测算法基于节点相似度的社区检测算法是指通过对相邻节点之间的相似度进行计算，并优化划分社区过程，提高社区内的节点相似度。
趋势分析之社交网络分析
趋势分析之社交网络分析社交网络分析（Social Network Analysis）是指基于信息学、数学、社会学、管理学、心理学等多学科的融合理论和方法，为理解人类各种社交关系的形成、行为特点分析以及信息传播的规律提供的一种可计算的分析方法。
社交网络分析最早是由英国著名人类学家Radcliffe-Brown在对社会结构的分析关注中提出的，他呼吁开展社会网络的系统研究分析。
随着社会学家、人类学家、物理学家、数学家，特别是图论、统计学家对社会网络分析的日益深入，社交网络分析中形成的理论、方法和技术已经成为一种重要的社会结构研究范式。
由于在线社交网络具有的规模庞大、动态性、匿名性、内容与数据丰富等特性，近年来以社交网站、博客、微博等为研究对象的新兴在线社交网络分析研究得到了蓬勃发展，在社会结构研究中具有举足轻重的地位。
下面我们将用Trend analysis分析社交网络分析领域内的研究热点。
（点击链接即可进入Social Network Analysis Trend：https:///topic/trend?query=Social%20Network%20Analysis）下图是当前该领域的热点技术趋势分析，通过Trend analysis分析挖掘可以发现当前该领域的热点研究话题有social network、information system、network analysis、social influence、search engine等。
根据Trend analysis的分析结果我们可以发现，social network是该领域内的热门话题，从21世纪开始，social network的研究热度开始迅速上升，论文发表数量也遥遥领先；2007年开始social influence的话题热度上升迅速，成为近期热门话题之一。
从Trend analysis我们还可以看到，社交网络影响力也在该领域的热点话题之列。
社会网络分析方法对社会关系网络特征解读
社会网络分析方法对社会关系网络特征解读社会网络分析（Social Network Analysis, SNA）是一种以网络为基础，研究人际关系和组织结构的方法。
通过社会网络分析方法，我们可以深入了解社会关系网络的特征，揭示人们之间的相互联系和信息传播的模式。
本文将从社会网络的定义、分析方法和应用等方面，对社会关系网络的特征进行解读。
社会网络是由个体与个体之间的关系所构成的系统。
关系可以表现为社交关系、合作关系、信息传播关系等。
社会网络的核心是节点（Node）和连边（Edge）的组合。
节点代表社会中的个体，可以是个人、组织或其他单位；连边则代表节点之间的关系。
社会网络分析方法广泛应用于社会学、心理学、管理学等领域，以揭示社会关系网络的特征和动态过程。
其中，最常用的分析方法包括：中心性分析、团体分析、结构洞分析和社区分析。
中心性分析主要用于衡量节点在网络中的重要性。
最常用的中心性指标是度中心性和介数中心性。
度中心性表示一个节点与其他节点直接相连的数量，即节点的度。
介数中心性则表示节点在网络中作为中介传递信息的数量。
中心性分析可以帮助我们识别网络中的核心节点，了解关键影响力和信息传播路径。
团体分析主要研究节点之间的群组关系。
通过社区检测算法，可以将网络中的节点划分为不同的社区。
社区是一种紧密联系的集合，节点之间的内部联系更加紧密，而不同社区之间的联系相对较弱。
团体分析帮助我们理解社会关系网络的结构和组织，发现相似性和共同兴趣的节点群体。
结构洞分析主要关注网络中的连接性。
结构洞是指网络中存在的由于连接性差异而形成的漏洞。
通过结构洞分析，可以了解信息传播和创新的机会，以及个体在网络中的定位和影响力。
结构洞分析有助于发现创新者、传播者和关键决策者等特殊角色。
社区分析是一种聚类方法，通过研究节点之间的相似性和连接模式，将节点划分为不同的群体。
社区分析帮助我们发现社交网络中的小世界现象和群体特征，理解社会关系网络的亲密度和集体行为模式。
