计算机设计大赛炫酷展示ppt.

功能介绍
项目特点：
UI美观 使用简单
基于web
支持多种文件 格式的输入
提供多种 社区划分算法
功能介绍
项目用途：
功能介绍 系统使用流程：
登陆网站， 注册登录
导入文件， 选择算法
得到输出， 分析结果
退出登录
本系统的网址为http：//120.25.203.152:8000
项目的功能介绍
文件导入格式：
技术知识
算法特点： LPA：快速高效 BGLL：稳定准确
Walktrap：划分效果好 Fastgreedy： 适用大型加权网络
技术知识
1、label propagation Algorithm(LPA)
标签传播算法（LPA）是由Zhu等人于2002年提出，它是一种基于图的半 监督学习方法该算法的基本原理如下：首先，给全网每个节点分配一个不 重复的标签（label）；其次，在迭代的每一步，让一个节点采用在它所有 的邻居节点中最流行的标签（如果最佳候选标签超过一个，则在其中随机 抽一个），；最后，在迭代收敛时，采用同一种标签的节点被归入同一个 社区。 这个算法的核心是通过标签的扩散来模拟某种流在网络上的扩散。 其优势是算法简单，特别适用于分析被流所塑造的网络。在大多数情况下 可以快速收敛。其缺陷是，迭代的结果有可能不稳定，尤其在不考虑连边 的权重时，如果社区结构不明显，或者网络比较小时，有可能所有的节点 都被归入同一个社区。 Reference:Raghavan, U.N. and Albert, R. and Kumara, S. Near linear time algorithm to detect community structures in large-scale networks. Phys Rev E76:036106, 2007. http://arxiv.org/abs/0709.2938 .
标签文件
网络信息文件：
技术知识
World Cannot Receive
World 社区划分算法 World does Cannot See Not Know
Will Dwell in Disciples
LPA
BGLL
WALKTRAP
FASTGREEDY
四种算法都具有良好的社区划分效果， 不同的算法适用于不同的场景
背景与意义
将社会网络分析以一种数据可视化的形式展示给决策者，不仅能形象直观，还有 助于其在庞大的数据中能及时捕获所需信息。数据可视化，是关于数据之视觉表现形 式的研究。如今，可视化已经不仅仅是点和线的简单描绘，它成为了一种能传递深层 数据内涵、启发问题解决方案的强大智能模型。 类似这样的软件，在国外著名的有UCINET、Pajek以及Gephi等，UCINET、 Pajek侧重于社会网络的分析，但可视化的效果较差，而且操作不简单，忽略用户体 验；Gephi是则偏向于社交图谱的数据可视化，能生成漂亮的可视化图形，并对数据 进行清洗和分类，但数据分析不够全面，提供算法较少。另外，这些软件都需用户下 载才能使用，不支持web端，这样导致电脑因系统的差异而使用不了某些软件，如 Gephi需jdk1.7以下的环境配置，不支持jdk1.8。 针对上述的不足，我们小组研发了一个基于web端的社会网络可视化分析平台， 名为vina，力求将社会网络分析与数据可视化充分结合，以给用户更好的体验效果。
功能介绍 项目简介：
本系统是一个基于开源框架Django的社会网络可视化分析网站，并且尽可
能简单灵活地使数据可视化。特点是UI美观、使用简单、支持大多数浏览器、
支持多种文件格式的输入、提供多种社区划分算法。数据可视化的结果包括了网 络图、柱状图、饼图、表格，让用户从不同角度获得社区网络划分的结果。另外， 本系统还运用了社会网络分析的知识，为用户挖掘出网络中的重要信息。本系统 的用途可分为：客户群体细分、社交网络分析、热点事件分析、舆情监控、社会 网络划分的教学等。
我们导入的文件有两个，第一个是网络信息文件，文件的内容以source， target，weight为格式，source代表源点，target代表目标点，weight 代表连边权重，例如节点1对节点6有连边，连边权重为2，我们记录的格式 为“1,6,2”。 第二个是节点标签文件，文件的内容是节点所对应的标签，以node， label为格式，例如节点1的标签叫quincy。 两份文件均支持txt，xls和csv格式
技术知识
2、BGLL
这个方法分两步： （1）从节点合并开始， 构建第一步社团划分结果。每个节点根据模块度 增益决定是否加入到邻居节点的社团中和到底加入到哪个邻居节点的社团 中。每个节点按序执行该过程。 （2）重新构建网络。把第一步每个社团单做一个节点，边是原来社团之间 链接边权的和。 （3）迭代（1），（2），直到收敛。 Reference: VD Blondel, J-L Guillaume, R Lambiotte and E Lefebvre: Fast unfolding of community hierarchies in large networks. J Stat Mech P10008(2008), http://arxiv.org/abs/0803.0476
基于web的 社会网络可视化分析平台
目录
1 背景与意义
2
功能介绍
3
技术知识
4 5
创新之处
未来展望
Baidu Nhomakorabea
背景与意义
社会网络（social network）是由图表示的异构多关系数据集，图中节点对应对象， 边对应表示对象间联系或相互作用的链接。过去的几十年间，社会网络受到越来越多的 关注。特别是移动网络和互联网的发展，产生了大量的，容易被计算机处理的社会网络 数据。从这些数据中获取知识，从而理解商业行为，识别业务模式，捕捉用户行为，更 好利用资源，提高服务质量，将成为运营商的核心竞争力之一。 对于现在大数据的时代中，挖掘出社交网络上的社区很有实用价值。社区内用户的共 同话题，会形成一个定向的区别用户的方式，为智能搜索、个性化服务、商业应用推广 等应用提供理论依据。从广告投放的角度来看，容易找到定向的广告受众; 从朋友推荐的 角度看，能够方便的将同一个社区内的个体向其他个体进行推荐，为找寻多年没有联系 的朋友提供一个方便快捷的途径。