社会网络中的用户需求与行为模式分析
社会网络中的用户需求与行为模式分析第一章：引言近年来，随着社会网络的兴起，人们的交际方式发生了翻天覆地的变化。
社会网络已经成为了人们获取信息、交流思想、建立社交关系台基本的渠道之一。
在社交网络中，用户的需求和行为模式对网络平台的运营模式、商业模式以及用户体验，都具有至关重要的影响。
因此，本文旨在探讨社会网络用户的需求和行为模式，进而为社交网络平台的运营提供一定的参考和指导。
第二章：社会网络用户需求分析在社会网络中，用户的需求比较多样化，但是可以归结为以下几种主要类型：1.社交需求社会网络最主要的应用场景之一就是社交交友。
社交需求是用户使用社交网络的首要原因之一。
用户通过社群、博客、聊天、交友等社交功能满足自己的社交需求，寻找志同道合的好友、结交商业伙伴、扩大个人人脉等。
2.获取信息需求在社会网络上，人们获取信息的渠道更丰富、更快捷、更实时。
用户通过搜索、分享、阅读、订阅等功能获取最新和有价值的信息，包括新闻、科技、财经、娱乐、生活等各类信息。
3.娱乐需求社会网络还是人们消遣娱乐的重要场所。
通过游戏、音乐、视频、图片等功能，在社交网络中消遣放松，缓解日常工作和学习中的压力。
4.商务需求随着社交网络的不断发展和升级，社交网络的商业属性已经越来越明显。
用户通过社交网络平台可以接触到更多的商业信息、商业机会，寻找商业合作伙伴、推销产品、推广品牌等。
第三章：社会网络用户行为模式分析社会网络用户的行为模式可以分为以下几种：1.用户名义化行为模式社交网络给人们提供了用户名义化的社交环境，使得人们在社交网络上的个人信息和名誉越来越重要，有些人甚至对其个人信息的管理精益求精。
在社交网络上，人们往往会维护自己的在线形象和流量，提高自己的关注量和曝光率。
2.模仿行为模式社交网络中的用户行为往往呈现出类似的模式和行为方式，当信息量大到一定程度，人们往往会按照潜在的约束性规则来排列和组织信息，形成某种特定的信息表达模式。
博客广告投放位置的社会网络分析与选择
关 资料 。
网络 类 型 ，分 为 三 种 分 别 为 随机 网络 、小 世界 网络 和 无 刻 客 等 ； 专 业 服 务 类 ，如 企 业 博 客 网等 。 综 合 服 务 类 博 客 网 出 现 度 的 网络 。随 机 网络 中 ，任 意 两 个 结 点 之 间 ，存 在 连 接 的概 率 总 时 间最 早 服 务 种 类 最 为齐 全 ，对 用 户 的 影 响也 最 大 ， 门 户 类 是 为 ｐ，结 点 具 有 同 源 性 没 有 明显 差 异 因而 不 可 能形 成 一 个 博 客 网依 托 门户 网站 ， 品牌 知 名 度 较 高 ，盈 利 压 力 较 小 ， 发 展 个 社 交 圈 小 世 界 网络 ，结 点 差 异 较 大 存 在 明显 的群 聚 现 象 而 无刻 度 网络 ，大 量 的结 点 之 间 只 存在 少 量 的连 接 而 少数 的结 最 为迅 速 专 业 服 务 类 博 客 网 由 于 只 专 注 于 某 一 特 殊 行 业 ，博 类 ，如 博 客 网 、 中 国 博 客 网等 ； 门户 类 ，如 新 浪博 客 、搜 狐 博 点 之 间却存 在 大量 的 连接 （ 这些 结 点成 为 了 网络 中 的 Ｈ ｂ 结 点 ） ｕｓ 客人数 相对较 少 。 据 中 国互 联 网 络信 息 中心 公 布 的 ２ ６年 中 国博 客调 查 报 网 中存 在 个 体 差 异 也 会 形 成 不 同 的社 交 圈 。 ０ ０ 告 》显 示 截至 ２ ０ ０ ６年 ８月底 中国博 主规 模 已 达 １ Ｏ万 ，其 ５ ７ 中每 月 更新 一 次 以上 的 活跃 博 主接 近 ７ ０万 注册 的所 有博 客 空 ７ 间数 接近 ３ ０ ４ ０万 ，博 文读 者达 ７ ０ 万 其 中 活跃 的博 文 读者 高 ０ ５ 达 ５ ０万 。 由此 可见 ，中 国博 客 网人 流 量 巨大 存 在 商业 价值 ． ４ ７ ２ 社会 网络 分 析与 关 键结 点 社会 网络 ， 于社 会 科 学 的一 个分 支 ， 以社 会成 员 （ ） 结 属 它 人 为
社会网络分析sna
（7） 解释分析结果。此时要回到最初的研究问题及研究焦点，以翔实的数据来论证前 文提出的问题，得出有益的结论。
（8） 撰写研究报告。
4 案例分析——作者同被引可视化研究
1
什么是同被引？
同被引也称为共引（Co-citation），两 篇或两篇以上的文献同时被别的文献引用。 文献A与文献B同时作为了文献C的参考文献。 2
Excel数据和图形方式。
数据输入形式之一：直接录入矩阵（Data→Spreadsheets）
Spreadsheet
数据输入形式之二：将Excel文件转化为Ucinet格式数据（Data→Import via Spreadsheet）
Import text data from spreadsheet
数据输入形式之三：编辑文本文件创建UCINET数据（File→Text Editor, Data→Import Text file→Raw/DL）
Edit Text File
Display Ucinet Dataset
Netdraw
19
UCINET使用——数据分析（以中心度为例）
UCINET使用——分析结果（以中心度为例）
什么是作者同被引？
两位作者发表的文献同时被其他文献 引用。作者A和作者B发表的文章，同时 被文献c引用了。 3
什么是可视化？
用图Байду номын сангаас的方式来表达内容结构，直观、清楚。
描述学科结构
揭示作者各自或共同代 表的主题领域
研究 目的
揭示文献的影响力 探讨学科范式
主要步骤
选择研究领域。
选择资料来源数据库。本案例选择的数据库是中国引 文数据库（/knsref/index.aspx）。
社会网络分析方法
[1]社会网络分析——一种重要的社会学研究方法张存刚,李明,陆德梅,甘肃社会科学,2004,02,109-111作为一种应用性很强的社会学研究方法 ,社会网络分析近年来发展迅速。
本文介绍了与社会网络分析相关的社会网络及其基本结构特征和社会网络分析的主要概念 ,归纳了两种分析取向———即关系取向和位置取向———各自的基本内容 ,并总结了它的基本特征。
文章最后总结了本文的结构 ,并对社会网络分析提出了简要的评论。
[2]社会空间的另一种想象——社会网络分析的结构视野李林艳,社会学研究,2004,03,64-75[3]BBS群体特征的社会网络分析彭小川,毛晓丹,青年研究,2004,04,39-44本文运用社群图和矩阵法对网络社会群体进行了分析 ,概括出BBS群体的基本特征 ,并对群体中成员地位的形成、意见领袖的特点和群体内部人际交往的特征进行了探讨。
[4]利用社会网络分析促进隐性知识管理殷国鹏;莫云生;陈禹;,清华大学学报(自然科学版),2006,S1,964-969由于隐性知识是在人与人的协作、交流中传播和创新的,因此以IT为基础的知识管理系统难以对其有效管理。
以中国人民大学经济科学实验室为案例进行了如下研究:通过问卷调查收集数据;绘制组织内部信息沟通、咨询、知识传播等社会关系网络;定量分析网络结构以发现阻碍知识传播及创新的问题。
上述研究表明:社会网络分析可以为组织制定隐形知识管理的措施提供定量分析的依据和手段。
[5]社会网络分析在组织管理中的应用张树人;刘颖;陈禹;,中国人民大学学报,2006,03,74-80社会网络分析在组织管理中的应用有多个层次:通过对组织内部进行社会网络分析,可以发现组织中存在的问题;通过为组织网络建立网络动力学模型,可以预见组织演化的趋势,提高组织管理的自觉程度;通过对组织外在交互网络进行分析,可以挖掘出组织的角色定位,发现组织发展的空间,实施组织的战略管理;通过对引进信息技术或其他组织管理措施的前后分析比较,可以对实施各种组织管理措施进行过程控制和量化测评等。
社交网络链接分析毕业论文
分类号编号华北水利水电学院N orth China Institute Of Water Conservancy And Hydroelectric Power 毕业设计题目社交网络链接分析学院信息工程学院专业计算机科学与技术姓名袁聚良学号 200810831指导教师闫新庆王怡素2012年5月20 日独立完成与诚信声明本人郑重声明：所提交的毕业设计（论文）是本人在指导教师的指导下，独立工作所取得的成果并撰写完成的，郑重确认没有剽窃、抄袭等违反学术道德、学术规范的侵权行为。
文中除已经标注引用的内容外，不包含其他人或集体已经发表或撰写过的研究成果。
对本文的研究做出重要贡献的个人和集体，均已在文中作了明确的说明并表示了谢意。
本人完全意识到本声明的法律后果由本人承担。
毕业设计（论文）作者签名：指导导师签名：签字日期：签字日期：毕业设计（论文）版权使用授权书本人完全了解华北水利水电学院有关保管、使用毕业设计（论文）的规定。
特授权华北水利水电学院可以将毕业设计（论文）的全部或部分内容公开和编入有关数据库提供检索，并采用影印、缩印或扫描等复制手段复制、保存、汇编以供查阅和借阅。
同意学校向国家有关部门或机构送交毕业设计（论文）原件或复印件和电子文档（涉密的成果在解密后应遵守此规定）。
毕业设计（论文）作者签名：导师签名：签字日期：签字日期：社交网络链接分析摘要随着网络社交的悄悄演进，一个人在网络上的形象更加趋于完整，这时候社交网络出现了。
交友只是社交网络的一个开端，就像Google的开端只是每个网页的backlinks那么普通一样，社交网络的开端只是获取你的个人资料和好友列表。
社交网络大体经历了这样一个发展过程：早期概念化阶段──SixDegrees代表的六度分隔理论；结交陌生人阶段──Friendster帮你建立弱关系从而带来更高社会资本的理论；娱乐化阶段──MySpace创造的丰富的多媒体个性化空间吸引注意力的理论；社交图阶段──Facebook复制线下真实人际网络来到线上低成本管理的理论。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
博客社区中好友链接的社会网络分析———以科学网的博客社区为分析案例汪维富，钟志贤作者：汪维富，钟志贤单位：汪维富，江西师范大学课程与教学研究所硕士研究生; 钟志贤，江西广播电视大学副校长，江西师范大学教授，博士。
基金项目：西省教育科学“十一五”规划重点项目：“面向教师信息素养提高的Web2．0 内容模型研究”; 江西省教育厅高校教改委托项目“Web2．0 时代大学生课外竞赛与就业创业能力的实践研究”的成果之一。
出处来源：《现代远距离教育》2010 年第5 期总第131 期【摘要】本文以科学网的博客社区作为研究样本，以博主好友链接为研究内容，以社会网络分析为方法，利用UCINET 和Pajek 软件，探究了该博客社区中博主好友链接的网络特征，包括网络的密度、小世界效应、中心度、中心势等，描绘了该网络的社群图，揭示了该博客社区的信息交流与人际互动特征。
【关键词】博客社区; 社会网络分析; 好友链接; 社群图一、引言博客是个人自由进行信息创造、表达、交流的网络空间，体现了Web2．0 时代的个性化、创造性与社区化的技术与文化特征。
博客虚拟社区是博客与博客之间通过多种互动关系而构成的虚拟社区。
互动方式包括建立好友链接、博客互访、评论好友日志、转载或分享好友资源等。
博客之间为什么要实现互动，形成关系紧密的博客社区?其一，相互分享，以相对稳固的合作互惠方式来促进群体的共同发展。
根据群体动力理论与社会凝聚力理论［1］，群体的形成与发展的关键是不同成员的需求能在合作行为中得到满足，以不断增强社会性依赖与凝聚力。
博客社区是由自组织性的群体组成，博主需要主动分享有用的知识或问题，以合作互惠的方式满足各自的知识、需求，长期互动会产生相对稳固的人际圈。
其二，知道知识分布在哪里( Where ) 或谁知道Who) 比知识本身( What) 更有价值。
在信息激增时代，要想在浩瀚的信息海洋中遨游，除了提升信息素养外，最重要的一点就是参与专业学习共同体，和专家或趣味相投的人建立联结，通过互动知晓“谁”或“哪里”__________有需要的信息。
据研究，人们倾向于向朋友或同事求助的程度，比向其它信息资源如数据库或文件资料求助的程度要多出五倍［2］，以人为中心来组织知识网络、聚集社会资本比单纯地诉诸于信息资源库重要的多。
博客社区就是以用户为中心来组织可持续增长的知识网络，平等地建立起超越现实的赛伯人际网络，以方便获取寄存在“好友”节点的知识，使其充当知识的代理。
其三，培育信息时代学习者的自主、创造与分享的学习态度。
不断涌现的Web2．0 技术为信息时代的学习者提供了系列有价值的学习工具，但这并不能保证学习的有效发生。
数字化学习的效果有赖于尊重、开放、分享、面对和接纳的态度，尤其要学会“先给后得”的气度，你所给出的一切，其实都是给你自己的!［3］博客是目前最为常用的Web2．0 个人出版平台，是较为适宜的培育学习者信息时代学习能力与态度的网络环境。
人一般都具有、归属与爱的需要，社区在一定程度消除了虚拟网络的枯燥感与孤独感，博主既依靠互动满足自己的信息消费需求，更希望通过主动参与创造贡献更精彩、更得意的思考来博得社区成员的认同、关注与尊重。
因此，基于博客社区促进学习者的自主、创造与分享的学习态度是可能的。
然而，目前博客的使用主要还是个人行为，缺乏深度互动，为了发挥博客社区的集体智能，不断相互合作、切磋与竞争形成专业共同体甚至学术流派，促进知识共享与创新，进行博客社区的交流互动研究具有显著的重要意义。
二、理解社会网络分析社会网络( Social Network) 是指社会行动者( SocialActor) 及其之间的关系集合［4］。
它是由多个节点( 行动者) 和节点之间的连线( 关系) 组合而成的，节点可以是个人、组织和国家等社会要素或实体; 连线可以是友情、商业往来和信息共享等关系。
而社会网络分析( SocialNetwork Analysis，SNA) 就是对社会网络中的关系进行量化分析的艺术和技术，可用于描述和测量网络社群成员之间的关系，以及经由这些关系流动的各种有形或无形的东西。
本文运用社会网络分析方法，选择科学网的博客社区作为样本来源，试图从该博客社区的好友链接网络视角来探究交流互动问题，了解博客之间的交流现状，描绘博客之间关联的社群图，以揭示博客社区的交流结构与特征，为促进虚拟社区中的信息交流与人际互动提供建议。
三、研究过程1．选取样本科学网的博客社区是履行实名制的虚拟社会网络，博主身份主要以科研人员、学校教师、技术人员等高级知识分子为主，定期地在博客首页推荐博主们当下共同关注的话题，是典型的跨学科学术共同体。
本文从该博客社区选取研究样本，以博客主页中的“博主好友”链接关系作为研究内容。
每位博主就是一个节点，其一条好友链接即节点间的一条关系。
一位博主可能有许多好友链接，即该博主节点与许多其他博主节点建立了关系。
博主之间相互建立“好友”关系，就形成了行动者之间的好友链接网络。
由于该博客社区的总体样本较大，抽样又最好保证链接网络连续性、相互性、关联性的真实特征，因此本文选择采用滚雪球抽样( Snowball Sampling) ，即“行动者提名其他行动者，这些行动者构成了一阶网络域( First OrderZone of the Network) ，研究者在此基础上得到二阶网络域、三阶网络域等”。
［5］先选择一位博主作为行动者的提名起点，即一阶网络域，再据该博主的“博主好友”来提名二阶网络域，最后根据二阶网络域中每位行动者的“博主好友”来提名三阶网络域，所有提名的行动者构成研究样本。
最后共提名206 位行动者，即206 个节点。
2．构建矩阵数据社会网络一般可用矩阵法与社群图来进行描述。
矩阵法，即把社会网络中的每个节点分别按行与列的方式排列即可形成网络矩阵。
［6］本文研究的是链接关系，形成有方向性的邻接矩阵( Adjacency Matrix) ，如图1 所示。
若博主ni在自己的“博主好友”中列有博主nj，则矩阵中的关系数据aij = 1，与此同时，若nj的“博主好友”中没有ni，则aji = 0。
该研究样本是一个206 ×206 的有向矩阵，序号是用来代替博主的真实姓名的，1、0 用来表示有无链接。
3．确定研究视角图1 科学网博客社区的样本网络矩阵( 部分)社会网络分析方法作为一种较为成熟的社会学方法，逐渐形成了许多特有的分析概念与特征，如密度、中心度、派系、凝聚子群等。
本文选择下列几种关键性指标作为研究视角。
( 1) 密度( Density) : 用来描述网络中各个节点关联的紧密程度，数学上以网络中节点间实际拥有的连接数与最多可能拥有的连接数的比例来表达。
完备图( CompleteGraph) 是理解密度的一个重要概念，是指每个节点都与所有其他节点直接连接，即“最多可能拥有的连接数”，其密度为1，而通常的密度大小则反映出网络图在多大程度上具有这种完备性。
( 2) 可达性( Reachability) : 指节点能够连接到每一个其他节点的难易程度，可用任意两节点之间交流所需经过的连线数来表征，以节点间的平均距离( AverageDistance) 表示。
Watts 等人发现许多大型社会网络中的任何两个节点之间的平均距离都很小，最著名的就是“六度分割理论”［7］。
这种节点间的可达性被许多研究者用来验证小世界现象。
( 3) 中心度( Centrality) : 反映了节点在网络中的权利地位及影响分布，中心度越高的节点越处于核心地位，能够有效控制及影响网络中其他行动者之间的活动; 相反，中心度越低的节点越处于边缘地位，很少参与互动交流，对其他节点的影响很小。
常用的中心度有节点中心度与中介中心度两种，前者刻画的是一个行动者与其他行动者发生关联的能力，后者描述一个行动者控制网络中其他行动者的能力。
( 4) 节点中心度( Degree Centrality) : 即与某节点直接相连的其他节点总数。
有向网络的节点中心度又分为点入度( In －Degree) 与点出度( Out －Degree) ，前者指直接指向该节点的其他节点的总数，后者指该节点所直接指向的其他节点的总数。
点入度表征了该节点被其他节点关注的程度，是衡量“意见领袖”的指标，而点出度则说明了该节点在网络中的活跃程度。
( 5) 中介中心度( Betweenness Centrality) : 指某节点与其他各节点之间相隔的远近程度，表示该节点在多大程度上是其他节点的“中介”，这样的节点具有“经纪人”或“守门人”的作用。
中介中心度表征着某个节点对网络中资源控制的程度，某节点中介中心度越高，说明该节点越多地占据操纵资讯资源流通的关键性位置。
上述两种中心度均是描述某个节点的中心性特征，而表征整个群体的中心性特征是对应的网络中心势( Centralization) ，网络中心势衡量了整个网络向中心聚集的程度，可以作为对网络是否依赖少部分行动者的估计［8］，包括相应的节点中心势、中介中心势，前者反映了网络在多大程度上是以某个或某几个节点为中心建立起来的，后者说明了整个网络中的信息、人脉在多大程度上被某些少数节点所控制。
四、研究结果及其分析依据确定的多个研究视角，应用UCINET 软件进行对样本数据进行处理，结果如表1。
表1 样本数据处理结果密度Density 0．0365，节点中心势Network Centralization 39．33%，平均距离Average Distance 2．492 ，中介中心势Network Centralization Index 10．02%。
1．该网络密度较小，为0．0365。
一般来说，关系紧密的团体合作行为较多，信息流通较易，情感支持也会较好; 而关系十分疏远的团体，则常有信息不通、情感支持太少、协作程度低等问题［9］，该博客社区整体上的信息交流或人际交流不太紧密，网络完备性较低。
2．节点之间的平均距离为2．492，说明该样本社区中任意两个博客之间平均只要通过近2．5 个博客就可以相互连通，具有小世界效应的显著特征，是一个信息流通顺畅、人际交流迅速、利于互通有无网络。
3．39．33%的节点中心势属于中等水平，说明社区不存在明显的网络集中性、向心性，相反“离心势”较大些，说明博客之间的交流比较分散。
部分行动者的节点中心度，如表2 所示。
表2 节点中心度的数据统计结果( 部分)编号点出度点入度总点度编号点出度点入度总点度表2 列出了各节点的点出度( Out －Degree) 与点入度( In －Degree) ，点出度最高的依次为6、23、8、7、174 等，点入度最高的依次为7、158、1 ( 未标出，值为32) 、8、6等。